Cinq questions à poser devant une statistique d'exposition aux deepfakes

Les statistiques d'exposition aux contenus synthétiques circulent vite, parce qu'elles condensent en un pourcentage une inquiétude difficile à formuler autrement. Elles servent d'ouverture à des notes internes, de justification à des budgets de sensibilisation, parfois d'argument dans un débat réglementaire. Le problème n'est pas leur existence : ces enquêtes documentent un phénomène réel et il en faut. Le problème est l'usage qui en est fait, presque toujours détaché des conditions de production du chiffre.

Le cas est fourni par une donnée largement reprise. Sada Elbalad rapporte que 43 % des adultes britanniques et 50 % des enfants déclarent avoir rencontré au moins un deepfake, tandis que la capacité de détection humaine diminue à mesure que la technologie progresse : seules 10 % des personnes se disent capables d'identifier un contenu synthétique. Il en résulterait un dividende du menteur, par lequel des preuves authentiques peuvent être rejetées comme fabriquées.

Le Fil de la Veille a rapporté ces chiffres et leur circulation. Ce repère fait un autre travail : il propose cinq questions à poser systématiquement devant une statistique d'exposition, quelle qu'en soit la source. Aucune ne vise à disqualifier l'enquête. Toutes servent à établir ce que le chiffre autorise à conclure, et surtout ce qu'il n'autorise pas, avant qu'il ne devienne la première ligne d'une présentation au comité de direction.

Première question : que mesure exactement le verbe employé

Rencontrer un deepfake n'est pas une observation, c'est une reconnaissance. La personne interrogée déclare avoir croisé un contenu qu'elle a identifié comme synthétique, ou dont on lui a dit qu'il l'était. Le chiffre mesure donc une conjonction : la présence du contenu et la conscience qu'en a eu la personne. Deux populations exposées de façon identique produiront des taux différents selon leur niveau d'information, ce qui rend l'indicateur sensible à la couverture médiatique du sujet.

Cette sensibilité produit un effet contre-intuitif. Une campagne de sensibilisation efficace fait mécaniquement monter le taux d'exposition déclarée, sans que l'exposition réelle ait bougé. Une hausse d'une année sur l'autre se lit donc de deux façons opposées, progression du phénomène ou progression de sa reconnaissance, et rien dans le chiffre lui-même ne permet de trancher. Les séries longues doivent être lues avec cette ambiguïté en tête.

La difficulté est aggravée par le flottement du terme. Selon les enquêtes, un deepfake désigne une vidéo de substitution de visage, tout contenu généré par un modèle, une voix clonée, ou plus largement une image trompeuse. Une question qui ne donne pas de définition laisse chaque répondant appliquer la sienne, et l'agrégat additionne alors des objets hétérogènes. Vérifier le libellé exact de la question posée est le premier réflexe utile.

Deuxième question : qui déclare, et selon quel protocole

Un pourcentage sans description d'échantillon n'est pas exploitable. Trois éléments comptent : la taille, la méthode de recrutement et le mode d'administration. Un panel en ligne rémunéré surreprésente les usages numériques intensifs, donc l'exposition. Un échantillon représentatif de la population générale corrige ce biais mais mesure moins finement les usages spécifiques. Le mode d'administration compte également : une question posée par un enquêteur produit d'autres réponses qu'un questionnaire auto-administré.

La comparaison entre adultes et enfants illustre le point. Un écart de sept points entre les deux populations, comme celui que rapporte Sada Elbalad, se lit différemment selon que les enfants ont répondu eux-mêmes ou que leurs parents ont répondu pour eux. Dans le second cas, le chiffre mesure la perception parentale de l'exposition, un objet distinct. Cette précision figure toujours dans le rapport d'origine, rarement dans les reprises.

Le point n'est pas de suspecter chaque enquête. Il est d'exiger l'accès au document méthodologique avant de citer le chiffre dans un support interne. Une note de veille qui reprend un pourcentage sans en indiquer l'échantillon, la date de collecte et le commanditaire transmet une information que son destinataire ne saura pas pondérer, et l'expose à une contradiction publique lorsque le chiffre sera contesté.

Troisième question : sur quelle période et dans quel univers

Une exposition se mesure toujours dans une fenêtre. Avoir rencontré au moins un contenu synthétique au cours de sa vie, au cours des douze derniers mois ou au cours du mois écoulé produit trois chiffres sans rapport entre eux. La formule au moins un, très fréquente, cumule par construction : elle monte mécaniquement avec le temps et ne redescend jamais. Elle décrit donc un stock, pas une intensité d'exposition.

L'univers de référence pose une difficulté symétrique. Les enquêtes portent en général sur la population connectée d'un pays donné, ce qui interdit toute transposition directe à un autre contexte national, à un secteur professionnel ou à un public interne. Un taux britannique décrit un écosystème médiatique, des plateformes dominantes et un niveau d'exposition politique particuliers. L'appliquer à une population d'entreprise française relève de l'analogie, et doit être présenté comme telle.

Un pourcentage sans fenêtre temporelle et sans définition du terme mesuré n'est pas un résultat : c'est une impression collective mise en forme.

Quatrième question : que vaut une auto-évaluation de capacité

La donnée la plus reprise est souvent la plus fragile. Déclarer que l'on saurait identifier un contenu synthétique n'établit rien sur la capacité effective à le faire : c'est une mesure de confiance en soi, pas une mesure de performance. Seul un protocole expérimental, exposant les participants à des contenus authentiques et fabriqués mélangés, mesure une capacité réelle. Les deux grandeurs portent des noms proches et décrivent des choses différentes.

Cette confusion produit des conclusions inversées. Un taux d'auto-confiance faible, comme les 10 % rapportés par Sada Elbalad, se lit comme une population lucide sur ses limites, ce qui est plutôt une bonne nouvelle pour un programme de sensibilisation. Un taux élevé signalerait au contraire un excès de confiance, plus dangereux, puisqu'une personne certaine de savoir détecter vérifie moins. Le chiffre bas n'est donc pas le mauvais résultat qu'il paraît être.

Pour une organisation, la conséquence pratique est nette : ne jamais construire un dispositif de vérification sur l'hypothèse d'une détection humaine, quel que soit le niveau déclaré. Les procédures qui tiennent reposent sur la vérification de l'origine, le rappel par un canal indépendant et la double validation des ordres sensibles, trois mécanismes indifférents à la qualité visuelle du contenu et à l'acuité de celui qui le regarde.

Cinquième question : quelle décision le chiffre autorise

Le passage de la statistique à la décision suppose une hypothèse intermédiaire, presque jamais formulée. Entre une exposition déclarée et un risque organisationnel s'intercalent plusieurs maillons : la probabilité qu'un contenu vise l'organisation, la probabilité qu'il atteigne un destinataire décisif, et la probabilité qu'il déclenche un acte dommageable. Chacun de ces maillons appelle une évaluation propre, et aucun ne se déduit du taux d'exposition en population générale.

Le dividende du menteur, mentionné par Sada Elbalad, illustre le maillon le plus souvent omis. Son effet ne porte pas sur les faux, mais sur les vrais : dès lors que la fabrication est plausible pour tous, une preuve authentique devient contestable. La conséquence pour une organisation n'est donc pas seulement de détecter les contenus fabriqués, mais d'être capable d'établir l'authenticité des siens, ce qui relève de la chaîne de garde et non de la détection.

Ce raisonnement suppose une matière d'observation continue plutôt qu'un sondage annuel. NewsCore (www.newscore.fr) couvre en continu des millions de sources en plusieurs langues, détecte les reprises d'un même contenu et fait remonter les signaux pertinents en temps réel avec le lien vers la publication d'origine. La statistique d'enquête garde alors sa place, celle du cadrage général, et l'observation directe fournit ce qui manque au pourcentage : la mesure de l'exposition propre à l'organisation.

Questions fréquentes

Pourquoi les statistiques d'exposition aux deepfakes varient-elles autant d'une enquête à l'autre ?

Trois causes se combinent. La définition du terme change : certaines enquêtes retiennent la seule vidéo de substitution de visage, d'autres tout contenu généré, ce qui fait varier le résultat du simple au triple. La fenêtre temporelle change également, entre exposition au cours de la vie et exposition au cours du mois écoulé. Le mode de recrutement, enfin, oriente la population interrogée vers des usages numériques plus ou moins intensifs. Deux chiffres différents ne se contredisent pas nécessairement : ils mesurent souvent deux objets distincts.

Peut-on utiliser un chiffre étranger pour cadrer un risque en France ?

Oui, à titre d'ordre de grandeur, et à condition de le présenter comme tel. Un taux britannique documente un écosystème médiatique particulier, avec ses plateformes dominantes et son intensité de débat politique. La transposition est acceptable pour situer un ordre de grandeur et justifier l'attention portée au sujet. Elle devient trompeuse dès qu'elle sert de base à un dimensionnement budgétaire ou à un objectif chiffré, qui demandent une mesure conduite sur la population réellement concernée.

Comment mesurer l'exposition réelle de sa propre organisation ?

Par observation plutôt que par déclaration. Trois sources de données existent en interne : les signalements remontés par les collaborateurs, dont le volume dépend surtout de la simplicité du canal de signalement, les incidents traités par la sécurité et les tentatives de fraude documentées. À cela s'ajoute une surveillance externe des contenus mentionnant l'organisation, ses marques et ses dirigeants. La combinaison de ces quatre flux donne une mesure imparfaite mais propre à l'entité, largement supérieure à un pourcentage national.

Faut-il former les équipes à reconnaître visuellement un contenu synthétique ?

Marginalement, et sans en faire le cœur du dispositif. Les indices visuels utilisés dans les formations vieillissent au rythme des modèles de génération, si bien qu'une session enseigne des repères périmés en quelques mois. La formation utile porte sur les procédures : identifier les demandes qui exigent un rappel par un canal indépendant, connaître le circuit de signalement interne, savoir qui décide en cas de doute. Ces réflexes restent valables quel que soit le niveau de réalisme atteint par les contenus fabriqués.