Clonage vocal par IA : peut-on encore croire une voix ?
Votre téléphone sonne. Au bout du fil, vous reconnaissez immédiatement la voix d’un proche. Il semble paniqué, affirme avoir eu un accident et vous demande de lui envoyer rapidement de l’argent. Tout paraît crédible. La voix, les intonations, les hésitations… Pourtant, cette personne ne vous a jamais appelé.
Ce scénario ressemble encore à une mauvaise série télévisée. Il est pourtant devenu techniquement possible grâce au clonage vocal par intelligence artificielle. Quelques extraits publiés sur les réseaux sociaux, dans une vidéo ou dans un message vocal peuvent suffire à fabriquer une imitation troublante.
Pendant des décennies, nous avons appris à nous méfier des courriels douteux, des faux sites bancaires et des messages remplis de fautes. Une voix familière restait, elle, une forme de preuve. Cette certitude est aujourd’hui en train de disparaître.
Qu’est-ce que le clonage vocal par IA ?
Le clonage vocal consiste à analyser les caractéristiques d’une voix humaine pour pouvoir ensuite la reproduire artificiellement. Le système étudie notamment le timbre, le rythme, la prononciation, l’accent et les intonations.
Une fois le modèle créé, il devient possible de faire prononcer à cette voix des phrases que la personne réelle n’a jamais dites. Il suffit de saisir un texte ou, avec certains systèmes, de parler soi-même pour que sa propre voix soit transformée en celle de la personne imitée.
Cette technologie n’est pas mauvaise en elle-même. Elle possède des usages parfaitement légitimes. Elle peut aider une personne qui perd l’usage de la parole, doubler un film dans une autre langue, corriger une prise de son ou créer une voix de synthèse personnalisée.
Elle peut aussi servir à reconstituer une voix historique, à produire des livres audio ou à faciliter le travail des comédiens et des créateurs. Mais comme souvent, un outil utile peut également devenir une arme lorsqu’il est utilisé pour tromper.
La CNIL classe d’ailleurs les contenus audio créés ou modifiés par intelligence artificielle parmi les hypertrucages, plus connus sous le nom anglais de deepfakes. Leur réalisme croissant les rend de plus en plus difficiles à distinguer d’un enregistrement authentique.
L’arnaque au proche en détresse
L’arnaque la plus redoutable repose sur une mécanique très simple : provoquer une émotion forte pour empêcher la victime de réfléchir.
Un parent reçoit l’appel de son fils, de sa fille ou de son petit-enfant. La personne explique qu’elle vient d’avoir un accident, qu’elle a perdu son téléphone, qu’elle se trouve au commissariat ou qu’elle doit régler une dépense urgente.
La communication peut être mauvaise. La voix semble étouffée, l’appel très court et la personne particulièrement agitée. Ces défauts ne rendent pas nécessairement l’appel moins crédible. Ils peuvent au contraire justifier les imperfections de la voix artificielle.
Le fraudeur demande ensuite un virement immédiat, l’achat de cartes prépayées, un paiement en cryptomonnaie ou la transmission d’informations bancaires.
La Federal Trade Commission américaine avertit depuis plusieurs années qu’un escroc peut récupérer un court extrait vocal publié en ligne, cloner la voix d’un proche et l’utiliser dans une fausse situation d’urgence. Son principal conseil est très clair : ne jamais considérer la voix entendue comme une preuve suffisante et rappeler directement la personne sur son numéro habituel.
En France, le ministère de l’Intérieur cite désormais explicitement le clonage vocal parmi les arnaques utilisant l’intelligence artificielle. Il explique que des enregistrements récupérés sur les réseaux sociaux peuvent servir à créer des messages semblant provenir d’un ami ou d’un membre de la famille.
Lire à ce sujet sur le site du Ministère de l’Intérieur
Comment les fraudeurs récupèrent-ils une voix ?
Nous publions beaucoup plus souvent notre voix que nous ne l’imaginons.
Elle peut apparaître dans une vidéo Facebook, un entretien, un podcast, un message partagé sur WhatsApp, une story Instagram, une chaîne YouTube ou une simple vidéo d’anniversaire.
Les artistes, enseignants, responsables associatifs, commerçants, élus, dirigeants d’entreprise et créateurs de contenus disposent souvent de dizaines d’enregistrements publics. Un fraudeur n’a donc pas forcément besoin de pirater un téléphone ou un ordinateur. Il peut simplement exploiter ce qui est déjà librement accessible.
La voix seule n’est cependant qu’un élément du scénario. Pour rendre l’arnaque convaincante, les escrocs recueillent aussi des informations personnelles : noms des proches, profession, lieu de résidence, habitudes, vacances, événements familiaux ou relations professionnelles.
Une personne qui publie une photo depuis l’étranger peut par exemple fournir involontairement un excellent prétexte à un faux appel d’urgence.
Il faut enfin ajouter l’usurpation du numéro de téléphone. Une technique appelée spoofing permet de faire apparaître un numéro falsifié sur l’écran du destinataire. Le simple fait que le numéro semble connu ou officiel ne garantit donc pas que l’appel provient réellement de son propriétaire. Europol alerte régulièrement sur cette manipulation de l’identité de l’appelant.
Peut-on reconnaître une voix artificielle ?
On aimerait pouvoir répondre oui. Les voix artificielles ont parfois des défauts : respiration irrégulière, émotion mal placée, rythme mécanique, hésitations étranges ou prononciation trop parfaite.
Mais compter uniquement sur son oreille devient dangereux.
La qualité des générateurs progresse rapidement. Le son médiocre d’un téléphone, une mauvaise connexion, un bruit de fond ou une voix volontairement affolée peuvent masquer les anomalies.
La question à se poser n’est donc plus seulement : « Cette voix semble-t-elle vraie ? »
Il faut plutôt se demander :
- Pourquoi cette personne m’appelle-t-elle depuis un numéro inhabituel ?
- Pourquoi exige-t-elle une réponse immédiate ?
- Pourquoi refuse-t-elle que je rappelle ?
- Pourquoi demande-t-elle un moyen de paiement inhabituel ?
- Pourquoi me demande-t-elle de garder le secret ?
La pression, l’urgence et la peur sont souvent des signaux plus révélateurs que les défauts techniques de l’enregistrement. Europol recommande précisément de se méfier des communications qui provoquent une détresse émotionnelle et poussent à agir sans laisser le temps de vérifier.
Les bons réflexes pour ne pas se faire piéger
Face à un appel inquiétant, la meilleure protection reste une procédure très simple.
Raccrocher et rappeler
Il faut interrompre l’appel, même si la personne demande de ne surtout pas le faire. Rappelez ensuite votre proche en utilisant le numéro déjà enregistré dans vos contacts.
N’utilisez jamais un numéro dicté pendant la conversation ou envoyé immédiatement après par SMS.
Passer par un autre canal
Si la personne ne répond pas, contactez un autre membre de la famille, un ami, un collègue ou l’établissement dans lequel elle affirme se trouver.
Une vérification de quelques minutes peut éviter une perte financière importante.
Poser une question personnelle
Demandez une information que peu de personnes connaissent et qui ne figure pas sur les réseaux sociaux.
Évitez les questions faciles à deviner, comme une date de naissance, le nom d’un animal ou une adresse. Ces renseignements sont souvent déjà disponibles en ligne.
Refuser l’urgence financière
Un appel qui exige immédiatement des cartes cadeaux, des coupons prépayés, des cryptomonnaies ou un virement vers un nouveau compte doit éveiller les soupçons.
Aucune situation sérieuse ne devrait interdire une vérification préalable.
Ne transmettre aucun code
Une banque, une administration ou un service de police ne vous demandera pas de communiquer par téléphone un mot de passe, un code reçu par SMS ou les identifiants complets d’un compte.
Conserver les preuves
En cas de tentative d’arnaque, conservez le numéro, les messages, les coordonnées bancaires, les captures d’écran et l’heure des appels. Ces éléments pourront être utiles pour effectuer un signalement ou déposer plainte.
Le mot secret familial
L’une des protections les plus simples consiste à choisir un mot secret connu uniquement des membres de la famille.
Ce mot peut être demandé lorsqu’un proche appelle depuis un numéro inhabituel ou réclame une aide urgente. Il ne doit pas correspondre au nom d’un animal, à une date de naissance ou à une information visible sur Internet.
Il peut s’agir d’un mot absurde, d’une expression inventée ou d’un souvenir familial qui n’a jamais été publié.
Cette précaution peut sembler excessive. Pourtant, elle ne coûte rien et peut devenir aussi naturelle que le code d’une carte bancaire.
Il faut également convenir d’une règle commune : aucune demande d’argent urgente ne doit être exécutée sans une seconde vérification.
Les artistes et les musiciens sont-ils plus exposés ?
Les musiciens, chanteurs, comédiens, conférenciers et créateurs de contenus sont particulièrement concernés parce qu’ils diffusent beaucoup d’enregistrements de leur voix.
Un chanteur peut posséder des heures d’interviews, de concerts, de répétitions filmées et de publications sur les réseaux sociaux. Un musicien qui présente ses concerts en vidéo laisse lui aussi suffisamment de matière pour entraîner un système d’imitation.
Le risque ne se limite pas à l’arnaque familiale. Une fausse voix peut servir à :
- annoncer un concert qui n’existe pas ;
- solliciter de l’argent auprès d’un organisateur ;
- demander un changement de coordonnées bancaires ;
- faire croire à une déclaration embarrassante ;
- valider une fausse collaboration ;
- imiter un dirigeant pour ordonner un paiement ;
- faire chanter artificiellement un artiste sur un morceau qu’il n’a jamais interprété.
Les entreprises sont elles aussi visées. Une voix imitant un dirigeant peut demander à un salarié de régler une facture confidentielle ou d’effectuer un virement présenté comme exceptionnel. La FTC cite le clonage vocal de dirigeants parmi les usages frauduleux les plus préoccupants.
Pour les professionnels de la musique, une nouvelle question apparaît : une voix enregistrée est-elle seulement un son, ou constitue-t-elle une part de l’identité de l’interprète ?
Peut-on protéger sa voix ?
Il est presque impossible de supprimer toute trace vocale d’Internet, surtout pour une personne dont l’activité repose sur la communication ou la création artistique.
Se taire en ligne n’est donc pas une solution réaliste. Il faut plutôt limiter les informations qui permettent de construire un scénario crédible autour de la voix.
Quelques précautions peuvent réduire les risques :
- éviter de publier publiquement des informations trop précises sur ses déplacements ;
- limiter l’accès aux contenus familiaux ;
- vérifier les paramètres de confidentialité des réseaux sociaux ;
- sensibiliser ses proches et ses collaborateurs ;
- mettre en place une procédure pour tout changement de coordonnées bancaires ;
- confirmer les demandes financières par un second moyen de communication ;
- surveiller les faux comptes utilisant son nom ou son image.
La voix est considérée comme une donnée personnelle lorsqu’elle permet d’identifier une personne. Elle peut révéler bien davantage que les mots prononcés : l’identité, l’âge approximatif, l’état émotionnel, l’accent ou parfois certaines informations sensibles. La CNIL rappelle depuis plusieurs années cette dimension personnelle de la voix.
Le règlement européen sur l’intelligence artificielle prévoit également des obligations de transparence pour certains contenus audio, vidéo, image ou texte générés artificiellement. Mais un fraudeur n’a évidemment aucune raison de respecter une obligation d’étiquetage. La réglementation est indispensable, mais elle ne remplacera jamais la vigilance.
La fin de la confiance automatique
Le clonage vocal ne signifie pas que nous devons soupçonner chacun de nos proches à chaque appel. Il nous oblige simplement à abandonner une vieille habitude : considérer qu’une voix familière suffit à prouver une identité.
Nous avons déjà appris à ne plus croire automatiquement une photographie. Nous commençons à nous méfier des vidéos spectaculaires et des captures d’écran. Il faudra désormais appliquer la même prudence aux enregistrements sonores.
La conséquence est plus profonde qu’un simple problème technique. La voix possède une dimension intime. Nous la reconnaissons parfois avant même de comprendre les mots. Elle nous rassure, nous émeut et nous relie aux autres.
C’est précisément cette confiance que les fraudeurs cherchent à exploiter.
La meilleure défense ne consiste donc pas à devenir expert en intelligence artificielle. Elle tient en trois gestes simples : interrompre l’appel, vérifier par un autre moyen et ne jamais envoyer d’argent sous la pression.
Demain, entendre la voix d’un proche ne signifiera plus nécessairement que ce proche est au bout du fil. La question ne sera plus seulement « Est-ce bien sa voix ? », mais « Comment puis-je vérifier que c’est bien lui ? »
