Des chercheurs ont mis au point un système hybride d’IA qui exploite la lumière pour détecter les vidéos deepfakes. Capable d’analyser simultanément plus de quinze flux vidéo, le dispositif a atteint une exactitude de 97,79 % et une sensibilité de 99,86 % lors d’essais en laboratoire. Il pourrait constituer une solution de détection plus rapide et moins énergivore, sous réserve de validations supplémentaires en conditions réelles.
Les progrès de l’IA générative ont rendu les vidéos synthétiques toujours plus réalistes. Si ces avancées ouvrent de nouvelles perspectives pour la création de contenus, elles soulèvent également des préoccupations croissantes en matière de désinformation, d’usurpation d’identité et de perte de confiance dans les médias numériques.
Une étude antérieure a évalué la capacité de participants à distinguer des discours politiques authentiques de deepfakes, à partir de différentes modalités, dont la vidéo et l’audio. Ces travaux soulignent les difficultés que pose l’identification des contenus synthétiques et, plus largement, la protection des droits d’auteur et de l’identité des personnes dont l’image ou la voix sont usurpées.
Ces préoccupations ont favorisé le développement de technologies destinées à détecter les contenus générés par l’IA, notamment les deepfakes. Toutefois, les détecteurs existants reposent souvent sur d’importantes ressources informatiques. Certaines méthodes d’apprentissage profond peuvent nécessiter des centaines de milliards d’opérations en virgule flottante par inférence.
Or, les vidéos sont souvent analysées de manière séquentielle. Plus le volume de contenus à examiner augmente, plus le temps de traitement et la consommation d’énergie sont susceptibles de croître.
Les techniques classiques de détection numérique présentent une autre limite : des utilisateurs malveillants peuvent modifier subtilement des vidéos deepfakes afin de contourner les mécanismes de détection et de leur donner l’apparence de contenus authentiques.
Des chercheurs de l’Université de Californie à Los Angeles (UCLA) proposent un système opto-neuronal qui pourrait contribuer à réduire ces deux difficultés en exploitant la lumière pour détecter les vidéos deepfakes. Contrairement aux systèmes classiques, cette technologie peut analyser simultanément plus d’une quinzaine de flux vidéo.
« En traitant simultanément au moins 15 flux vidéo en une seule passe de propagation optique, le système permet une prédiction d’authenticité vidéo précise et à haut débit, à un coût de calcul réduit par rapport aux méthodes purement numériques », écrivent les chercheurs dans leur étude parue dans la revue eLight.
Une exactitude de 97,79 % sur 15 vidéos simultanément
Le système développé par l’UCLA repose sur une architecture hybride, associant calcul numérique et traitement optique. Un encodeur numérique léger, fondé sur un algorithme d’IA, extrait des informations synthétiques de chaque vidéo, notamment ses caractéristiques spatiales, spectrales et temporelles. Ces données sont ensuite converties en un motif de phase, affiché sur un modulateur spatial de lumière programmable.
Le front d’onde optique ainsi obtenu traverse un décodeur optique passif en espace libre. À la sortie, des détecteurs optiques appariés attribuent directement un score d’authenticité à chaque vidéo. Cette architecture permet ainsi d’évaluer plusieurs contenus au cours d’un même passage optique.
Lors des essais expérimentaux menés sur le jeu de données Celeb-DF, le détecteur a atteint une exactitude moyenne de 97,79 % en traitant 15 vidéos en parallèle, avec une sensibilité de 99,86 % et une spécificité de 95,72 %. L’exactitude correspond à la proportion totale de prédictions correctes, tandis que la sensibilité mesure la capacité du système à identifier les vidéos truquées. Une sensibilité de 99,86 % correspond ainsi à un taux moyen de faux négatifs d’environ 0,14 % dans les conditions de l’expérience. La spécificité, quant à elle, mesure la capacité à reconnaître les vidéos authentiques. Lorsque le nombre de vidéos traitées au cours d’un même passage optique est passé à 18, l’exactitude s’est établie à 96,13 %.
Les chercheurs ont également évalué le système sur des vidéos générées par VEO-3, le modèle d’intelligence artificielle de Google. Les vidéos produites par ces outils peuvent présenter des caractéristiques différentes de celles des deepfakes classiques, ce qui complique leur détection. Après un ajustement du modèle à partir de vidéos générées avec Gemini, le processeur optique a atteint une exactitude de 94,80 %, une sensibilité de 97,61 % et une spécificité de 92,00 % sur les vidéos VEO-3 évaluées. Ces résultats témoignent des performances obtenues dans ce protocole expérimental, sans établir que le système peut détecter toutes les vidéos produites par VEO-3 sans adaptation.
Une exactitude et une sensibilité pouvant évoluer
Selon les chercheurs, l’ajout de couches optiques passives pourrait améliorer les performances dans certaines conditions expérimentales, sans augmentation nécessaire de la consommation d’énergie ni de la latence d’inférence. Sur le jeu de données DeepSpeak, l’ajout de deux couches diffractives passives optimisées a fait passer l’exactitude de détection de 88,98 % à 95,76 %, soit une hausse de 6,78 points de pourcentage.
« Ces couches diffractives à phase pure peuvent être fabriquées sous forme de structures/surfaces optiques passives et statiques. Elles effectuent des calculs supplémentaires grâce à la diffraction de la lumière, ce qui signifie qu’elles ne nécessitent pas d’alimentation électrique additionnelle pendant le fonctionnement du système », explique le communiqué de l’UCLA.
Les chercheurs ont également soumis le système à des essais de robustesse portant sur différentes dégradations, notamment le bruit, le flou, la compression JPEG et les défauts d’alignement expérimentaux. Les résultats indiquent que le dispositif conserve des capacités de détection dans ces conditions, même si l’incidence de chaque perturbation peut varier selon sa nature et son intensité.
« Les résultats suggèrent que cette approche pourrait potentiellement s’adapter à mesure que la technologie de l’IA générative continue d’évoluer », concluent les chercheurs dans le communiqué de l’UCLA.
