Qu'est-ce qu'un deepfake ? Définition et signification

Un deepfake est une photo, une vidéo ou un extrait audio créé ou modifié par l'intelligence artificielle pour montrer une personne en train de dire ou de faire quelque chose qu'elle n'a jamais dit ni fait. Le mot associe « deep learning » (l'apprentissage profond, la branche de l'IA qui fait fonctionner la technique) et « fake » (faux). Dans sa forme la plus courante, un deepfake remplace le visage d'une personne par celui d'une autre sur une image ou une vidéo, de façon si convaincante qu'il devient difficile de distinguer le résultat d'un enregistrement authentique.

Cette définition courte répond à la question, mais elle ne fait qu'effleurer le sujet. Les deepfakes occupent l'un des recoins les plus fascinants — et les plus débattus — de l'IA moderne. Ils alimentent des effets spéciaux de cinéma inoffensifs, des mèmes viraux et des outils créatifs de face swap par IA utilisés par des millions de personnes. Ils ont aussi été détournés à des fins de fraude et de harcèlement, ce qui explique pourquoi presque toute discussion sur la signification du mot deepfake finit par aborder l'éthique, le consentement et la loi.

Ce guide couvre tout cela : l'origine du terme, le fonctionnement de la technologie dans les grandes lignes, les différents types de deepfakes, ce qui est légal et ce qui ne l'est pas, ainsi qu'un petit glossaire pour que le jargon ne vous ralentisse jamais.

Deepfake : définition et origine du mot

Le terme « deepfake » est apparu fin 2017 : c'était le pseudonyme d'un contributeur Reddit qui partageait des vidéos de face swap réalisées avec du code de machine learning open source. Le nom est resté parce qu'il décrivait parfaitement la technique :

• Deep renvoie au deep learning : des réseaux de neurones composés de nombreuses couches empilées, qui apprennent des motifs à partir de grandes quantités de données.
• Fake renvoie au résultat : un média synthétique qui montre quelque chose qui n'a jamais eu lieu.

En quelques mois, les journalistes ont adopté le mot pour désigner tout média généré ou manipulé par l'IA mettant en scène des personnes réelles. Aujourd'hui, les dictionnaires définissent un deepfake comme « une image ou un enregistrement modifié et manipulé de façon convaincante pour faire croire qu'une personne a fait ou dit quelque chose qu'elle n'a pas réellement fait ou dit ».

Il est utile de préciser ce qu'un deepfake n'est pas. La retouche photo classique, les filtres, les images de synthèse (CGI) et les effets vidéo manuels ne sont pas des deepfakes, même lorsqu'ils modifient l'apparence d'une personne. La définition du deepfake suppose précisément le machine learning : un modèle qui a appris à quoi ressemble un visage (ou une voix) et comment il se comporte, et qui peut ensuite générer de lui-même de nouvelles images ou un nouvel audio.

Une brève histoire des deepfakes

Les deepfakes semblent récents, mais la recherche qui les sous-tend remonte à plusieurs décennies.

Avant l'apparition du nom (années 1990–2016)

Des laboratoires universitaires expérimentaient la reconstitution faciale générée par ordinateur dès les années 1990. Le vrai tournant est arrivé en 2014, lorsque le chercheur Ian Goodfellow a présenté les réseaux antagonistes génératifs (GAN) : un dispositif d'entraînement dans lequel deux réseaux de neurones s'affrontent, l'un produisant des faux et l'autre tentant de les détecter, jusqu'à ce que le résultat généré devienne remarquablement réaliste. En 2016, le projet Face2Face a démontré la reconstitution faciale de vidéos en temps réel, montrant au grand public ce qui se préparait.

Le moment où le nom est né (2017–2018)

Le compte Reddit qui a donné leur nom aux deepfakes a popularisé le face swap grand public, et des projets open source comme DeepFaceLab et FaceSwap ont rapidement suivi. Soudain, n'importe qui disposant d'une carte graphique de gamer et d'un peu de patience pouvait entraîner un modèle de face swap chez soi. Si vous voulez savoir comment ces projets communautaires ont évolué, nous les comparons dans notre guide des outils deepfake open source.

Grand public et mobile (2019–2022)

Des applications comme Zao en Chine et Reface dans le monde entier ont mis le face swap dans les smartphones. Hollywood a adopté la technique pour rajeunir des acteurs et compléter des performances. La recherche sur la détection s'est accélérée en parallèle : Facebook, Microsoft et le monde universitaire ont lancé le Deepfake Detection Challenge en 2019.

L'ère de l'IA générative (2023 à aujourd'hui)

Les modèles de diffusion modernes et les réseaux de face swap « one-shot » ont levé le dernier obstacle : le temps d'entraînement. Là où les premiers deepfakes exigeaient des milliers de photos de la cible et des jours de calcul sur GPU, les outils actuels en ligne produisent un échange de visage convaincant à partir d'une seule photo, en quelques secondes. C'est ce bond qui a fait passer les deepfakes d'une niche de passionnés à un média créatif du quotidien — et qui a rendu urgente la compréhension de cette technologie par le public.

Comment fonctionnent les deepfakes ?

Pas besoin d'un diplôme en mathématiques pour comprendre l'idée centrale. La plupart des deepfakes reposent sur l'une de ces trois approches :

1. Les autoencodeurs (la méthode classique)

Un autoencodeur est un réseau entraîné à compresser un visage en une description numérique compacte, puis à le reconstruire. L'astuce classique utilise un encodeur partagé et deux décodeurs, un par personne. On fait passer le visage de la personne A dans l'encodeur partagé, puis on le reconstruit avec le décodeur de la personne B : on obtient le visage de B avec l'expression, l'angle et l'éclairage de A.

2. Les GAN (le moteur du réalisme)

Les réseaux antagonistes génératifs opposent un générateur à un discriminateur. Le générateur produit de fausses images ; le discriminateur juge si chaque image paraît réelle. Les deux progressent dans une course aux armements permanente, ce qui explique pourquoi un résultat affiné par un GAN peut sembler photoréaliste jusqu'à la texture de la peau et aux reflets.

3. Les modèles de diffusion et one-shot (l'ère moderne)

Les systèmes plus récents apprennent un modèle général des visages humains à partir d'immenses jeux de données, puis appliquent une identité précise à partir d'une seule photo de référence. C'est ce qui permet à un générateur de deepfake moderne de fonctionner instantanément dans le navigateur, sans aucune étape d'entraînement.

Tous les pipelines partagent le même squelette : détecter le visage, l'aligner, générer le visage échangé ou synthétisé, puis le fusionner dans l'image d'origine en harmonisant les couleurs et l'éclairage. Pour une explication technique plus approfondie de chaque étape, lisez notre article complémentaire sur le fonctionnement de la technologie deepfake.

Deepfakes photo, vidéo et vocaux

« Deepfake » est un terme générique. En pratique, il existe trois grandes familles, chacune avec son niveau de difficulté et ses usages.

Les deepfakes photo

La forme la plus simple et la plus répandue. Une image reçoit un nouveau visage grâce à un face swap photo, ou bien une personne entièrement synthétique est générée de zéro (les fameuses images « this person does not exist »). Les deepfakes photo sont rapides, peu coûteux, et constituent la porte d'entrée de la plupart des créateurs occasionnels.

Les deepfakes vidéo

La vidéo augmente considérablement la difficulté, car chaque image doit rester cohérente avec ses voisines. Le visage doit suivre les mouvements de la tête, conserver son identité malgré les changements de lumière et cligner des yeux naturellement. Les outils modernes de face swap vidéo gèrent automatiquement cette cohérence d'une image à l'autre, ce qui explique pourquoi des résultats qui exigeaient autrefois des jours de rendu ne prennent plus que quelques minutes.

Les deepfakes vocaux (clonage de voix)

Les modèles de clonage vocal apprennent la hauteur, le timbre et le rythme d'un locuteur à partir d'échantillons audio, puis synthétisent de nouvelles paroles avec cette voix. L'audio pose un problème technique distinct de la vidéo, avec ses propres risques et ses propres méthodes de détection ; nous détaillons les différences dans clonage de voix par IA vs deepfakes vidéo. Les faux les plus convaincants (et les plus dangereux) combinent les deux : une voix clonée et une vidéo synthétisée.

Usages légitimes et détournements

La technologie elle-même est neutre : les mêmes modèles alimentent le pipeline de rajeunissement d'un studio de cinéma et la tentative de fraude d'un escroc. Ce qui sépare l'usage légitime du détournement tient en deux mots : consentement et intention.

Usages légitimes et créatifs

• Cinéma et télévision : rajeunir des acteurs, achever des performances après le décès d'un acteur (avec l'accord des ayants droit), doubler des films pour que les lèvres de l'acteur correspondent à la langue traduite.
• Divertissement et mèmes : insérer votre propre visage dans des scènes de films, placer vos amis dans des tableaux célèbres ou réaliser un face swap de célébrité parodique clairement présenté comme tel.
• Accessibilité : recréer la voix de personnes qui ont perdu l'usage de la parole, comme les patients atteints de SLA (maladie de Charcot) qui enregistrent leur voix à l'avance.
• Éducation et musées : donner vie à des personnages historiques dans des expositions interactives.
• Marketing et localisation : produire une seule publicité et adapter les mouvements des lèvres du présentateur à une dizaine de langues.
• Protection de la vie privée : remplacer les vrais visages dans des images documentaires pour protéger les sources tout en conservant des expressions naturelles.

Détournements

• Images intimes non consenties : le premier abus apparu, et toujours le plus grave, qui vise de manière écrasante les femmes.
• Fraude et usurpation d'identité : voix clonées de dirigeants ou de proches utilisées dans des appels frauduleux.
• Désinformation politique : faux discours ou extraits prétendument « fuités » visant des élections.
• Harcèlement et diffamation : de fausses preuves qui mettent des propos dans la bouche de quelqu'un.

La limite éthique est simple à formuler : ne créez des deepfakes que de vous-même, de personnes qui ont donné un consentement clair, ou dans un contexte parodique clairement signalé lorsque la loi le permet — et ne créez jamais de contenu sexuel, diffamatoire ou trompeur mettant en scène une personne réelle. Les plateformes sérieuses, y compris notre propre outil de face swap gratuit, appliquent des règles de contenu précisément parce que cette limite compte.

Les deepfakes sont-ils légaux ?

Il n'existe pas de réponse mondiale unique, mais la tendance va partout dans le même sens : créer des médias synthétiques est généralement légal ; nuire à autrui avec ne l'est pas.

• États-Unis : pas d'interdiction fédérale générale, mais la loi fédérale TAKE IT DOWN Act (2025) criminalise la publication d'images intimes non consenties — y compris générées par IA — et la majorité des États disposent de leurs propres lois contre la pornographie deepfake, les deepfakes électoraux, ou les deux.
• Union européenne : l'AI Act européen impose que les deepfakes soient clairement signalés comme générés ou manipulés artificiellement. Le RGPD considère par ailleurs les données biométriques du visage comme des données personnelles sensibles.
• Chine : la réglementation exige des filigranes visibles sur les médias synthétiques et le consentement de la personne représentée.
• Royaume-Uni : l'Online Safety Act criminalise le partage de deepfakes intimes non consentis.
• Partout : les lois existantes sur la fraude, la diffamation, le harcèlement, le droit d'auteur et le droit à l'image s'appliquent aux deepfakes comme à n'importe quel autre média.

En pratique : utiliser des outils deepfake à des fins consenties, créatives et clairement non trompeuses est légal dans la plupart des juridictions. Utiliser l'image de quelqu'un pour tromper, diffamer, escroquer ou sexualiser sans son consentement est illégal dans un nombre croissant de pays — et motive la suppression du compte sur pratiquement toutes les plateformes légitimes.

Comment savoir si un contenu est un deepfake ?

La détection mérite un article à part entière, et nous l'avons écrit : comment détecter les deepfakes. En résumé : repérez les clignements d'yeux ou les reflets oculaires peu naturels, le flou ou le scintillement en bordure du visage, un éclairage incohérent entre le visage et la scène, des dents ou des oreilles étranges, et un son qui ne se synchronise pas tout à fait avec le mouvement des lèvres. Quand l'enjeu est important, vérifiez par un second canal — rappelez la personne sur un numéro connu, consultez la source d'origine — car les faux de niveau professionnel peuvent tromper un simple examen visuel.

Glossaire du deepfake

Questions fréquentes

Qu'est-ce qu'un deepfake, en termes simples ?

Un deepfake est une fausse photo, vidéo ou un faux enregistrement audio créé avec l'intelligence artificielle, qui montre une personne réelle en train de faire ou de dire quelque chose qu'elle n'a jamais fait. L'IA étudie de vraies images ou de vrais enregistrements de la personne, puis génère un nouveau contenu synthétique qui l'imite.

Pourquoi appelle-t-on cela un deepfake ?

Le nom fusionne « deep learning » (la technique d'IA) et « fake » (le résultat). Il est apparu en 2017 comme pseudonyme d'un contributeur Reddit qui a popularisé les vidéos de face swap par IA, et les médias l'ont adopté comme terme générique.

Les deepfakes sont-ils illégaux ?

Créer un deepfake n'est pas illégal en soi dans la plupart des pays. Ce qui est illégal, ce sont certains usages nuisibles : les images intimes non consenties, la fraude, la diffamation et (dans un nombre croissant de juridictions) les deepfakes politiques non signalés. L'UE impose en outre l'étiquetage des médias synthétiques. Un usage consenti, créatif et clairement signalé reste légal dans la plupart des pays.

Quelle est la différence entre un face swap et un deepfake ?

Le face swap est un type de deepfake, le plus courant. Le terme « deepfake » englobe aussi la reconstitution faciale complète, les visages entièrement synthétiques et les voix clonées. Dans l'usage courant, les deux mots sont souvent employés comme synonymes, mais si tout face swap par IA est un deepfake, tout deepfake n'est pas un face swap.

Peut-on détecter les deepfakes ?

Souvent, oui. Parmi les signes révélateurs : des artefacts en bordure du visage, un éclairage incohérent, des clignements d'yeux peu naturels et un décalage entre l'audio et les lèvres ; les outils d'analyse forensique examinent en outre des traces au niveau des pixels, invisibles à l'œil nu. La détection reste toutefois une course aux armements : aucune méthode n'est fiable à 100 %, et la vérification par des canaux de confiance demeure la meilleure défense.

Puis-je légalement faire un deepfake de moi-même ?

Oui. Utiliser votre propre visage — ou celui d'une personne qui vous a clairement donné son autorisation — pour des projets créatifs est légal pratiquement partout, et c'est exactement ce pour quoi les outils grand public sont conçus. Un créateur de deepfake en ligne vous permet de le faire sans télécharger de logiciel ; veillez simplement à ce que le contenu ne soit pas trompeur et respectez le droit à l'image des autres.

En résumé

Un deepfake est un média généré ou modifié par l'IA qui montre de façon convaincante quelque chose qui n'a jamais eu lieu — une définition qui va des effets visuels oscarisés aux mèmes de face swap de cinq secondes réalisés dans un navigateur. Le sens du mot est passé d'un obscur pseudonyme Reddit à un terme du langage courant en moins de dix ans, et la technologie ne fera que gagner en puissance.

Comprendre ce que sont les deepfakes, comment ils fonctionnent et où se situent les limites éthiques et légales est la meilleure préparation à un monde où les médias synthétiques sont partout. Et si vous voulez explorer leur côté créatif de manière responsable — avec vos propres photos et le consentement de toutes les personnes concernées — vous pouvez essayer un face swap gratuit directement dans votre navigateur et découvrir la technologie de l'intérieur.