Les deepfakes vidéo deviennent plus difficiles à détecter

Les outils de détection de deepfakes vidéo ne suivent plus le rythme des générateurs les plus récents, selon un papier mené par des chercheurs ukrainiens et publié en septembre 2026. Leur benchmark DF26 montre une chute nette des performances des détecteurs historiques face à des vidéos produites par des modèles ouverts comme Wan 2.2 ou HunyuanVideo, mais aussi par des services fermés comme Grok Imagine ou Kling. Pour les usages de communication, d’information ou de fraude, le signal est clair : ce qui fonctionnait sur les deepfakes de 2019 ne suffit plus.

Un test conçu pour les vidéos qui ressemblent à la vie ordinaire

DF26, le nouveau jeu de données décrit dans l’étude, rassemble 2 691 vidéos réparties entre trois scénarios : prise de parole face caméra, déclaration officielle et entretien en studio. Les chercheurs ont construit l’ensemble comme un jeu de test “hold-out”, c’est-à-dire un corpus réservé à l’évaluation de contenus jamais vus pendant l’entraînement. Cela vise un point sensible : les vidéos de type talking head, très proches des formats utilisés par les influenceurs, les chaînes d’info ou certains faux appels vidéo.

Le corpus part de 271 clips réels issus notamment d’OpenVid, TalkingCelebs et MAVOS-DD, puis génère 2 420 clips synthétiques à partir de prompts alignés sur les scènes observées. Les auteurs ont aussi écarté les textes incrustés, les séquences avec plusieurs visages et les indices trop faciles, comme certains filigranes IA. Le tout a été produit avec sept modèles de génération vidéo, en open source comme en version commerciale, sur une base technique alimentée par un GPU NVIDIA H200.

Les détecteurs hérités de FaceForensics++ perdent l’avantage

Le cœur du résultat tient en une phrase : les détecteurs entraînés sur des jeux de données plus anciens, notamment FaceForensics++, ne tiennent plus face aux vidéos de DF26. Dans les tests, les meilleurs modèles atteignent encore de bons scores sur CelebDF++, avec des AUROC temporaires à 94,3 et 92,3 selon l’étude, puis chutent à 48,2 et 61,6 sur DF26. Dans le même ensemble, le meilleur score observé ne dépasse pas 69,7 AUROC [à vérifier selon la configuration exacte du modèle].

Autrement dit, la plupart des méthodes restent proches du hasard dès qu’elles affrontent les dernières générations de vidéo générative. Les chercheurs notent aussi que les performances varient fortement selon le générateur utilisé. Certains détecteurs apprennent donc moins une signature générale du faux vidéo qu’une empreinte propre à un modèle donné. Ce n’est pas idéal pour un outil censé reconnaître le mensonge en blouse blanche.

Le vrai problème n’est plus seulement le visage

Les méthodes de détection les plus anciennes ont été pensées pour des deepfakes de substitution faciale : on remplaçait le visage, parfois la tête entière, dans une vidéo réelle. Cette logique remonte aux premiers deepfakes apparus fin 2017, puis a rapidement montré ses limites face aux modèles de diffusion, devenus beaucoup plus performants en 2024 et 2025. DF26 change la donne car il évalue le cadre entier de la vidéo, pas seulement le visage.

Les auteurs insistent sur un point : les scènes choisies imitent des contextes de confiance, comme un témoignage caméra, une interview ou une prise de parole publique. C’est précisément là que les contenus synthétiques peuvent être les plus trompeurs. Les plateformes de détection, elles, restent parfois prisonnières d’un monde où un simple désalignement des lèvres suffisait à alerter tout le monde. Ce temps-là est passé.

Les humains ne font pas vraiment mieux

L’étude a aussi testé des participants humains sur 232 sessions de classification. Résultat : l’identification des vidéos réelles reste relativement stable, avec 76,0 % de bonne réponse sur DF26, contre 75,5 % sur CelebDF++ et 72,8 % sur DeepSpeak v2. En revanche, la détection des vidéos fausses tombe à 52,6 % sur DF26, contre 74,5 % et 69,8 % sur les deux corpus plus anciens.

Les chercheurs en tirent une conclusion prudente : les participants ne sont pas systématiquement perdus, mais ils ne repèrent plus facilement les indices visibles du faux dans les vidéos les plus récentes. Le regard humain garde donc une utilité, mais pas une fiabilité confortable. À ce stade, le “je le sens” n’est pas une méthode d’audit.

Ce que cela change pour la sécurité et la régulation

Le papier ne dit pas que toute détection est devenue impossible. Il montre plutôt qu’un outil entraîné sur des données anciennes peut donner une illusion de sécurité. Dans un contexte de fraude, de désinformation ou de manipulation d’image publique, cette nuance compte beaucoup. Les entreprises, les plateformes et les équipes de modération devront sans doute réentraîner leurs modèles plus souvent, avec des corpus plus récents et plus variés.

La portée est aussi réglementaire. Si les détecteurs commerciaux reposent encore sur des jeux de données datés, leur valeur probante baisse mécaniquement. Et quand les vidéos proviennent de modèles fermés, de modèles open source ou de plateformes avec des garde-fous différents, le problème n’est plus seulement technique. Il devient opérationnel, avec une vraie question de gouvernance de la preuve. Le deepfake n’est plus un truc de laboratoire qui clignote en rouge au premier défaut ; il s’invite dans les flux ordinaires.