{"id":2159,"date":"2020-12-07T16:57:09","date_gmt":"2020-12-07T16:57:09","guid":{"rendered":"https:\/\/campus.hesge.ch\/blog-master-is\/?p=2159"},"modified":"2020-12-07T16:57:11","modified_gmt":"2020-12-07T16:57:11","slug":"je-crois-ce-que-je-vois-remise-en-question-a-lere-du-deepfake","status":"publish","type":"post","link":"https:\/\/campus.hesge.ch\/blog-master-is\/je-crois-ce-que-je-vois-remise-en-question-a-lere-du-deepfake\/","title":{"rendered":"“Je crois ce que je vois.” : remise en question \u00e0 l’\u00e8re du deepfake"},"content":{"rendered":"\n

Avant de commencer votre lecture, si, comme moi il y a peu, vous n\u2019\u00eates pas certain-e de ce qui se cache derri\u00e8re les termes intelligence artificielle, machine learning ou deep learning, je vous sugg\u00e8re cette courte vid\u00e9o<\/a><\/em>.<\/span><\/p>\n\n\n\n

Vous avez probablement d\u00e9j\u00e0 entendu parler du deepfake <\/strong>: ces trucages vid\u00e9o ou audio<\/strong> plus vrais que nature g\u00e9n\u00e9r\u00e9s par des algorithmes et publi\u00e9s sur internet. Rendus possibles gr\u00e2ce \u00e0 l\u2019av\u00e8nement du deep learning<\/a>, ces montages permettent notamment de changer un visage par un autre (face swap), de cr\u00e9er de faux visages ou de modifier des expressions faciales. En termes d\u2019audio, la modification ou la synth\u00e8se des voix sont les proc\u00e9d\u00e9s les plus courants.<\/p>\n\n\n\n

Comment \u00e7a marche ?<\/h2>\n\n\n\n

La technologie se base sur les r\u00e9seaux antagonistes g\u00e9n\u00e9ratifs<\/strong>, plus commun\u00e9ment appel\u00e9s en anglais Generative Adverserial Networks<\/em> ou GANs<\/a>. Invent\u00e9e en 2014 par Ian Goodfellow<\/a> et ses coll\u00e8gues, il s\u2019agit d\u2019une architecture de r\u00e9seaux de neurones<\/a> con\u00e7ue pour r\u00e9soudre des jeux d\u2019imitation de donn\u00e9es, qu\u2019il s\u2019agisse de textes, d\u2019images, de sons ou de vid\u00e9os, en mettant en comp\u00e9tition deux r\u00e9seaux neuronaux.<\/p>\n\n\n\n

Le proc\u00e9d\u00e9 suit deux \u00e9tapes. Les explications ci-dessous sont issues du blog Economie num\u00e9rique<\/a> (Ackermann 2020).<\/p>\n\n\n\n

Premi\u00e8re \u00e9tape :<\/em> l\u2019identification, \u00e0 l\u2019aide d\u2019un auto-encodeur (soit deux r\u00e9seaux de neurones partenaires entra\u00een\u00e9s sans \u00eatre supervis\u00e9s par un expert humain). Le premier r\u00e9seau (nomm\u00e9 encodeur) a pour r\u00f4le d\u2019observer et de d\u00e9crire l\u2019image. Le second r\u00e9seau (nomm\u00e9 d\u00e9codeur) reconstitue l\u2019image en lui restituant parfaitement les indications. Le r\u00e9sultat est alors attribu\u00e9 \u00e0 deux r\u00e9seaux de neurones, tant \u00e0 l\u2019encodeur qu\u2019au d\u00e9codeur.<\/p>\n\n\n\n

\"Sch\u00e9ma
Sch\u00e9ma d\u2019un auto-encodeur. <\/span>
Source<\/a><\/figcaption><\/figure><\/div>\n\n\n\n

Deuxi\u00e8me \u00e9tape<\/em> : la production, \u00e0 l\u2019aide des GANs. Cette fois, les deux r\u00e9seaux sont en position adverse, donc en comp\u00e9tition l\u2019un envers l\u2019autre. L\u2019encodeur g\u00e9n\u00e8re alors une vid\u00e9o et le d\u00e9codeur corrige en comparant le r\u00e9sultat par rapport \u00e0 la vid\u00e9o originale, jusqu\u2019\u00e0 ne plus parvenir \u00e0 distinguer le vrai du faux. Une vid\u00e9o fid\u00e8le \u00e0 la r\u00e9alit\u00e9 est alors produite, c\u2019est le deepfake.<\/p>\n\n\n\n

\"Sch\u00e9ma
Sch\u00e9ma d\u2019un GAN.
Source<\/a><\/span><\/figcaption><\/figure><\/div>\n\n\n\n

Pour les n\u00e9ophytes, il existe de nombreuses applications mobiles pour cr\u00e9er facilement des images ou des vid\u00e9os en rempla\u00e7ant un visage connu par le sien ou celui d\u2019ami-e-s. Il est toutefois aussi relativement ais\u00e9 de trouver sur internet des forums et des codes open source, permettant aux personnes un minimum \u00e0 l\u2019aise avec l\u2019informatique de g\u00e9n\u00e9rer assez facilement un deepfake complet et r\u00e9aliste.<\/p>\n\n\n\n

Des applications utiles \u00e0 la controverse<\/h2>\n\n\n\n

Les GANs utilis\u00e9s pour cr\u00e9er les deepfakes ont de nombreuses possibilit\u00e9s d\u2019applications pratiques : cr\u00e9er des campagnes de publicit\u00e9 ou remplacer les acteurs absents de certains films<\/a>, dans le domaine de la m\u00e9decine<\/a> ou pour am\u00e9liorer les graphiques des jeux vid\u00e9o<\/a>. Dans un autre registre, un mus\u00e9e consacr\u00e9 \u00e0 Dal\u00ec \u00e0 St-Petersburg en Floride a \u00ab ressuscit\u00e9 \u00bb l\u2019artiste en cr\u00e9ant un deepfake \u00e0 partir de nombreuses photos et expressions c\u00e9l\u00e8bres<\/a> du peintre. A travers un \u00e9cran \u00e0 taille humaine, il interagit avec les visiteurs, leur offrant une visite hors du commun.<\/p>\n\n\n\n

Mais si le deepfake fait tant parler de lui, c\u2019est surtout pour toutes les qualit\u00e9s dangereuses qu\u2019on peut lui attribuer. Il est en effet devenu facile de pr\u00eater \u00e0 une personnalit\u00e9 publique des propos qu\u2019elle n\u2019a jamais tenus, ou la faire appara\u00eetre dans des vid\u00e9os qui n\u2019ont en r\u00e9alit\u00e9 jamais exist\u00e9. Ces deepfakes pol\u00e9miques sont d\u2019autant plus probl\u00e9matiques \u00e0 l\u2019heure o\u00f9 les r\u00e9seaux sociaux permettent \u00e0 ce type de m\u00e9dia de circuler rapidement et sans contr\u00f4le.<\/p>\n\n\n\n

\n