La précision des détecteurs de deepfakes chute jusqu’à 49 % en un an de progrès des vidéos IA

Mis à jour le 17 septembre 2026

Reconnaître une vidéo générée par IA est aujourd’hui à peine plus fiable qu’un tirage au sort. Sur le banc d’essai DF26, publié le 7 septembre 2026, l’AUROC moyenne de neuf détecteurs parmi les plus performants publiés tombe de 84,4 à 56,1 : aucun ne dépasse 69,7, et celui qui atteignait 94,3 sur un corpus académique s’effondre à 48,2. Les personnes interrogées, elles, n’identifient les faux que dans 52,6 % des cas. Le détecteur le plus touché perd 49 % de sa précision en un an, en passant de 94,3 à 48,2.

Le conseil que l’on lit partout depuis deux ans pour repérer une vidéo générée par IA invite à observer les mains, les reflets, les incohérences de décor, et les réponses automatiques des moteurs de recherche le reprennent presque mot pour mot. L’étude DF26 a mis ce conseil à l’épreuve, et le résultat ne lui est pas favorable.

Ce que mesure le banc d’essai DF26, et pourquoi ses chiffres comptent

Le banc d’essai DF26 est un jeu d’évaluation publié le 7 septembre 2026 sous la référence arXiv:2609.07369 par des chercheurs de l’Université catholique ukrainienne, de l’Université technique tchèque de Prague, de Hover Inc. et de l’Institut des systèmes logiciels de l’Académie nationale des sciences d’Ukraine. Il rassemble 2 691 vidéos, dont 271 authentiques et 2 420 générées par IA, réparties entre vidéos adressées à la caméra, captations officielles et entretiens en studio.

La difficulté du test tient à la méthode. Pour chaque vidéo réelle, les auteurs extraient un prompt sémantique de ses images puis génèrent la séquence synthétique correspondante, ce qui produit des paires vrai/faux partageant le même contexte visuel. Aucune vidéo générée ne porte de filigrane visible, de logo ni de marqueur d’export, et le jeu de données n’est accessible que sur demande.

Sept générateurs sortis entre juillet 2025 et mars 2026 alimentent la partie synthétique, avec un score Elo estimé par Artificial Analysis en août 2026.

Neuf détecteurs face aux vidéos générées par IA, aucun fiable

Les neuf détecteurs évalués viennent des grandes conférences du domaine, de CVPR 2025 à WACV 2026. Tous ont été entraînés sur FaceForensics++ puis soumis au banc d’essai sans réentraînement. L’AUROC est exprimée en pourcentage et 50 correspond au pur hasard.

Le meilleur résultat s’arrête donc à 69,7 et Effort descend à 44,0, sous le niveau du hasard. Encore ces moyennes sont-elles flatteuses, car elles lissent des effondrements que le détail par générateur fait apparaître : face à Grok Imagine 1.0, Effort tombe à 13,6 et DFD-FCG à 20,5 ; face à Veo 3.1, Effort reste à 21,3 et PwTF-DVD à 26,7. Les auteurs ne s’en cachent pas, et c’est le passage le plus inconfortable de leur article. Les scores agrégés masquent des défaillances sévères, un même détecteur pouvant tenir sur un générateur et passer sous le hasard sur un autre.

Le décrochage ne date pas de septembre, la courbe descend depuis deux ans

On pourrait voir dans ces chiffres un accident lié à une génération de modèles particulièrement réussie, mais une étude antérieure et indépendante interdit cette lecture. Deepfake-Eval-2024, présentée à CVPRW 2026, a rassemblé des contenus réellement diffusés en ligne en 2024 : 45 heures de vidéo, 56,5 heures d’audio et 1 975 images, collectées sur 88 sites dans 52 langues. Comparée aux jeux d’évaluation académiques, l’AUC des détecteurs open source y chutait déjà de 50 % sur la vidéo, de 48 % sur l’audio et de 45 % sur l’image. Deux méthodologies et deux équipes sans lien aboutissent donc au même constat, celui d’une tendance installée plutôt que d’un incident de parcours.

Pourquoi les détecteurs perdent du terrain : le problème a changé de nature

L’explication tient à ce que ces outils ont appris à chercher. FaceForensics++, publié en 2019, repose sur des manipulations de visages réels : échange de visage, transfert d’expressions faciales, modification d’attributs. Un détecteur entraîné sur ce corpus apprend donc à repérer une discontinuité entre une partie authentique et une partie altérée.

Or les vidéos générées par IA du banc d’essai DF26 ne comportent aucune manipulation puisqu’elles sont générées intégralement, si bien que cette discontinuité n’existe pas. Les auteurs parlent d’un décalage de distribution entre modèles génératifs, et ils le vérifient dans l’étude, où l’effondrement ne dépend pas de la situation filmée mais du générateur employé, ce qui exclut une explication par le cadrage ou par le style de parole.

Le réentraînement fonctionne, mais il court après un générateur à la fois. En réentraînant GenD-PE sur le sous-ensemble produit par HunyuanVideo en image-vidéo, la moyenne passe de 76,0 à 82,3, Grok Imagine de 66,5 à 96,8 et Veo 3.1 de 76,6 à 95,6. Le gain est spectaculaire, mais il n’arrive qu’après la sortie du modèle, si bien qu’une telle stratégie reste toujours en retard d’un générateur.

L’œil humain n’est pas la solution de repli

Puisque les machines échouent, on pourrait compter sur l’attention humaine. L’étude a testé cette hypothèse sur 232 sessions d’annotation confiées à des étudiants volontaires, chacun jugeant 30 vidéos dont 15 fausses, sur des extraits de 5 secondes, avec trois réponses possibles : généré par l’IA, manipulé par l’IA, ou réel.

Sur les vidéos authentiques, les participants se comportent de façon comparable d’un corpus à l’autre, tandis que sur les faux du banc d’essai DF26 ils ne trouvent plus d’indices exploitables, le générateur le plus trompeur étant LTX 2.3 distilled I2V. Ce résultat rejoint une méta-analyse de 56 études portant sur 86 155 participants, qui situe l’exactitude humaine moyenne à 55,54 %, avec un intervalle de confiance à 95 % compris entre 48,87 % et 62,10 %. Comme cet intervalle franchit la barre des 50 %, la performance n’est pas distinguable du hasard, et l’entraînement avec retour d’information, l’assistance automatique et l’accentuation caricaturale des indices ne la portent qu’à 65,14 %, soit moins de dix points gagnés.

Et puis il y a ce chiffre, moins commenté que les autres. 24,0 % des vidéos authentiques du banc d’essai DF26 ont été prises pour des faux. Le dommage n’est donc pas seulement de croire un contenu fabriqué, il est aussi de cesser de croire un contenu vrai, et pour qui doit faire valoir une captation devant un assureur ou un juge, cette seconde erreur coûte autant que la première.

Si le doute ne se lève pas après coup, il faut le rendre inutile avant

L’authenticité d’une vidéo se décide à l’instant où elle est produite, et non au terme d’une analyse menée une fois qu’elle circule. TrueScreen, la Data Authenticity Platform, prend le problème par l’autre bout et capture le contenu dans un environnement maîtrisé, en fixant son origine, son intégrité et son horodatage dès l’acquisition. Le cachet électronique et l’horodatage qualifiés qui scellent ensuite le dossier ont une valeur légale reconnue à l’international.

En droit français, ce choix ne relève pas seulement de la technique. L’article 1366 du code civil subordonne la force probante de l’écrit électronique à deux conditions cumulatives, l’identification de son auteur et la garantie de son intégrité. Sur le terrain voisin de la copie, l’article 1379 pose une présomption de fiabilité dont le décret n° 2016-1673 du 5 décembre 2016 fixe les modalités : l’intégrité y est réputée acquise lorsque l’empreinte électronique est apposée au moyen d’un horodatage qualifié, d’un cachet électronique qualifié ou d’une signature électronique qualifiée au sens du règlement eIDAS. Ce sont les instruments qu’une acquisition certifiée mobilise, et une vidéo née dans ces conditions n’arrive donc pas comme une pièce à expertiser mais comme une pièce dont l’intégrité est établie dès l’origine, ce qui déplace l’effort vers celui qui la conteste, et le même raisonnement vaut pour la valeur probatoire d’une photo prise avec une image de référence.

L’analyse des contenus synthétiques fait partie de cette capture et porte sur la photo, la vidéo et l’audio. Elle restitue un degré de confiance sans être déterministe, elle suppose un workspace, et elle lit les marquages déclarés par les outils de création : Content Credentials au format C2PA, champ IPTC digitalSourceType, balises du générateur inscrites dans les métadonnées EXIF et XMP. Un fichier dépourvu de ces marquages n’est pas suspect pour autant.

Les limites du travail, les auteurs les posent eux-mêmes. L’échelle est contenue, avec 2 691 vidéos, et seule la modalité visuelle a été testée, à l’exclusion de l’audio comme de la cohérence entre l’image et le son. Le banc d’essai DF26 n’affirme pas que la détection serait inutile en soi, mais que ces neuf détecteurs, entraînés sur FaceForensics++ et confrontés à des générateurs jamais vus, ne tiennent pas. Aucun outil commercial n’a été mesuré.