OpenAI et Meta aux juges américains : aucun moyen sûr de détecter les deepfakes
Devant le comité fédéral américain sur la preuve, une juriste d’OpenAI a dit ne pas croire à une détection scientifique des images générées et une responsable de Meta a jugé les contenus récents indiscernables à l’œil : si la détection n’est pas fiable, reste à prouver comment le contenu a été acquis.
Mis à jour le
Le 15 octobre 2026, à Boston, deux responsables d’OpenAI et de Meta ont expliqué à l’Advisory Committee on Evidence Rules, le comité consultatif de la Judicial Conference des États-Unis chargé des règles fédérales de preuve, qu’il devient de plus en plus difficile de reconnaître les contenus générés par IA. Selon Reuters, Shira Anderson (OpenAI) ne croit pas qu’il existera une méthode scientifique pour détecter les images générées par IA, et Devin Norder (Meta) juge les contenus des modèles récents indiscernables des vrais pour un être humain. TrueScreen certifie photos, vidéos et sons au moment de leur acquisition, pour que leur authenticité puisse être démontrée sans dépendre d’un détecteur.
L’essentiel
- Le 15 octobre 2026 à Boston, Shira Anderson (OpenAI) a dit ne pas croire à une méthode scientifique pour détecter les images générées par IA (Reuters).
- Devin Norder (Meta) juge les contenus des modèles récents indiscernables des vrais pour un être humain, et très peu coûteux et rapides à produire (Reuters).
- La règle 901(c) des Federal Rules of Evidence reste un document de travail que le comité n’a ni approuvé ni publié pour commentaires : renvoyée le 7 mai 2026, elle n’aurait pas pu entrer en vigueur avant le 1er décembre 2028 même publiée à l’été 2026, et l’issue de la réunion du 15 octobre n’est pas documentée (ordre du jour officiel du comité).
- En France, pour la copie d’un acte, l’article 3 du décret n° 2016-1673, pris pour l’application de l’article 1379 du code civil, présume remplie l’une des conditions de fiabilité, l’intégrité, par l’usage d’un horodatage, d’un cachet ou d’une signature électronique qualifiés ; la fiabilité de la copie reste appréciée par le juge, et rien n’est dit de la vérité de ce qu’elle montre.
- L’article 35 du règlement eIDAS attache au cachet électronique qualifié une présomption d’intégrité des données et d’exactitude de leur origine, l’article 41 à l’horodatage qualifié une présomption d’exactitude de la date et de l’heure ; aucune n’atteste la vérité de la scène, et le juge les apprécie au cas par cas.
15 sur 931
juges fédéraux américains ayant déjà vu une preuve contestée comme deepfake (taux de réponse de 45 %)
82 %
des autres juges exigeraient une démonstration initiale avant d’examiner une contestation
1 million
d’utilisateurs mensuels : seuil d’application de la loi californienne sur le marquage des contenus IA
La parade aux deepfakes (ou hypertrucages, selon le terme officiel) a longtemps semblé technique : de meilleurs détecteurs et des filigranes dans les fichiers générés. Devant les juges fédéraux américains, deux représentantes de fabricants de modèles génératifs ont tenu des propos peu rassurants : Shira Anderson, d’OpenAI, ne croit ni à une méthode scientifique pour détecter les images ni à un filigrane infaillible, et Devin Norder, de Meta, constate qu’un être humain ne distingue plus les contenus des modèles récents des contenus authentiques.
Nous en tirons une conclusion : si la détection n’est pas fiable, démasquer le faux devient une défense plus fragile, et ce qui reste est de démontrer l’authenticité de sa propre preuve dès son acquisition. TrueScreen intervient précisément à ce moment-là, en fixant par une acquisition forensique le contenu, sa date et son contexte.
Ce que les représentantes d’OpenAI et de Meta ont dit au comité fédéral sur la preuve
Shira Anderson, d’OpenAI, ne croit pas à une méthode scientifique pour détecter les images générées par IA ; Devin Norder, de Meta, juge les contenus des modèles récents indiscernables pour un être humain et très peu coûteux et rapides à produire.
Le comité consacrait sa matinée à un panel d’experts sur les deepfakes, décidé en mai 2026, où siégeaient deux représentantes de l’industrie (ordre du jour officiel). Les propos de Shira Anderson sur la détection des images rejoignent les mesures publiées sur la précision des détecteurs, mais viennent cette fois d’une juriste d’un fabricant de générateurs.
Shira Anderson (OpenAI) ne croit pas à une détection scientifique des images
Shira Anderson, juriste chargée des politiques publiques chez OpenAI (policy counsel), a déclaré selon Reuters : « AI images are only getting better, and I do not think that there will be a scientific way going forward to detect them ». C’est son avis personnel, et il porte sur les images, pas sur l’ensemble des médias.
Sur les filigranes, elle a rappelé que chaque entreprise utilise son propre système et qu’aucune méthode universelle ne permet de les vérifier (Investing.com). Selon Reuters, elle suppose que la technique continuera de progresser, sans croire qu’elle devienne un jour infaillible : « My guess is that this absolutely will continue to get better. I do not think it’ll ever be bulletproof ».
Devin Norder (Meta) : des contenus indiscernables à l’œil et très peu coûteux à produire
Devin Norder, l’une des directrices de la gestion produit de Meta, chargée de la confiance, de la sécurité et des risques de l’IA générative, a expliqué selon Reuters que, pour un être humain, les médias issus des modèles de pointe récents ne se distinguent plus des contenus authentiques. Le coût et le temps nécessaires pour les créer sont devenus, selon elle, « quite trivial », c’est-à-dire dérisoires.
Pourquoi le filigrane ne suffit pas à reconnaître un contenu généré par IA
Un filigrane ne prouve quelque chose que s’il est présent et lisible, et son absence ne prouve rien.
Un filigrane d’IA (watermark) est un signal que le générateur insère dans le fichier pour le désigner comme synthétique, et deux législations l’exigent désormais, en premier lieu des fournisseurs de systèmes génératifs. En Californie, la loi SB 942, modifiée par AB 853, oblige depuis le 2 août 2026 les fournisseurs d’IA générative comptant plus d’un million d’utilisateurs mensuels à intégrer une mention latente dans les images, vidéos et sons générés ; AB 853 étend aussi des obligations aux grandes plateformes en ligne à partir du 1er janvier 2027 et aux fabricants d’appareils de capture à partir du 1er janvier 2028. Dans l’Union européenne, l’article 50, paragraphe 2, du règlement sur l’IA impose depuis la même date aux fournisseurs de systèmes génératifs que les sorties soient « marquées dans un format lisible par machine », avec un délai jusqu’au 2 décembre 2026 pour cette seule obligation de marquage lorsque les systèmes étaient déjà sur le marché (règlement (UE) 2026/1744). Le paragraphe 4 du même article impose en outre aux déployeurs qui diffusent des hypertrucages d’indiquer que le contenu a été généré ou manipulé. L’article 50 porte ainsi sur le marquage et la reconnaissabilité des contenus synthétiques ; il ne demande à personne de démontrer qu’un contenu authentique est vrai. TrueScreen traite l’absence de filigrane ou de Content Credentials comme une information manquante, jamais comme une preuve de manipulation.
Aucun lecteur universel n’en découle : la note du rapporteur pour le comité américain relève que le texte européen « does not command the use of one universal watermark ». Les Content Credentials de la norme C2PA n’offrent pas non plus de certitude : un article repris dans la même note y voit des « provenance signals, not proof of authenticity ». Le fichier seul ne permet donc pas de dire si une image générée par IA l’est vraiment.
| Critère | Détection automatique | Filigrane du générateur | Certification à la source |
|---|---|---|---|
| Ce qu’elle démontre | Une probabilité de manipulation ou de génération | Que le fichier sort d’un générateur qui marque ses contenus, si le marqueur est présent et lisible | Comment, quand et avec quel appareil le contenu a été acquis, et qu’il n’a pas changé depuis |
| Ce qu’elle ne démontre pas | Ce qui s’est réellement passé | Qu’un fichier sans filigrane est authentique | Que la scène enregistrée n’a pas été mise en scène |
| Qui la contrôle | L’éditeur du détecteur | Le fournisseur du modèle génératif | Toute personne qui reçoit le dossier, avec des outils standard |
| Quand elle sert | Pour un fichier reçu d’origine inconnue | Pour repérer un contenu synthétique déclaré comme tel | Pour une preuve que l’on produit soi-même |
Pour les preuves que l’on produit soi-même, l’enjeu devient de démontrer l’authenticité de l’acquisition : TrueScreen acquiert photos, vidéos et sons selon une méthodologie forensique au moment où ils sont captés, puis les certifie avec un cachet électronique qualifié et un horodatage qualifié.
La règle 901(c) : qui doit prouver quoi quand une preuve est contestée comme deepfake
Le projet de règle 901(c) ferait peser sur celui qui produit une preuve sérieusement contestée la charge de démontrer qu’elle est plus probablement authentique que fausse.
La règle 901(c) est un projet de modification de la Rule 901 des Federal Rules of Evidence, la règle fédérale américaine sur l’authentification des preuves, pour les éléments contestés comme fabriqués par une IA générative. Ce document de travail n’a été ni approuvé ni publié pour commentaires, mais il éclaire déjà le débat sur la recevabilité de la preuve numérique.
Le mécanisme en deux temps
La partie qui conteste doit d’abord présenter des éléments suffisants pour justifier un examen par le juge, car crier au faux ne suffit pas. Si elle y parvient, la preuve n’est admise que si celui qui la produit démontre qu’elle est « more likely than not authentic ». Pour la première étape, le rapporteur du comité, le professeur Daniel Capra, propose d’ajouter à la note explicative, comme indices possibles, des métadonnées anormales, des dates de création incohérentes, l’absence du fichier natif ou des lacunes dans la chaîne de conservation de la preuve : c’est une proposition de sa part, ni une position du comité ni le texte de la règle.
Le 7 mai 2026, le comité a renvoyé à sa réunion d’automne, celle de Boston, l’examen de la règle 901(c) et de la Rule 707 sur les preuves produites par l’IA. Même publiée pour commentaires à l’été 2026, avait rappelé son président, la règle n’aurait pas pu entrer en vigueur avant le 1er décembre 2028, et cette publication n’a pas eu lieu. L’issue de la réunion du 15 octobre n’est pas documentée à ce jour : la règle 901(c) reste un document de travail que le comité n’a ni approuvé ni publié pour commentaires.
Ce que les juges constatent jusqu’ici
Selon le procès-verbal de la réunion du 7 mai 2026, le Federal Judicial Center a interrogé tous les juges fédéraux de première instance : sur les 931 qui ont répondu (taux de réponse de 45 %), 15 seulement avaient déjà vu une preuve contestée comme deepfake, et 82 % des autres exigeraient une démonstration initiale avant d’examiner une telle contestation.
Le président du comité, Jesse Furman, juge fédéral à Manhattan, l’a résumé selon Reuters : « we haven’t actually seen a whole lot of that yet », on n’en a pas encore vu beaucoup. La juge Valerie Caproni a invité à ne pas se précipiter vers une règle propre à l’IA sans preuves plus solides que le problème soit répandu dans les tribunaux (IBTimes UK) ; selon Reuters, elle a rappelé que les tribunaux ont affaire à des personnes qui produisent de fausses preuves « since Cain and Abel », depuis Caïn et Abel.
Ce que cela signifie pour ceux qui produisent des preuves numériques en France et dans l’Union européenne
Le règlement eIDAS et, pour les copies, le droit français attachent déjà à certains procédés techniques des présomptions d’intégrité, d’origine ou de date, qui ne portent pas sur la vérité de la scène et que le juge apprécie au cas par cas.
En France, hors les cas où la loi en dispose autrement, la preuve « peut être apportée par tout moyen » (article 1358 du code civil) : une photo ou une vidéo peut être produite, et le juge en apprécie la valeur probante, terrain sur lequel se joue la question des deepfakes en justice.
L’article 1366 donne à l’écrit électronique la force probante de l’écrit papier si la personne dont il émane est identifiée et s’il est établi et conservé de manière à en garantir l’intégrité. Pour les copies, l’article 1379 renvoie au décret n° 2016-1673 du 5 décembre 2016, dont l’article 3 présume remplie l’une des conditions de fiabilité, l’intégrité, par l’usage d’un horodatage qualifié, d’un cachet électronique qualifié ou d’une signature électronique qualifiée. Ces textes visent la copie d’un acte : savoir si une photo ou une vidéo acquise nativement relève de cette catégorie est une question d’interprétation que nous ne tranchons pas, et la fiabilité de la copie reste appréciée par le juge.
Le règlement eIDAS attache au cachet électronique qualifié une « présomption d’intégrité des données et d’exactitude de l’origine » (article 35) et à l’horodatage électronique qualifié une « présomption d’exactitude de la date et de l’heure qu’il indique et d’intégrité des données » (article 41). Ces présomptions portent sur les données, leur origine et leur date ; elles n’attestent pas la vérité de ce que montre le fichier, et le juge les apprécie au cas par cas. L’article 50 de l’AI Act porte, lui, sur le marquage et la reconnaissabilité des contenus synthétiques, et ne demande à personne de démontrer qu’une photo authentique l’est.
L’article 1379 qualifie la présomption de simple (« jusqu’à preuve du contraire ») ; pour les présomptions du règlement eIDAS, leur portée procédurale relève du droit national et de l’appréciation du juge. Encore faut-il que la date et l’intégrité aient été fixées au bon moment.
-
Acquérir avec une méthode vérifiable
Captez la preuve avec un outil dont le fonctionnement peut être expliqué et contrôlé, en enregistrant l’heure, la position et l’appareil : une photo transférée par messagerie puis recadrée a déjà perdu une partie de ce qui permettait de la défendre.
-
Fixer la date et l’intégrité au moment de la capture
Une empreinte calculée dès l’acquisition, scellée par un cachet électronique qualifié et un horodatage qualifié, rattache le contenu à une date et rend détectable toute modification ultérieure.
-
Conserver ce qui permet la vérification par un tiers
Gardez le fichier natif, ses métadonnées et le rapport d’acquisition, pour que l’expert désigné puisse tout contrôler sans votre aide.
Comment prouver l’authenticité d’une photo ou d’une vidéo avant qu’elle soit contestée ?
TrueScreen certifie photos, vidéos et sons au moment même où ils sont acquis, selon une méthodologie forensique qui rend toute modification ultérieure détectable.
L’acquisition forensique a lieu dans un environnement contrôlé, où aucune personne, aucun logiciel ni aucune IA ne peut altérer le contenu pendant la capture, et l’heure, la position, l’appareil et le réseau sont recueillis en même temps. Suivent la vérification des données, un rapport technique et, en dernière étape, la certification par un cachet électronique qualifié et un horodatage qualifié, reconnus au niveau international.
L’application TrueScreen capte et certifie en temps réel photos, vidéos, sons et enregistrements d’écran sur iOS, Android, iPadOS et macOS.
Pour les pages web, les réseaux sociaux et les fichiers téléchargés, le Forensic Browser, sur macOS et Windows, acquiert et certifie la session de navigation.
Depuis un ordinateur, le Portal certifie des fichiers et l’écran, puis conserve, vérifie et partage les certifications.
Quiconque reçoit le dossier peut vérifier son intégrité et son cachet sans TrueScreen, avec des outils standard. TrueScreen garantit toutefois le comment, pas le quoi : une scène montée de toutes pièces sera certifiée comme l’enregistrement authentique d’une scène montée de toutes pièces.
Pour les fichiers que vous n’avez pas acquis vous-même, le Forensic Browser propose aujourd’hui une analyse par IA des photos, vidéos et sons, comprise dans tous les plans TrueScreen, qui estime la probabilité d’une manipulation. La détection reste un signal supplémentaire, alors que la certification à la source documente comment et quand le contenu a été acquis : un fichier d’origine inconnue produit une opinion, un fichier scellé à l’acquisition produit un résultat défendable.
Prenons une entreprise du bâtiment qui photographie avec l’application des désordres sur un chantier ; un an plus tard, l’adversaire soutient que les clichés ont été générés par IA. Le dossier de certification montre comment et quand ils ont été pris, l’expert adverse peut l’examiner, et le juge apprécie seul la valeur de la preuve.
En conclusion
Quand une juriste d’OpenAI dit aux juges qu’elle ne croit ni à une détection scientifique des images générées ni à un filigrane infaillible, et qu’une responsable de Meta juge les contenus récents indiscernables à l’œil, attendre un meilleur détecteur devient un pari fragile. Pour les preuves que vous produisez, la question se règle en amont : acquérir avec une méthode vérifiable, fixer date et intégrité au moment de la capture, et conserver de quoi permettre la vérification par un tiers. Le règlement eIDAS et, pour les copies, le droit français attachent déjà à certains procédés, comme le cachet et l’horodatage qualifiés, des présomptions d’intégrité, d’origine ou de date, jamais de vérité de la scène, et le juge garde toujours le dernier mot sur leur valeur.
FAQ : OpenAI, Meta et les deepfakes devant les tribunaux
Qu’ont dit OpenAI et Meta aux juges fédéraux américains sur les deepfakes ?
Le 15 octobre 2026, à Boston, devant l’Advisory Committee on Evidence Rules, le comité fédéral américain sur la preuve, Shira Anderson (OpenAI) a déclaré ne pas croire qu’il existera une méthode scientifique pour détecter les images générées par IA. Devin Norder (Meta) a ajouté que les contenus des modèles récents sont indiscernables des vrais pour un être humain, et qu’ils sont très peu coûteux et rapides à produire, selon Reuters.
Peut-on encore détecter les deepfakes ?
Aucune méthode ne le garantit aujourd’hui avec certitude. Shira Anderson, policy counsel chez OpenAI, a dit le 15 octobre 2026 aux juges fédéraux américains qu’elle ne croit pas, à titre personnel, à une méthode scientifique de détection des images générées par IA. Les humains ne font guère mieux, avec une précision moyenne de 55,54 % dans une méta-analyse de 56 études publiée en 2024 (Diel et al.). Un détecteur fournit une probabilité, pas la preuve de ce qui s’est passé.
Pourquoi le filigrane d’IA ne suffit-il pas à reconnaître un contenu généré ?
Chaque entreprise utilise son propre filigrane et aucune méthode universelle ne permet de les vérifier, a expliqué Shira Anderson, d’OpenAI, aux juges américains le 15 octobre 2026, selon les comptes rendus d’Investing.com. L’article 50 du règlement européen sur l’IA, applicable depuis le 2 août 2026, exige des fournisseurs de systèmes génératifs un marquage lisible par machine sans imposer de filigrane unique, avec un délai jusqu’au 2 décembre 2026 pour les systèmes déjà sur le marché. Un fichier sans filigrane n’est donc ni authentique ni falsifié par défaut : l’information manque, tout simplement.
Qu’est-ce que la règle 901(c) et est-elle en vigueur ?
La règle 901(c) est un projet de modification des Federal Rules of Evidence américaines : la partie qui conteste une preuve comme deepfake doit d’abord apporter des éléments suffisants, puis celle qui la produit doit démontrer qu’elle est plus probablement authentique que fausse. Elle n’est pas en vigueur : c’est un document de travail que le comité fédéral n’a ni approuvé ni publié pour commentaires. Le 7 mai 2026, il en a renvoyé l’examen à sa réunion d’automne, tenue à Boston le 15 octobre 2026 (ordre du jour officiel), dont l’issue n’est pas documentée à ce jour.
Comment prouver qu’une photo ou une vidéo produite comme preuve est authentique ?
TrueScreen certifie photos et vidéos au moment de leur acquisition : la capture forensique empêche toute altération pendant l’enregistrement, puis un cachet électronique qualifié et un horodatage qualifié rendent détectable toute modification ultérieure. En droit européen, l’article 41 du règlement eIDAS fait bénéficier l’horodatage qualifié d’une présomption d’exactitude de la date et d’intégrité des données. Cette présomption ne porte pas sur la vérité de ce que montre l’image, et la valeur probante reste appréciée par le juge au cas par cas.
Sources et vérifications
Chaque donnée et chaque principe cité renvoie à sa source, indiquée ici avec son type et sa date. Liens vérifiés à la date de publication.
| Source | Type | Date | Pourquoi elle est citée |
|---|---|---|---|
| Reuters, « OpenAI, Meta caution US judiciary about risk of deepfake evidence » | Document | 15/10/2026 | Déclarations de Shira Anderson (OpenAI), de Devin Norder (Meta) et des juges Furman et Caproni |
| Investing.com, « OpenAI and Meta warn US judicial panel about deepfake evidence » | Document | 15/10/2026 | Propos de Shira Anderson (OpenAI) sur les filigranes propres à chaque entreprise et l’absence de méthode universelle |
| IBTimes UK, OpenAI, deepfakes et preuve devant les tribunaux | Document | 16/10/2026 | Position de la juge Caproni : pas de règle propre à l’IA sans preuves plus solides que le problème soit répandu |
| Advisory Committee on Evidence Rules, ordre du jour de la réunion du 15 octobre 2026 | Document | 23/09/2026 | Panel, biographies, texte de travail de la règle 901(c), note du rapporteur Daniel Capra et indices qu’il propose, procès-verbal du 7 mai 2026 et sondage du Federal Judicial Center (taux de réponse de 45 %) |
| Californie, SB 942 (California AI Transparency Act) | Loi | 19/09/2024 | Mention latente obligatoire, à la charge des fournisseurs, dans les images, vidéos et sons générés |
| Californie, AB 853 | Loi | 13/10/2025 | Application de SB 942 à partir du 2 août 2026, obligations des grandes plateformes en ligne (1er janvier 2027) et des fabricants d’appareils de capture (1er janvier 2028) |
| Règlement (UE) 2024/1689 sur l’intelligence artificielle, article 50 | Loi | 13/06/2024 | Paragraphe 2 : marquage lisible par machine à la charge des fournisseurs ; paragraphe 4 : information sur les hypertrucages à la charge des déployeurs |
| Règlement (UE) 2026/1744 (omnibus numérique sur l’IA) | Loi | 08/07/2026 | Délai jusqu’au 2 décembre 2026, pour la seule obligation de marquage, des systèmes déjà sur le marché |
| Code civil, article 1358 | Loi | 2016 | Liberté de la preuve |
| Code civil, article 1366 | Loi | 2016 | Force probante de l’écrit électronique |
| Code civil, article 1379 | Loi | 2016 | Présomption de fiabilité de la copie |
| Décret n° 2016-1673 du 5 décembre 2016 relatif à la fiabilité des copies | Loi | 05/12/2016 | Article 3 : condition d’intégrité de la copie présumée remplie avec horodatage, cachet ou signature électronique qualifiés (intégrité de la copie, pas vérité de son contenu) |
| Règlement (UE) n° 910/2014 (eIDAS), article 35 | Loi | 18/10/2024 | Présomption d’intégrité et d’origine attachée au cachet électronique qualifié |
| Règlement (UE) n° 910/2014 (eIDAS), article 41 | Loi | 18/10/2024 | Présomption d’exactitude de la date et d’intégrité attachée à l’horodatage qualifié |
| Diel A. et al., Human performance in detecting deepfakes, Computers in Human Behavior Reports 16 | Enquête | 12/2024 | Précision humaine moyenne de 55,54 % sur 56 études |
Certifier vos preuves dès l’acquisition
Avec TrueScreen, photos, vidéos et sons sont acquis selon une méthodologie forensique et certifiés par un cachet électronique qualifié et un horodatage qualifié, dans un dossier que tout tiers peut vérifier.
Rédaction de TrueScreen
Cette section est assurée par la rédaction de TrueScreen, qui réunit des compétences en informatique légale, en droit de la preuve numérique et en conformité réglementaire. Chaque contenu est vérifié sur des sources primaires : textes de loi, décisions publiées, normes techniques et documentation officielle, toujours citées dans le texte.
