Eliot Cohen Bacrie Read in English

Cinq voix ont été volées. La tienne est la prochaine.

5 mai 2026 · 10 min de lecture

Biden, Drake, Swift, Johansson, Trump. Aucun d’entre eux n’a pu l’empêcher.

Je construis des systèmes de détection vocale. En trois ans, j’ai écrit plus de 3 000 moteurs d’analyse qui décortiquent un enregistrement sur de nombreuses dimensions. Je pensais comprendre le problème.

L’hiver dernier, quelqu’un m’a envoyé deux clips audio courts en me demandant de dire lequel était vrai. Je n’ai pas su répondre. Même intonation, mêmes micro-hésitations sur les mêmes voyelles. L’un sortait d’un vrai locuteur. L’autre d’un vocodeur neuronal. Mes oreilles, entraînées sur des milliers d’heures d’analyse vocale, sont passées à côté.

Ce moment a changé ma façon d’aborder ce travail. Ce n’était plus un défi technique. C’était devenu une urgence opérationnelle.

Voici cinq cas qui montrent pourquoi.

L’appel téléphonique

Le 21 janvier 2024, des milliers d’électeurs du New Hampshire ont décroché leur téléphone et entendu Joe Biden. La voix était reconnaissable entre mille. “What a bunch of malarkey,” disait-il, en les exhortant à ne pas voter à la primaire. Un consultant politique nommé Steve Kramer avait commandé l’appel par IA. La génération vocale elle-même a coûté environ un dollar sur ElevenLabs. La FCC a condamné Kramer à 6 millions de dollars d’amende et a transigé avec Lingo Telecom, l’opérateur, pour 1 million (FCC, 2024).

Franchement, je ne pense pas que cette amende dissuade quiconque de sérieux. Six millions, ça paraît énorme dans l’abstrait. En pratique, Kramer a touché entre 5 000 et 25 000 personnes (estimations Nomorobo ; Kramer lui-même revendique le chiffre bas). Le ratio dégâts/coût est vertigineux, et tout consultant prêt à prendre le risque une fois le reprendra demain avec une LLC jetable.

Ce qui me dérange davantage, c’est ce que l’appel a prouvé sur l’infrastructure. Il n’existe aucune couche dans la téléphonie qui vérifie si une voix est humaine. Aucune. La FCC a déclaré les robocalls générés par IA illégaux le 8 février 2024, sous le Telephone Consumer Protection Act. C’était nécessaire, et c’était déjà trop tard.

Le Secret Service protège le corps du président. Personne ne protège sa voix.

Le morceau

Celui-ci est court, parce que le fait fait l’essentiel du travail.

En avril 2023, un titre appelé “Heart on My Sleeve” est apparu sur Spotify, TikTok et YouTube. Ça ressemblait exactement à Drake et The Weeknd. Billboard a rapporté plus de 600 000 streams sur Spotify avant qu’Universal Music Group ne le fasse retirer le 17 avril 2023.

Aucun des deux artistes n’avait enregistré une seule note.

Un producteur anonyme sous le pseudo Ghostwriter977 avait entraîné une IA sur leurs voix et publié le résultat. La Recording Academy a réécrit ses règles d’éligibilité aux Grammy en juin 2023 : pas d’auteur humain, pas d’éligibilité. Et l’industrie musicale s’est retrouvée face à une question qu’elle n’avait jamais eu besoin de se poser. Si n’importe qui peut produire un morceau de Drake, combien vaut un morceau de Drake ?

Honnêtement, je n’ai pas la réponse. Les labels sont encore en train de se battre devant les tribunaux pour la trouver.

L’arnaque que personne n’a vue venir

Taylor Swift a vendu des casseroles Le Creuset en janvier 2024. Ou plutôt, c’est ce que des millions d’utilisateurs Facebook, Instagram et TikTok ont fini par croire. Des publicités deepfake la montraient recommandant les produits à prix réduit. Sa voix. Son image. Un lien pour acheter. Le Creuset a dû publier un communiqué niant tout partenariat (New York Times, 9 janvier 2024 ; CBS News, 2024).

Les produits n’existaient pas. Swift n’avait aucune idée que la campagne tournait.

Ce qui rend ce cas différent, c’est le business model derrière. L’appel Biden, c’était du sabotage politique. Le morceau Drake, un coup d’éclat. Les pubs Swift étaient un commerce, avec des marges. Quelqu’un générait du chiffre d’affaires, à grande échelle, avec une voix volée comme moteur de vente. MrBeast a posté sur X en octobre 2023 que la même chose lui arrivait. Tom Hanks aussi. Oprah aussi.

La confiance d’une célébrité se construit sur des décennies. Elle peut être empruntée en quelques secondes d’audio et retournée contre son propre public, en un week-end.

Le ministre

Les quatre cas précédents visent une voix connue utilisée contre le public. Le suivant montre ce qui se passe quand une voix connue sert à viser l’argent d’autres gens.

Début 2025, des chefs d’entreprise italiens ont commencé à recevoir des appels de ce qui ressemblait à Guido Crosetto, le ministre italien de la Défense. La voix était juste. L’histoire était urgente et officielle : un journaliste italien aurait été enlevé à l’étranger, le gouvernement avait besoin qu’une rançon soit avancée discrètement, les fonds seraient remboursés par la Banque d’Italie. Au moins un homme d’affaires a viré près d’un million d’euros vers un compte étranger avant que la fraude ne soit découverte. Crosetto lui-même a alerté publiquement sur l’usage de sa voix. La justice italienne a ouvert une enquête (presse italienne et internationale, février 2025).

Regarde le glissement. Personne ici ne cherchait à embarrasser le ministre. Le ministre était la caution. Sa voix reconnaissable était ce qui coupait la méfiance de la victime, pour que la vraie cible, un virement privé, passe. La voix n’était pas le butin. C’était la clé.

C’est ce schéma-là qui passe à l’échelle. Une voix de confiance ouvre une porte qu’un inconnu ne pourrait jamais ouvrir.

L’entreprise qui n’a pas accepté le non

En mai 2024, OpenAI a lancé une voix ChatGPT appelée “Sky.” En quelques heures, les gens ont remarqué. Ça ressemblait à Scarlett Johansson. Pas vaguement. L’intonation, la chaleur, le rythme.

Le communiqué de Johansson le 20 mai était précis : Sam Altman l’avait personnellement contactée pour lui demander de prêter sa voix au système. Elle avait refusé. Deux jours avant la démo, son agent avait reçu une seconde demande. Avant qu’ils puissent répondre, le système était déjà en ligne. Altman avait tweeté un seul mot ce jour-là, “her.” Johansson a parlé de “choc” et engagé des avocats. OpenAI a mis la voix en pause le 19 mai (Washington Post, 20 mai 2024).

Ce cas me met plus mal à l’aise que les autres. Un arnaqueur qui clone une célébrité, c’est un délit, point. Une entreprise à 80 milliards de dollars qui clone une actrice après qu’elle ait dit non explicitement, c’est autre chose. C’est un signal sur l’endroit où se situe la frontière du consentement dans l’industrie de l’IA. C’est-à-dire : nulle part de clairement défini.

Le droit fédéral américain ne protège pas spécifiquement la ressemblance vocale. Le Tennessee a voté le ELVIS Act en mars 2024, la loi d’État la plus ciblée à ce jour. Le AI Act européen exige une divulgation quand l’IA imite des personnes réelles (Article 50), avec une application qui commence en août 2026.

Si Johansson, avec ses avocats, sa plateforme et sa notoriété, a eu du mal à protéger sa voix face à une entreprise du Fortune 500, je ne sais sincèrement pas ce qu’une personne ordinaire est censée faire.

La voix la plus clonable au monde

Donald Trump.

Des décennies de télévision, radio, meetings, tribunaux, podcasts. Des milliers d’heures en qualité broadcast. Une signature vocale si distinctive qu’un système de synthèse peut la reproduire sur un ordinateur portable en un après-midi.

C’est la cible de clonage vocal la plus facile qui existe. À elle seule, c’est un problème de sécurité nationale.

Des audio générés par IA de Trump tenant des propos fabriqués ont circulé sur les réseaux sociaux tout au long de 2024. Des deepfakes audio et vidéo promouvant des arnaques crypto sont apparus sur YouTube et Telegram, documentés par Bitdefender, Elliptic et plusieurs autres entreprises de cybersécurité. Le FBI IC3 a rapporté 4,57 milliards de dollars de pertes en fraude à l’investissement en 2023, avec le contenu généré par IA comme vecteur croissant (FBI IC3, 2024). Je ne peux pas te dire quelle part exacte est attribuable aux deepfakes Trump. Les données d’attribution n’existent pas encore, et je doute qu’elles existent un jour à la granularité que les gens attendent.

En septembre 2023, la NSA, le FBI et la CISA ont publié une fiche conjointe sur les menaces deepfake visant les organisations. Ça en dit long sur le niveau de sérieux avec lequel le renseignement traite le sujet.

Trois secondes

Tous ces cas suivent un schéma que j’étudie depuis trois ans. Quelques secondes d’audio de référence. Un système de synthèse qui reproduit le caractère vocal d’un locuteur. Un générateur qui produit de la parole dans la voix cible, souvent avec si peu d’artefacts détectables que les indices évidents de 2021 ont tout simplement disparu.

ElevenLabs, Resemble AI, OpenVoice, Coqui TTS. Ce ne sont pas des prototypes. Une étude de University College London a montré que les auditeurs identifiaient correctement la parole synthétique environ 73 % du temps (Mai et al., 2023, PLOS ONE). Pour une question binaire, c’est à peine mieux que le hasard. Pour les clones de haute qualité avec plus d’audio de référence, la précision baissait encore.

Un abonnement de clonage vocal coûte entre 5 et 22 dollars par mois. Les versions open-source sont gratuites. Le calcul tient sur un ordinateur portable.

Voici la partie qui devrait t’inquiéter plus que n’importe quel cas de célébrité. Pas besoin d’être célèbre pour être cloné. Il suffit d’avoir parlé en public, quelque part, quelques secondes. Un message d’accueil de messagerie. Un discours de mariage que quelqu’un a posté. Un reel. La même technologie qui a fabriqué le faux Biden fait tourner l’arnaque dite “au grand-parent”, où un senior reçoit un appel dans la voix exacte de son petit-enfant, paniquée, qui réclame de l’argent tout de suite. Elle fait tourner les faux enlèvements, où un parent entend son propre enfant pleurer pendant qu’un inconnu annonce une rançon. L’enfant va bien, il est à l’école. La voix vient d’un clip public. Ces appels ne font pas la une un par un. Ils arrivent chaque jour.

Je veux être honnête sur un point. La détection n’est pas un problème résolu non plus. Mes propres systèmes atteignent une précision très élevée sur les conditions connues, mais la recherche a montré que certains pipelines codec non vus à l’entraînement peuvent faire chuter la performance à des niveaux proches du hasard sur des données hors distribution. C’est une course aux armements. Les attaquants sont actuellement moins chers et plus rapides que les défenseurs. Je ne suis pas sûr que cet écart se referme de sitôt.

Ce qui doit changer

La fraude vocale deepfake a augmenté de 1 300 % en 2024 selon le rapport Pindrop Voice Intelligence, passant d’environ un incident par mois à sept par jour sur leurs réseaux surveillés. Le même acteur a rapporté une hausse de plus de 1 600 % du vishing deepfake au premier trimestre 2025. Deloitte projette des pertes de 40 milliards de dollars dues à la fraude par IA générative d’ici 2027. La courbe ne s’aplatit pas.

La détection doit se déplacer au point de réception. Pas après l’appel, pas après le virement, pas après l’élection. Au moment où la voix entre dans le système. C’est ce que je construis chez ORAVYS, une plateforme d’intelligence vocale qui fait tourner des milliers de moteurs sur un seul enregistrement et rend une évaluation forensique détaillée. Mais la détection seule reste réactive par nature. Elle te dit qu’une voix est fausse après que quelqu’un ait déjà essayé de l’utiliser.

Les générateurs s’améliorent sans cesse. Chaque mois, les modèles de synthèse progressent. Ils s’adaptent. Ils apprennent à contourner ce que la détection attrape aujourd’hui. La détection est une course qui ne se termine jamais, parce que l’autre camp ne s’arrête jamais de courir.

Le changement fondamental, c’est d’arrêter de demander “est-ce que c’est faux ?” et de commencer à demander “est-ce que c’est prouvé réel ?”

On filigrane les images. On signe les documents. On prend les empreintes digitales aux frontières. Les voix, la forme de communication humaine la plus naturelle et la plus fiable, n’ont aucune preuve d’origine. Pas de signature. Pas de chaîne de garde. C’est ça, le vide.

J’ai construit VoiceSign pour commencer à le combler. C’est un système open-source de watermarking vocal qui permet à un locuteur d’intégrer une signature cryptographique inaudible dans sa voix. Si tu reçois un appel de quelqu’un qui a signé sa voix, tu peux vérifier que c’est bien lui et pas un clone. Si la signature est absente, tu sais qu’il faut être prudent. Pense à ça comme du HTTPS pour la voix humaine.

L’IA peut s’améliorer autant qu’elle veut. Elle peut produire un clone qui sonne de façon indistinguable de l’original. Elle ne pourra jamais générer la signature cryptographique du vrai locuteur. La signature n’est pas dans la voix. Elle est dans les mathématiques. Et les mathématiques se fichent de la qualité de la synthèse.

Cela dit, VoiceSign ne fonctionne que si le locuteur l’adopte. Ça ne protège pas les gens qui n’en ont jamais entendu parler, c’est-à-dire la plupart des gens. La vraie solution, celle à laquelle je reviens sans cesse, est structurelle. Un registre vocal mondial et sécurisé. Un endroit où chaque personne peut déposer son empreinte vocale authentique, chiffrée, reconnue juridiquement. Pas une base de données que n’importe qui peut interroger pour te cloner, l’inverse exactement : un point de référence qui rend le clonage non autorisé traçable et poursuivable.

Si ta voix est enregistrée, tout clone peut être comparé à l’original et signalé. Si un appel arrive en prétendant être toi, le système vérifie contre ton enregistrement. La voix finit rattachée à son propriétaire comme un titre de propriété rattache un bien à une personne.

Ça n’existe pas encore. Ça devrait probablement.

Biden, Drake, Swift, Crosetto, Johansson, Trump. Quelques-unes des voix les plus reconnaissables de la planète, plus un ministre de la Défense dont la voix a servi à vider le compte en banque d’un inconnu. Toutes compromises. Aucune n’a pu l’empêcher, parce que le système a été construit pour faire confiance aux voix, pas pour les vérifier.

Si leurs voix ne sont pas en sécurité, je ne parierais pas sur la tienne. Et l’arnaque au grand-parent prouve déjà qu’elle ne vérifie pas si tu es célèbre.

Eliot Cohen Bacrie est le fondateur d’ORAVYS, la plateforme d’intelligence vocale. Des milliers de moteurs forensiques. Basé en Israël.

oravys.com

Références

Plus d’articles