La violence d’être cloné : et si le deepfake n’était pas qu’un mensonge, mais aussi une atteinte à notre corps numérique ?

Un deepfake est une image, une vidéo ou un son fabriqué à l’aide d’une intelligence artificielle appelée deep learning (un type d’apprentissage automatique qui utilise des réseaux de neurones profonds). Cette technologie permet de reproduire de manière réaliste l’apparence, la voix ou les mouvements d’une personne réelle sans son consentement. Par exemple, elle peut superposer le visage d’une célébrité sur le corps d’une autre personne dans une vidéo pornographique, ou imiter la voix d’un dirigeant politique pour diffuser un faux discours. Les deepfakes sont souvent utilisés à des fins malveillantes, comme la désinformation, la fraude ou le harcèlement. En 2019, 96 % des vidéos deepfake en circulation étaient des contenus pornographiques non consentis. En 2026, des millions de deepfakes à caractère sexuel ont été générés sur la plateforme X grâce à l’outil Grok.

Le corps numérique désigne l’ensemble des éléments qui permettent de nous reconnaître en ligne : visage, voix, gestes, expressions et façon de parler ou de bouger. Ces signaux forment une extension de notre identité physique dans le monde numérique. Par exemple, une vidéo où une personne apparaît avec son visage et sa voix, mais qui a été créée sans son accord, porte atteinte à ce corps numérique. Cette atteinte va au-delà de la simple falsification : elle viole l’intimité et la confiance que les autres placent en nous. Des études montrent que savoir qu’une vidéo est un deepfake n’atténue pas la souffrance de la victime, bien au contraire. En 2018, la journaliste Rana Ayyub a subi une campagne de cyberharcèlement avec des vidéos pornographiques truquées utilisant son image, ce qui a provoqué chez elle un isolement, une anxiété aiguë et un sentiment d’effraction intime.

La synthèse humaine, c’est-à-dire la création numérique de l’apparence d’une personne, existe depuis des décennies. En 1957, la première image numérique a été créée à partir d’un portrait du fils d’un chercheur. Dans les années 1990, le cinéma a commencé à utiliser des avatars numériques, comme dans le film The Crow (1994), où le visage d’un acteur décédé a été superposé sur une doublure avec l’accord de sa famille. En 2007, la chanteuse virtuelle Hatsune Miku, dont la voix est synthétisée à partir d’échantillons enregistrés, a popularisé un modèle où chacun peut créer sa propre musique avec une voix artificielle. Le terme deepfake est apparu en 2017, lorsqu’un utilisateur de Reddit a partagé des vidéos pornographiques utilisant une technique de substitution de visage appelée face swap. Depuis, les techniques se sont améliorées avec l’arrivée des GAN (réseaux antagonistes génératifs) en 2014, des transformers en 2017 et des modèles de diffusion en 2020.

Les protections juridiques contre les deepfakes sont aujourd’hui fragmentées et souvent inefficaces. En France, la loi SREN de 2024 sanctionne la diffusion d’un deepfake, mais pas l’atteinte à l’identité numérique en elle-même. L’AI Act européen, appliqué depuis août 2026, impose de signaler les contenus générés par IA pour informer le public, mais ne protège pas l’intégrité de la personne représentée. Aux États-Unis, des comédiens comme Scarlett Johansson ou Matthew McConaughey ont dû déposer leur voix et leur image pour se protéger des abus d’entreprises comme OpenAI ou des plateformes de clonage vocal. Cependant, renforcer ces protections soulève un dilemme : comment éviter d’étouffer la liberté d’expression et la satire, comme le souligne l’Electronic Frontier Foundation (EFF), une organisation de défense des droits numériques.

Pour mieux protéger l’identité numérique, des solutions existent. Le Danemark a proposé d’accorder à chacun un droit direct sur son visage, sa voix et son corps, rendant illicite l’usage de ces éléments sans accord. Cette approche vise à faire du consentement un droit à part entière. D’autres initiatives, comme le standard C2PA, permettent d’attacher aux médias des métadonnées infalsifiables sur leur provenance, renforçant la traçabilité. En France, le projet BeepFake, mené par l’Inria, cherche à protéger images, voix et vidéos avant leur diffusion en perturbant leur clonage par des modèles génératifs non autorisés. L’objectif est de rendre le détournement plus difficile et de redonner aux personnes une capacité d’action sur leur identité numérique.