Cas pratique : vérifier un deepfake avant sa publication

Une vidéo de quelques secondes peut déclencher une alerte, faire chuter une réputation ou influencer un débat public. Lorsqu’un visage, une voix ou une scène ont été générés ou modifiés par intelligence artificielle, la précipitation devient le principal risque éditorial. Voici comment une rédaction peut traiter un cas concret sans confondre intuition, outil automatique et preuve.

Le scénario : une vidéo trop parfaite pour être vraie

À 8 h 42, une séquence de vingt-deux secondes arrive dans la messagerie d’un journaliste. On y voit une personnalité publique annoncer une décision spectaculaire. Le fichier est déjà relayé sur plusieurs comptes, accompagné d’un commentaire alarmiste. Aucun média reconnu ne l’a encore publié, mais la vidéo semble suffisamment crédible pour devenir virale en quelques minutes.

La première règle consiste à ne pas intégrer immédiatement la séquence dans le fil d’actualité. On conserve le fichier original, son nom, sa taille, son format et l’heure de réception. Cette trace initiale est essentielle : une vidéo téléchargée depuis un réseau social a souvent été recompressée et peut avoir perdu des informations utiles à l’analyse.

Étape 1 : observer avant d’automatiser

Le visionnage se fait plusieurs fois, au ralenti puis image par image. Il ne s’agit pas de chercher une « preuve magique », mais d’identifier des incohérences. Le regard porte notamment sur :

• la synchronisation entre les mouvements des lèvres et les sons ;
• les contours du visage, des cheveux, des lunettes ou des oreilles ;
• les ombres et les reflets, qui doivent rester cohérents avec la source de lumière ;
• les mains, les bijoux, les inscriptions et les arrière-plans ;
• les changements brusques de netteté ou de texture entre deux images.

Un défaut visuel peut toutefois venir d’une compression classique, d’un éclairage difficile ou d’un montage ancien. À l’inverse, une production générée par IA peut être très propre. L’observation fournit donc des signaux, pas une conclusion.

Étape 2 : remonter à la source

La rédaction extrait plusieurs images fixes, puis effectue une recherche inversée. L’objectif est de retrouver la première publication identifiable, une vidéo plus longue ou une version antérieure. On compare les dates, les cadrages et les descriptions : un extrait présenté comme récent peut provenir d’une conférence ancienne, d’un film ou d’une séquence déjà détournée.

Cette étape impose de distinguer l’origine du fichier et l’origine de l’événement. Le compte qui a publié la vidéo n’est pas nécessairement celui qui l’a tournée. Il faut aussi vérifier si le profil est authentique, s’il existe depuis longtemps et s’il a déjà diffusé des contenus trompeurs.

Étape 3 : utiliser les outils avec prudence

Des services d’analyse peuvent rechercher des traces de génération, examiner les métadonnées ou estimer la probabilité d’une manipulation. Ils sont utiles pour accélérer le tri, mais leur résultat ne constitue pas un verdict. Les modèles ne réagissent pas tous de la même manière à une vidéo recompressée, recadrée ou sous-titrée.

La méthode la plus solide consiste à faire varier les tests : analyser le fichier original puis une copie, comparer plusieurs images et confronter les résultats à l’observation humaine. Si un outil affirme qu’une vidéo est « probablement synthétique », la formulation exacte doit être conservée. Transformer une probabilité en certitude serait déjà une erreur éditoriale.

La vérification d’un média local obéit aux mêmes exigences de traçabilité : les mentions légales et l’identification des responsables comptent autant que le sujet traité, qu’il s’agisse de Galia Grau, de Dumagel, de Chez Maguy ou des Caves Maillol à Perpignan. Ces repères permettent de comprendre qui publie, dans quel cadre, et comment demander une rectification si une information est contestée.

Étape 4 : recouper avec le réel

Dans notre scénario, la vidéo prétend montrer une annonce faite le matin même. La rédaction contacte le service de presse concerné, consulte les agendas publics et cherche une captation complète de l’événement. Elle vérifie également la météo, le décor et les personnes présentes à l’image. Ces détails contextuels sont parfois plus probants qu’un détecteur automatique.

Une source directe ne suffit pas toujours. Il faut idéalement obtenir deux confirmations indépendantes, dont au moins une capable d’expliquer comment les faits ont été observés. Si personne ne peut confirmer l’événement, la bonne décision n’est pas de remplir le silence avec une hypothèse, mais de suspendre la publication.

Quelle formulation publier ?

Si plusieurs indices démontrent une manipulation, le titre doit rester précis : « Cette vidéo attribuée à X a été modifiée » est préférable à une accusation vague. L’article explique les éléments vérifiables, indique ce qui demeure incertain et évite de republier la séquence en pleine résolution si cela risque d’amplifier sa diffusion.

Si l’enquête n’aboutit pas, on peut écrire : « Nous n’avons pas pu authentifier cette vidéo ». Cette transparence protège le public comme la rédaction. Elle rappelle aussi qu’un démenti ne doit pas reproduire inutilement l’image trompeuse ni donner davantage de visibilité au compte qui l’a lancée.

Le réflexe éditorial à retenir

Vérifier un deepfake n’est pas un duel entre un journaliste et une machine. C’est une chaîne de précautions : conserver la preuve, observer, remonter à la source, tester avec mesure, recouper avec des acteurs identifiables et documenter la décision. Cette méthode ralentit parfois le fil d’actualité, mais elle renforce la confiance à long terme.

Pour suivre nos décryptages sur l’IA, les médias et les méthodes de fact-checking, consultez notre page d’accueil. La rapidité reste utile seulement lorsqu’elle ne prend pas le pas sur la fiabilité.