{"id":58373,"date":"2026-09-17T18:56:50","date_gmt":"2026-09-17T16:56:50","guid":{"rendered":"https:\/\/truescreen.io\/article\/benchmark-df26-video-ia-authenticite-a-la-source\/"},"modified":"2026-09-17T19:16:00","modified_gmt":"2026-09-17T17:16:00","slug":"precision-detecteurs-deepfakes-chute-49-pourcent","status":"publish","type":"article","link":"https:\/\/truescreen.io\/fr\/article\/precision-detecteurs-deepfakes-chute-49-pourcent\/","title":{"rendered":"La pr\u00e9cision des d\u00e9tecteurs de deepfakes chute jusqu’\u00e0 49 % en un an de progr\u00e8s des vid\u00e9os IA"},"content":{"rendered":"
\n
\n

La pr\u00e9cision des d\u00e9tecteurs de deepfakes chute jusqu’\u00e0 49 % en un an de progr\u00e8s des vid\u00e9os IA<\/h1>\n<\/div>\n<\/div>\n
\n
\n

Publi\u00e9 le 17 septembre 2026<\/p>\n

Reconna\u00eetre une vid\u00e9o g\u00e9n\u00e9r\u00e9e par IA est aujourd’hui \u00e0 peine plus fiable qu’un tirage au sort. Sur le banc d’essai DF26, publi\u00e9 le 7 septembre 2026, l’AUROC moyenne de neuf d\u00e9tecteurs parmi les plus performants publi\u00e9s tombe de 84,4 \u00e0 56,1\u00a0: aucun ne d\u00e9passe 69,7, et celui qui atteignait 94,3 sur un corpus acad\u00e9mique s’effondre \u00e0 48,2. Les personnes interrog\u00e9es, elles, n’identifient les faux que dans 52,6\u00a0% des cas. Le d\u00e9tecteur le plus touch\u00e9 perd 49 % de sa pr\u00e9cision en un an, en passant de 94,3 \u00e0 48,2.<\/p>\n

Le conseil que l’on lit partout depuis deux ans pour rep\u00e9rer une vid\u00e9o g\u00e9n\u00e9r\u00e9e par IA invite \u00e0 observer les mains, les reflets, les incoh\u00e9rences de d\u00e9cor, et les r\u00e9ponses automatiques des moteurs de recherche le reprennent presque mot pour mot. L’\u00e9tude DF26 a mis ce conseil \u00e0 l’\u00e9preuve, et le r\u00e9sultat ne lui est pas favorable.<\/p>\n

Ce que mesure le banc d’essai DF26, et pourquoi ses chiffres comptent<\/h2>\n

Le banc d’essai DF26 est un jeu d’\u00e9valuation publi\u00e9 le 7 septembre 2026 sous la r\u00e9f\u00e9rence arXiv:2609.07369<\/a> par des chercheurs de l’Universit\u00e9 catholique ukrainienne, de l’Universit\u00e9 technique tch\u00e8que de Prague, de Hover Inc. et de l’Institut des syst\u00e8mes logiciels de l’Acad\u00e9mie nationale des sciences d’Ukraine. Il rassemble 2\u00a0691 vid\u00e9os, dont 271 authentiques et 2\u00a0420 g\u00e9n\u00e9r\u00e9es par IA, r\u00e9parties entre vid\u00e9os adress\u00e9es \u00e0 la cam\u00e9ra, captations officielles et entretiens en studio.<\/p>\n

La difficult\u00e9 du test tient \u00e0 la m\u00e9thode. Pour chaque vid\u00e9o r\u00e9elle, les auteurs extraient un prompt s\u00e9mantique de ses images puis g\u00e9n\u00e8rent la s\u00e9quence synth\u00e9tique correspondante, ce qui produit des paires vrai\/faux partageant le m\u00eame contexte visuel. Aucune vid\u00e9o g\u00e9n\u00e9r\u00e9e ne porte de filigrane visible, de logo ni de marqueur d’export, et le jeu de donn\u00e9es<\/a> n’est accessible que sur demande.<\/p>\n

Sept g\u00e9n\u00e9rateurs sortis entre juillet 2025 et mars 2026 alimentent la partie synth\u00e9tique, avec un score Elo estim\u00e9 par Artificial Analysis<\/a> en ao\u00fbt 2026.<\/p>\n

\n\n\n\n\n\n\n\n\n\n\n\n
G\u00e9n\u00e9rateur<\/th>\n\u00c9diteur<\/th>\nSortie<\/th>\nAcc\u00e8s<\/th>\nElo estim\u00e9<\/th>\n<\/tr>\n<\/thead>\n
Grok Imagine 1.0<\/td>\nSpaceXAI<\/td>\njanvier 2026<\/td>\nferm\u00e9, texte-vid\u00e9o<\/td>\n1\u00a0221<\/td>\n<\/tr>\n
Veo 3.1<\/td>\nGoogle<\/td>\njanvier 2026<\/td>\nferm\u00e9, texte-vid\u00e9o<\/td>\n1\u00a0213<\/td>\n<\/tr>\n
Kling 3.0<\/td>\nKlingAI<\/td>\nf\u00e9vrier 2026<\/td>\nferm\u00e9, texte-vid\u00e9o<\/td>\n1\u00a0212<\/td>\n<\/tr>\n
Wan 2.6<\/td>\nAlibaba<\/td>\nd\u00e9cembre 2025<\/td>\nferm\u00e9, texte-vid\u00e9o<\/td>\n1\u00a0185<\/td>\n<\/tr>\n
LTX 2.3<\/td>\nLightricks<\/td>\nmars 2026<\/td>\nouvert, texte-vid\u00e9o et image-vid\u00e9o<\/td>\n1\u00a0120<\/td>\n<\/tr>\n
Wan 2.2 A14B<\/td>\nAlibaba<\/td>\njuillet 2025<\/td>\nouvert, texte-vid\u00e9o et image-vid\u00e9o<\/td>\n1\u00a0106<\/td>\n<\/tr>\n
HunyuanVideo 1.5<\/td>\nTencent<\/td>\nnovembre 2025<\/td>\nouvert, texte-vid\u00e9o et image-vid\u00e9o<\/td>\n1\u00a0016<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<\/div>\n

Neuf d\u00e9tecteurs face aux vid\u00e9os g\u00e9n\u00e9r\u00e9es par IA, aucun fiable<\/h2>\n

Les neuf d\u00e9tecteurs \u00e9valu\u00e9s viennent des grandes conf\u00e9rences du domaine, de CVPR 2025 \u00e0 WACV 2026. Tous ont \u00e9t\u00e9 entra\u00een\u00e9s sur FaceForensics++<\/a> puis soumis au banc d’essai sans r\u00e9entra\u00eenement. L’AUROC est exprim\u00e9e en pourcentage et 50 correspond au pur hasard.<\/p>\n

\n\n\n\n\n\n\n\n\n\n\n\n\n\n
D\u00e9tecteur<\/th>\nConf\u00e9rence<\/th>\nType<\/th>\nAUROC sur CelebDF++<\/th>\nAUROC sur le banc d’essai DF26<\/th>\n\u00c9cart<\/th>\n<\/tr>\n<\/thead>\n
DFD-FCG<\/td>\nCVPR 2025<\/td>\ntemporel<\/td>\n94,3<\/td>\n48,2<\/td>\n-46,1<\/td>\n<\/tr>\n
PwTF-DVD<\/td>\nICCV 2025<\/td>\ntemporel<\/td>\n92,3<\/td>\n61,6<\/td>\n-30,7<\/td>\n<\/tr>\n
GenD-PE<\/td>\nWACV 2026<\/td>\nimage<\/td>\n89,9<\/td>\n69,7<\/td>\n-20,2<\/td>\n<\/tr>\n
GenD-CLIP<\/td>\nWACV 2026<\/td>\nimage<\/td>\n85,2<\/td>\n54,2<\/td>\n-31,0<\/td>\n<\/tr>\n
GenD-DINO<\/td>\nWACV 2026<\/td>\nimage<\/td>\n82,6<\/td>\n54,7<\/td>\n-27,9<\/td>\n<\/tr>\n
DFD-HR<\/td>\nCVPR 2026<\/td>\nimage<\/td>\n81,6<\/td>\n63,5<\/td>\n-18,1<\/td>\n<\/tr>\n
FSFM<\/td>\nCVPR 2025<\/td>\nimage<\/td>\n79,6<\/td>\n52,6<\/td>\n-27,0<\/td>\n<\/tr>\n
[Effort](https:\/\/arxiv.org\/abs\/2411.15633)<\/td>\nICML 2025<\/td>\nimage<\/td>\n78,7<\/td>\n44,0<\/td>\n-34,7<\/td>\n<\/tr>\n
ForAda<\/td>\nCVPR 2025<\/td>\nimage<\/td>\n75,6<\/td>\n56,6<\/td>\n-19,0<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<\/div>\n

Le meilleur r\u00e9sultat s’arr\u00eate donc \u00e0 69,7 et Effort descend \u00e0 44,0, sous le niveau du hasard. Encore ces moyennes sont-elles flatteuses, car elles lissent des effondrements que le d\u00e9tail par g\u00e9n\u00e9rateur fait appara\u00eetre\u00a0: face \u00e0 Grok Imagine 1.0, Effort tombe \u00e0 13,6 et DFD-FCG \u00e0 20,5\u00a0; face \u00e0 Veo 3.1, Effort reste \u00e0 21,3 et PwTF-DVD \u00e0 26,7. Les auteurs ne s’en cachent pas, et c’est le passage le plus inconfortable de leur article. Les scores agr\u00e9g\u00e9s masquent des d\u00e9faillances s\u00e9v\u00e8res, un m\u00eame d\u00e9tecteur pouvant tenir sur un g\u00e9n\u00e9rateur et passer sous le hasard sur un autre.<\/p>\n

Le d\u00e9crochage ne date pas de septembre, la courbe descend depuis deux ans<\/h2>\n

On pourrait voir dans ces chiffres un accident li\u00e9 \u00e0 une g\u00e9n\u00e9ration de mod\u00e8les particuli\u00e8rement r\u00e9ussie, mais une \u00e9tude ant\u00e9rieure et ind\u00e9pendante interdit cette lecture. Deepfake-Eval-2024<\/a>, pr\u00e9sent\u00e9e \u00e0 CVPRW 2026, a rassembl\u00e9 des contenus r\u00e9ellement diffus\u00e9s en ligne en 2024\u00a0: 45 heures de vid\u00e9o, 56,5 heures d’audio et 1\u00a0975 images, collect\u00e9es sur 88 sites dans 52 langues. Compar\u00e9e aux jeux d’\u00e9valuation acad\u00e9miques, l’AUC des d\u00e9tecteurs open source y chutait d\u00e9j\u00e0 de 50\u00a0% sur la vid\u00e9o, de 48\u00a0% sur l’audio et de 45\u00a0% sur l’image. Deux m\u00e9thodologies et deux \u00e9quipes sans lien aboutissent donc au m\u00eame constat, celui d’une tendance install\u00e9e plut\u00f4t que d’un incident de parcours.<\/p>\n

Pourquoi les d\u00e9tecteurs perdent du terrain\u00a0: le probl\u00e8me a chang\u00e9 de nature<\/h2>\n

L’explication tient \u00e0 ce que ces outils ont appris \u00e0 chercher. FaceForensics++, publi\u00e9 en 2019, repose sur des manipulations de visages r\u00e9els\u00a0: \u00e9change de visage, transfert d’expressions faciales, modification d’attributs. Un d\u00e9tecteur entra\u00een\u00e9 sur ce corpus apprend donc \u00e0 rep\u00e9rer une discontinuit\u00e9 entre une partie authentique et une partie alt\u00e9r\u00e9e.<\/p>\n

Or les vid\u00e9os g\u00e9n\u00e9r\u00e9es par IA du banc d’essai DF26 ne comportent aucune manipulation puisqu’elles sont g\u00e9n\u00e9r\u00e9es int\u00e9gralement, si bien que cette discontinuit\u00e9 n’existe pas. Les auteurs parlent d’un d\u00e9calage de distribution entre mod\u00e8les g\u00e9n\u00e9ratifs, et ils le v\u00e9rifient dans l’\u00e9tude, o\u00f9 l’effondrement ne d\u00e9pend pas de la situation film\u00e9e mais du g\u00e9n\u00e9rateur employ\u00e9, ce qui exclut une explication par le cadrage ou par le style de parole.<\/p>\n

Le r\u00e9entra\u00eenement fonctionne, mais il court apr\u00e8s un g\u00e9n\u00e9rateur \u00e0 la fois. En r\u00e9entra\u00eenant GenD-PE sur le sous-ensemble produit par HunyuanVideo en image-vid\u00e9o, la moyenne passe de 76,0 \u00e0 82,3, Grok Imagine de 66,5 \u00e0 96,8 et Veo 3.1 de 76,6 \u00e0 95,6. Le gain est spectaculaire, mais il n’arrive qu’apr\u00e8s la sortie du mod\u00e8le, si bien qu’une telle strat\u00e9gie reste toujours en retard d’un g\u00e9n\u00e9rateur.<\/p>\n

L’\u0153il humain n’est pas la solution de repli<\/h2>\n

Puisque les machines \u00e9chouent, on pourrait compter sur l’attention humaine. L’\u00e9tude a test\u00e9 cette hypoth\u00e8se sur 232 sessions d’annotation confi\u00e9es \u00e0 des \u00e9tudiants volontaires, chacun jugeant 30 vid\u00e9os dont 15 fausses, sur des extraits de 5 secondes, avec trois r\u00e9ponses possibles\u00a0: g\u00e9n\u00e9r\u00e9 par l’IA, manipul\u00e9 par l’IA, ou r\u00e9el.<\/p>\n

\n\n\n\n\n\n\n\n
Jeu de donn\u00e9es<\/th>\nExactitude sur les vid\u00e9os r\u00e9elles<\/th>\nExactitude sur les faux<\/th>\n<\/tr>\n<\/thead>\n
Banc d’essai DF26<\/td>\n76,0\u00a0%<\/td>\n52,6\u00a0%<\/td>\n<\/tr>\n
CelebDF++<\/td>\n75,5\u00a0%<\/td>\n74,5\u00a0%<\/td>\n<\/tr>\n
DeepSpeak v2<\/td>\n72,8\u00a0%<\/td>\n69,8\u00a0%<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<\/div>\n

Sur les vid\u00e9os authentiques, les participants se comportent de fa\u00e7on comparable d’un corpus \u00e0 l’autre, tandis que sur les faux du banc d’essai DF26 ils ne trouvent plus d’indices exploitables, le g\u00e9n\u00e9rateur le plus trompeur \u00e9tant LTX 2.3 distilled I2V. Ce r\u00e9sultat rejoint une m\u00e9ta-analyse de 56 \u00e9tudes<\/a> portant sur 86\u00a0155 participants, qui situe l’exactitude humaine moyenne \u00e0 55,54\u00a0%, avec un intervalle de confiance \u00e0 95\u00a0% compris entre 48,87\u00a0% et 62,10\u00a0%. Comme cet intervalle franchit la barre des 50\u00a0%, la performance n’est pas distinguable du hasard, et l’entra\u00eenement avec retour d’information, l’assistance automatique et l’accentuation caricaturale des indices ne la portent qu’\u00e0 65,14\u00a0%, soit moins de dix points gagn\u00e9s.<\/p>\n

Et puis il y a ce chiffre, moins comment\u00e9 que les autres. 24,0\u00a0% des vid\u00e9os authentiques du banc d’essai DF26 ont \u00e9t\u00e9 prises pour des faux. Le dommage n’est donc pas seulement de croire un contenu fabriqu\u00e9, 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 co\u00fbte autant que la premi\u00e8re.<\/p>\n

Si le doute ne se l\u00e8ve pas apr\u00e8s coup, il faut le rendre inutile avant<\/h2>\n

L’authenticit\u00e9 d’une vid\u00e9o se d\u00e9cide \u00e0 l’instant o\u00f9 elle est produite, et non au terme d’une analyse men\u00e9e une fois qu’elle circule. TrueScreen, la Data Authenticity Platform, prend le probl\u00e8me par l’autre bout et capture le contenu dans un environnement ma\u00eetris\u00e9, en fixant son origine, son int\u00e9grit\u00e9 et son horodatage d\u00e8s l’acquisition. Le cachet \u00e9lectronique et l’horodatage qualifi\u00e9s qui scellent ensuite le dossier ont une valeur l\u00e9gale reconnue \u00e0 l’international.<\/p>\n

En droit fran\u00e7ais, ce choix ne rel\u00e8ve pas seulement de la technique. L’article 1366 du code civil<\/a> subordonne la force probante de l’\u00e9crit \u00e9lectronique \u00e0 deux conditions cumulatives, l’identification de son auteur et la garantie de son int\u00e9grit\u00e9. Sur le terrain voisin de la copie, l’article 1379 pose une pr\u00e9somption de fiabilit\u00e9 dont le d\u00e9cret n\u00b0 2016-1673 du 5 d\u00e9cembre 2016<\/a> fixe les modalit\u00e9s\u00a0: l’int\u00e9grit\u00e9 y est r\u00e9put\u00e9e acquise lorsque l’empreinte \u00e9lectronique est appos\u00e9e au moyen d’un horodatage qualifi\u00e9, d’un cachet \u00e9lectronique qualifi\u00e9 ou d’une signature \u00e9lectronique qualifi\u00e9e au sens du r\u00e8glement eIDAS. Ce sont les instruments qu’une acquisition certifi\u00e9e mobilise, et une vid\u00e9o n\u00e9e dans ces conditions n’arrive donc pas comme une pi\u00e8ce \u00e0 expertiser mais comme une pi\u00e8ce dont l’int\u00e9grit\u00e9 est \u00e9tablie d\u00e8s l’origine, ce qui d\u00e9place l’effort vers celui qui la conteste, et le m\u00eame raisonnement vaut pour la valeur probatoire d’une photo prise avec une image de r\u00e9f\u00e9rence<\/a>.<\/p>\n

L’analyse des contenus synth\u00e9tiques fait partie de cette capture et porte sur la photo, la vid\u00e9o et l’audio. Elle restitue un degr\u00e9 de confiance sans \u00eatre d\u00e9terministe, elle suppose un workspace, et elle lit les marquages d\u00e9clar\u00e9s par les outils de cr\u00e9ation\u00a0: Content Credentials au format C2PA, champ IPTC digitalSourceType, balises du g\u00e9n\u00e9rateur inscrites dans les m\u00e9tadonn\u00e9es EXIF et XMP. Un fichier d\u00e9pourvu de ces marquages n’est pas suspect pour autant.<\/p>\n

Les limites du travail, les auteurs les posent eux-m\u00eames. L’\u00e9chelle est contenue, avec 2\u00a0691 vid\u00e9os, et seule la modalit\u00e9 visuelle a \u00e9t\u00e9 test\u00e9e, \u00e0 l’exclusion de l’audio comme de la coh\u00e9rence entre l’image et le son. Le banc d’essai DF26 n’affirme pas que la d\u00e9tection serait inutile en soi, mais que ces neuf d\u00e9tecteurs, entra\u00een\u00e9s sur FaceForensics++ et confront\u00e9s \u00e0 des g\u00e9n\u00e9rateurs jamais vus, ne tiennent pas. Aucun outil commercial n’a \u00e9t\u00e9 mesur\u00e9.<\/p>\n

\n

Questions fr\u00e9quentes<\/h2>\n
\n
\nComment savoir si une vid\u00e9o est vraiment IA\u00a0?<\/span>
\n+<\/span><\/summary>\n
Aucun examen visuel isol\u00e9 ne permet d’\u00e9tablir de fa\u00e7on fiable qu’une vid\u00e9o est g\u00e9n\u00e9r\u00e9e par IA. Sur le banc d’essai DF26, les participants humains n’ont identifi\u00e9 les faux que dans 52,6\u00a0% des cas contre 74,5\u00a0% sur CelebDF++, et les neuf d\u00e9tecteurs test\u00e9s plafonnent \u00e0 69,7 d’AUROC, l’un d’eux tombant \u00e0 44,0, sous le niveau du hasard. Les indices classiques, mains d\u00e9form\u00e9es ou d\u00e9cors incoh\u00e9rents, tiennent \u00e0 une g\u00e9n\u00e9ration de mod\u00e8les ant\u00e9rieure.<\/div>\n<\/details>\n
\nComment savoir si un contenu est g\u00e9n\u00e9r\u00e9 par IA\u00a0?<\/span>
\n+<\/span><\/summary>\n
Le seul signal exploitable aujourd’hui est d\u00e9claratif. Certains outils de cr\u00e9ation inscrivent dans le fichier des Content Credentials au format C2PA, une valeur IPTC digitalSourceType ou une balise de g\u00e9n\u00e9rateur dans les m\u00e9tadonn\u00e9es EXIF et XMP, et ces marquages se lisent de fa\u00e7on d\u00e9terministe. Leur limite est qu’ils ne sont ni universels ni obligatoires, et un fichier sans Content Credentials n’est pas suspect pour autant, seulement muet, comme la plupart des contenus produits par un t\u00e9l\u00e9phone.<\/div>\n<\/details>\n
\nComment puis-je v\u00e9rifier l’origine d’une vid\u00e9o\u00a0?<\/span>
\n+<\/span><\/summary>\n
Sur une vid\u00e9o d\u00e9j\u00e0 diffus\u00e9e, la v\u00e9rification repose sur des \u00e9l\u00e9ments fragiles, m\u00e9tadonn\u00e9es souvent supprim\u00e9es par les plateformes ou recherche d’ant\u00e9riorit\u00e9 sur les r\u00e9seaux, qui \u00e9tablissent au mieux une premi\u00e8re occurrence connue et non une origine. La voie solide consiste \u00e0 faire na\u00eetre le contenu avec sa preuve\u00a0: TrueScreen capture la s\u00e9quence dans un environnement ma\u00eetris\u00e9 et fixe d\u00e8s l’acquisition l’identit\u00e9 de la source, l’int\u00e9grit\u00e9 du fichier et un horodatage qualifi\u00e9.<\/div>\n<\/details>\n
\nEst-ce que ChatGPT peut analyser une vid\u00e9o\u00a0?<\/span>
\n+<\/span><\/summary>\n
Un assistant conversationnel g\u00e9n\u00e9raliste peut d\u00e9crire ce qu’il observe dans une s\u00e9quence, mais il n’\u00e9tablit pas l’authenticit\u00e9 d’un fichier. Le banc d’essai DF26 n’a d’ailleurs \u00e9valu\u00e9 aucun assistant de ce type ni aucun outil commercial, mais neuf d\u00e9tecteurs sp\u00e9cialis\u00e9s, dont les r\u00e9sultats montrent que m\u00eame des syst\u00e8mes con\u00e7us pour cette seule t\u00e2che ne tiennent pas face \u00e0 des g\u00e9n\u00e9rateurs qu’ils n’ont pas appris.<\/div>\n<\/details>\n<\/div>\n<\/section>\n<\/div>\n<\/div>\n
\n
\n
\n
\n

Fixez l’authenticit\u00e9 au moment o\u00f9 la donn\u00e9e na\u00eet<\/h2>\n

Avec TrueScreen, la Data Authenticity Platform, l’origine, l’int\u00e9grit\u00e9 et l’horodatage d’une prise de vue sont enregistr\u00e9s pendant sa production. La preuve n’est pas \u00e0 reconstituer ensuite : elle existe d\u00e9j\u00e0.<\/p>\n

Commencer<\/a>
\nDemander une d\u00e9mo<\/a>\n<\/div>\n

\"TrueScreen\"<\/div>\n<\/div>\n<\/div>\n<\/div>\n","protected":false},"featured_media":58375,"template":"","class_list":["post-58373","article","type-article","status-publish","has-post-thumbnail","hentry"],"acf":[],"_links":{"self":[{"href":"https:\/\/truescreen.io\/fr\/wp-json\/wp\/v2\/article\/58373","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/truescreen.io\/fr\/wp-json\/wp\/v2\/article"}],"about":[{"href":"https:\/\/truescreen.io\/fr\/wp-json\/wp\/v2\/types\/article"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/truescreen.io\/fr\/wp-json\/wp\/v2\/media\/58375"}],"wp:attachment":[{"href":"https:\/\/truescreen.io\/fr\/wp-json\/wp\/v2\/media?parent=58373"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}