Deepfakes et manipulation d'images
En 2024, n'importe qui peut creer une fausse photo de vous en quelques clics grace a l'intelligence artificielle. Bienvenue dans l'ere des deepfakes, ou voir ne signifie plus croire.
Point essentiel a retenir
Voir ne signifie plus croire. A l'ere de l'IA, chaque image ou video doit etre verifiee avant d'etre partagee.
Les deepfakes sont desormais accessibles a tous. Seul un esprit critique et des outils de verification peuvent vous proteger.
Objectifs du cours
- Comprendre ce qu'est un deepfake et comment il est cree
- Connaitre les techniques de manipulation d'images (retouche, montage, IA)
- Savoir identifier les indices d'une image manipulee
- Developper un esprit critique face aux images sur Internet
Erreurs courantes a eviter
- Croire qu'une image est forcement vraie si elle parait realiste
- Penser que seuls les experts peuvent creer des deepfakes (les outils sont accessibles)
- Ignorer l'importance des metadonnees pour verifier une image
- Ne pas verifier les sources avant de partager une image
**Definition**
Un **deepfake** est un contenu multimedia (image, video, audio) genere ou modifie par intelligence artificielle pour faire croire a quelque chose de faux.
Le terme vient de : - **Deep** = Deep Learning (apprentissage profond) - **Fake** = Faux
**Comment ca fonctionne ?**
Les deepfakes utilisent des **reseaux de neurones** : 1. **Analyse** : L'IA analyse des milliers d'images/videos d'une personne 2. **Apprentissage** : Elle apprend les traits du visage, expressions, mouvements 3. **Generation** : Elle peut ensuite generer de nouvelles images ou superposer ce visage sur quelqu'un d'autre
**Les GAN (Generative Adversarial Networks)**
Architecture utilisee pour creer des deepfakes : - **Generateur** : Cree des fausses images - **Discriminateur** : Essaie de detecter les faux - Les deux s'entrainent mutuellement jusqu'a ce que les faux soient indiscernables
**Types de deepfakes**
| Type | Description | Exemple | |------|-------------|---------| | Face swap | Echange de visages | Mettre le visage de A sur le corps de B | | Face reenactment | Animation de visage | Faire dire n'importe quoi a quelqu'un | | Voice cloning | Clonage de voix | Imiter la voix de quelqu'un | | Full body | Corps entier | Generer une personne complete |
**L'accessibilite des outils**
Autrefois reserve aux experts, creer un deepfake est maintenant accessible : - Applications smartphone gratuites - Sites web en ligne - Logiciels open source
Cette democratisation pose de serieux problemes ethiques et legaux.
# Demonstration conceptuelle : detection de deepfakes
# (Code pedagogique - pas de vraie IA)
def analyser_image_suspecte(caracteristiques):
"""
Analyse les caracteristiques d'une image pour detecter
des indices de manipulation.
"""
score_confiance = 100
alertes = []
# Verification des yeux
if caracteristiques.get("clignements_anormaux"):
score_confiance -= 20
alertes.append("Clignements d'yeux irreguliers")
if caracteristiques.get("reflets_yeux_differents"):
score_confiance -= 25
alertes.append("Reflets dans les yeux incoherents")
# Verification des contours
if caracteristiques.get("contours_flous"):
score_confiance -= 15
alertes.append("Contours du visage floues")
if caracteristiques.get("transition_peau_cheveux"):
score_confiance -= 15
alertes.append("Transition peau/cheveux suspecte")
# Verification de coherence
if caracteristiques.get("eclairage_incoherent"):
score_confiance -= 20
alertes.append("Eclairage non coherent")
if caracteristiques.get("ombres_absentes"):
score_confiance -= 15
alertes.append("Ombres manquantes ou incorrectes")
# Verification technique
if caracteristiques.get("compression_anormale"):
score_confiance -= 10
alertes.append("Zones de compression anormales")
if caracteristiques.get("metadonnees_manquantes"):
score_confiance -= 10
alertes.append("Metadonnees EXIF absentes")
return {
"score_authenticite": max(0, score_confiance),
"alertes": alertes,
"verdict": "Probablement authentique" if score_confiance > 70
else "Suspect" if score_confiance > 40
else "Probablement manipulee"
}
print("=== ANALYSE D'IMAGE SUSPECTE ===\n")
# Exemple 1 : Image probablement authentique
image_normale = {
"clignements_anormaux": False,
"reflets_yeux_differents": False,
"contours_flous": False,
"eclairage_incoherent": False,
}
resultat = analyser_image_suspecte(image_normale)
print("Image 1 - Photo standard:")
print(f" Score d'authenticite : {resultat['score_authenticite']}%")
print(f" Verdict : {resultat['verdict']}")
print(f" Alertes : {len(resultat['alertes'])}")
# Exemple 2 : Image suspecte (deepfake probable)
image_deepfake = {
"clignements_anormaux": True,
"reflets_yeux_differents": True,
"contours_flous": True,
"eclairage_incoherent": True,
"metadonnees_manquantes": True,
}
print("\nImage 2 - Deepfake probable:")
resultat = analyser_image_suspecte(image_deepfake)
print(f" Score d'authenticite : {resultat['score_authenticite']}%")
print(f" Verdict : {resultat['verdict']}")
print(" Alertes detectees :")
for alerte in resultat['alertes']:
print(f" - {alerte}")
print("\n" + "="*50)
print("\n=== EVOLUTION DES DEEPFAKES ===\n")
evolution = [
(2017, "Premiers deepfakes", "Visages flous, facilement detectables"),
(2018, "Amelioration", "Meilleure qualite, detectables par experts"),
(2019, "Democratisation", "Applications grand public apparaissent"),
(2020, "Haute qualite", "Difficile a distinguer pour l'oeil humain"),
(2022, "IA generative", "DALL-E, Midjourney - generation complete"),
(2024, "Ultra-realisme", "Video temps reel, clonage vocal parfait"),
]
print(f"{'Annee':<8} {'Etape':<20} {'Caracteristiques':<40}")
print("-" * 70)
for annee, etape, desc in evolution:
print(f"{annee:<8} {etape:<20} {desc:<40}")Quiz de validation
1. Qu'est-ce qu'un deepfake ?
2. Quel indice peut reveler un deepfake au niveau des yeux ?
3. Quelle technique l'IA a souvent du mal a reproduire correctement ?
4. Quelle est la premiere verification a faire pour une image suspecte ?
5. En France, creer un deepfake a caractere sexuel sans consentement est punissable de :
