Le visage de votre directeur financier coûte 50 $ à falsifier. Vos contrôles de virement n'étaient pas conçus pour cela.

La première fois que j'ai essayé de tromper l'un de ces outils de détection, cela m'a pris un après-midi et environ cinquante dollars.

J'ai récupéré des conférences publiques d'un collègue sur YouTube, les ai passées dans un modèle d'échange de visage tournant sur une carte graphique grand public, et j'ai dirigé la sortie vers une caméra virtuelle. Puis j'ai rejoint un appel vidéo de test en tant que quelqu'un que je ne suis pas. Le plug-in de « détection de deepfakes » que nous évaluions était là, voyant au vert allumé, parfaitement satisfait. Il avait été conçu pour attraper quelqu'un tenant une photo imprimée devant une webcam. Je lui avais fourni un flux synthétique propre directement dans le flux de données, et il n'a jamais regardé la bonne chose.

Cet après-midi résume tout le problème de la détection des deepfakes en entreprise en une seule scène. Les outils sont réels, certains sont bons, et presque aucun ne vous protège de l'attaque qui vide réellement les comptes bancaires des entreprises. La défense qui fonctionne n'est pas un outil du tout. C'est la chose pour laquelle j'ai passé l'année suivante à convaincre les directeurs financiers qu'ils en avaient besoin — et qu'on ne pouvait pas acheter sur une place de marché — la raison pour laquelle nous avons fini par construire une pratique de défense contre les deepfakes en couches chez Veriprajna au lieu de revendre le plug-in de quelqu'un d'autre.

Laissez-moi vous raconter comment j'en suis arrivé là, parce que j'ai commencé en croyant le contraire.

Je pensais que c'était un problème de détection. Ce n'est pas le cas.

Quand j'ai regardé pour la première fois la fraude par deepfake en entreprise, j'ai fait ce que fait tout technologue : j'ai supposé que c'était un problème de précision qui n'attendait qu'un meilleur modèle. Acheter le meilleur détecteur, le brancher dans Zoom, terminé. Attraper le faux visage, arrêter la fraude.

Alors je suis parti à la recherche du meilleur détecteur. Et plus je lisais en profondeur, plus le sol se dérobait sous ce plan.

Le chiffre qui a brisé mon hypothèse est sorti des travaux de référentiel 2025 de Purdue : les outils de détection qui annoncent 96 à 99 pour cent de précision en laboratoire chutent à 50 à 65 pour cent en production réelle. Relisez cela avec le cerveau d'un directeur financier. Cinquante pour cent, c'est un pile ou face. Soixante-cinq pour cent signifie qu'un faux sur trois passe. On vous demande de miser un virement — parfois un virement à huit chiffres — sur une alerte probabiliste qui a tort un tiers du temps.

Un détecteur juste deux fois sur trois est un excellent résultat de recherche et un contrôle catastrophique. Vous ne pouvez pas placer un pile ou face sur le chemin d'autorisation d'argent qui ne revient pas.

J'ai digéré cela un moment. L'instinct en sécurité est toujours de courir après le meilleur modèle. Mais aucun chiffre de précision ne rend acceptable « la machine pense que ce visage est probablement réel » comme base pour déplacer de l'argent. Même 99 pour cent ne suffirait pas — parce que l'attaquant n'a besoin de gagner qu'une seule fois, et c'est lui qui choisit le jour.

C'était la première chose que j'avais mal comprise, et l'admettre a tout changé dans ce que nous avons construit ensuite.

Comment fonctionne réellement un appel deepfake de 25,6 millions de dollars ?

Le cas que tout le monde dans ce domaine étudie est Arup, le cabinet d'ingénierie mondial, en février 2024. Un employé financier à Hong Kong a rejoint un appel vidéo avec le directeur financier de l'entreprise et plusieurs autres cadres dirigeants, a discuté d'une transaction confidentielle, et au cours des jours suivants a exécuté quinze virements totalisant $25.6 million vers cinq comptes bancaires à Hong Kong.

Chaque personne sur cet appel, sauf la victime, était synthétique.

Ce qui me frappe chez Arup, ce n'est pas la technologie. C'est à quel point ordinaire était le parcours. Les attaquants ont récolté des vidéos et de l'audio publics des dirigeants — YouTube, enregistrements de conférences, LinkedIn — et ont entraîné des modèles génératifs pour reproduire non seulement les visages, mais l'intonation et les micro-expressions. Le coût des données d'entraînement était zéro, parce que nous publions nous-mêmes les visages de nos dirigeants. L'entraînement du modèle a tourné sur du matériel grand public pour moins de cinquante dollars.

Puis est venue la partie que la plupart des défenses manquent. L'employé était sceptique au début — bon instinct — alors les attaquants ont escaladé de l'e-mail à un appel vidéo, parce que voir des visages familiers est exactement ce qui neutralise le scepticisme. Et ils ont injecté la vidéo synthétique avec un logiciel de caméra virtuelle, des outils comme OBS VirtualCam ou le Deepfake Offensive Toolkit open source, alimentant des images fabriquées directement dans le flux de conférence.

C'est la distinction par laquelle j'ouvre désormais chaque conversation avec un RSSI, parce que c'est celle qui détermine si votre argent est en sécurité :

Une attaque par présentation tient quelque chose devant une caméra. Une attaque par injection contourne entièrement la caméra. Les contrôles de vivacité attrapent la première et ne voient jamais la seconde.

La plupart de la « détection de deepfakes » sur le marché — les contrôles de vivacité biométrique façon iProov conçus pour l'onboarding d'identité, les outils qui vous demandent de tourner la tête ou de suivre une lumière — sont conçus pour les attaques par présentation. Ils sont vraiment bons pour ça ; la technologie Flashmark d'iProov est certifiée NIST exactement pour ce travail. Mais une attaque par injection remet à l'application de conférence un flux synthétique qui ressemble à une entrée matérielle légitime, et la logique de vivacité en amont est contente. Les attaques par injection ont augmenté de 255 pour cent en 2023 pour une raison. C'est ainsi que l'on bat les défenses que les entreprises viennent d'acheter.

Pas de malware. Pas d'identifiants volés. Pas de réseau compromis. La seule chose compromise chez Arup, c'était la confiance dans ce qu'une personne voyait et entendait sur un écran.

Pourquoi un seul fournisseur ne peut-il pas simplement arrêter cela ?

Une fois que j'ai compris l'attaque, j'ai commencé à cartographier le paysage des fournisseurs pour voir qui pourrait l'arrêter. J'ai construit un tableur — modalité, intégration plateforme, ce pour quoi chaque outil est réellement bon, et surtout, où chacun casse. Il est devenu long très vite, et la conclusion était inconfortable pour quiconque espérait rédiger un seul bon de commande.

Reality Defender fait de la surveillance multimodale en temps réel dans Zoom, mais son analyse côté serveur ajoute de la latence aller-retour à chaque image, et parce qu'il inspecte le contenu plutôt que le chemin de la caméra, sa couverture des attaques par injection est mince — un flux synthétique propre se lit encore comme une entrée légitime. Pindrop est excellent sur la voix — il a documenté la hausse de 1 300 pour cent de la fraude par deepfake et c'est la raison pour laquelle je prends l'audio au sérieux — mais il n'analyse pas du tout le flux vidéo. GetReal Security corrèle les signaux biométriques, comportementaux et contextuels pendant un appel en direct, ce qui est plus proche de la bonne forme, mais c'est un nouvel entrant sur une Series A de 17,5 millions de dollars avec un historique limité à l'échelle entreprise. RealityCheck de Beyond Identity vérifie que le flux de la webcam provient d'un matériel physique — directement pertinent pour l'injection — mais c'est au niveau de l'appareil et ne regarde pas le contenu. Adaptive Security mène des formations de simulation de deepfakes pour les employés, ce qui compte, mais la formation n'est pas un contrôle ; elle ne bloque rien.

Je pourrais continuer. Le point, c'est la forme, pas le catalogue : couverture vidéo ici, audio là, vivacité dans un troisième endroit, attestation d'appareil dans un quatrième, et les écarts entre eux sont exactement là où un attaquant compétent vit.

Et puis il y a la réponse du conseil. Les Big Four et les grands intégrateurs mèneront volontiers une mission deepfake — pour $500,000 to $5 million — et vous remettront un cadre de gouvernance et un deck pour le conseil. Aucun outil de détection. Ils recommanderont les fournisseurs ci-dessus ; ils construisent ou intègrent rarement quoi que ce soit. J'ai lu ces livrables. Ils n'ont pas tort. Ils ne sont simplement pas une défense.

Aucun fournisseur unique ne couvre la vidéo, l'audio, le comportement et le processus humain. Quelqu'un doit architecturer les coutures entre eux. Ce quelqu'un, c'est généralement personne, c'est pourquoi les coutures sont l'endroit où l'argent part.

Le contrôle qui ne coûte rien et qui arrête tout

C'est là que ma pensée a basculé complètement.

J'avais passé des semaines plongé dans la précision de détection, les modalités des fournisseurs, la taxonomie injection-contre-présentation. Et la réponse à « qu'est-ce qui aurait arrêté Arup » s'est avérée n'avoir rien à voir avec tout cela.

Une politique de vérification hors bande obligatoire : toute instruction financière au-dessus d'un seuil défini doit être confirmée via un numéro de rappel préenregistré ou un canal chiffré distinct avant exécution. Pas un numéro que l'appelant vous donne — un numéro que vous aviez déjà, enregistré avant que tout cela commence. Le directeur financier deepfake peut être parfait. L'injection peut être indétectable. Peu importe, car l'argent ne bouge pas sur la seule force de l'appel. Il bouge après qu'un analyste de trésorerie compose un numéro collé à l'intérieur de son propre tiroir de bureau et entende la vraie personne dire oui.

Ce contrôle ne coûte rien à mettre en œuvre. Il est efficace contre chaque variante de fraude aux médias synthétiques — présentes, futures, vidéo, voix, peu importe ce que les attaquants construiront ensuite — parce qu'il n'essaie pas de détecter le faux. Il retire entièrement l'appel vidéo du chemin d'autorisation.

Je serai honnête sur pourquoi cela m'a été dur à accepter. Je suis un technologue. Je voulais que la réponse soit un modèle. L'idée que l'intervention au plus fort ROI face à une menace d'IA de pointe soit une politique d'appel téléphonique de 1995 m'a semblé une déception. Il a fallu voir les chiffres de détection échouer en test — encore et encore, le voyant au vert sur un faux — avant que j'arrête de résister à la vérité peu reluisante.

Les couches de détection ajoutent de la confiance. Les contrôles de processus ajoutent de la certitude. L'erreur, c'est d'acheter les premières et de sauter les seconds.

Voilà donc l'épine dorsale de ce que nous construisons maintenant : le processus d'abord, la détection en défense en profondeur par-dessus. Les outils de détection gagnent leur place en signalant des anomalies et en vous achetant un moment de doute. Ils n'obtiennent pas le droit d'être la seule chose entre un attaquant et votre trésorerie.

La facture que personne n'avait vue venir : votre assurance a expiré

Pendant longtemps, la conversation budgétaire avec les directeurs financiers n'allait nulle part. La perte est hypothétique jusqu'à ce qu'elle arrive, la dépense est réelle aujourd'hui, et quelque part au fond de l'esprit de chacun siégeait l'hypothèse que l'assurance cyber couvrirait de toute façon.

Puis, en janvier 2026, cette hypothèse est morte silencieusement.

Les polices cyber standard excluent désormais explicitement les « intermédiaires générés par IA ». Les polices D&O, E&O et pratiques d'emploi ajoutent de larges exclusions IA. La fraude par deepfake qui était le problème de votre assureur en 2024 est votre problème en 2026 — sauf si vous avez acheté une extension deepfake séparée, qui coûte $500 to $3,000 a year et que presque personne n'a. Si l'attaque Arup vous arrive maintenant, les 25,6 millions de dollars ne sont pas assurés. Point final.

Ce seul changement a plus fait bouger les budgets que toutes les statistiques de pertes que j'avais jamais citées. Il a recadré toute la chose. Ce n'est plus « dépenser de l'argent pour peut-être éviter un hypothétique ». C'est « la couverture sur laquelle vous comptiez a disparu, et la responsabilité a atterri sur votre bureau ». Les tribunaux trouvent de plus en plus les employeurs négligents pour l'absence de contrôles deepfake spécifiques, et l'ancienne « impostor rule » met la perte sur celui qui était le mieux placé pour prévenir la fraude. Après janvier 2026, c'est vous.

Ce que les régulateurs s'apprêtent à exiger

Il y a deux dates que je dis à chaque conseil d'administration de peindre au mur, parce qu'elles transforment cela d'un jugement en une échéance.

2 août 2026 : les obligations de transparence de l'article 50 de la loi européenne sur l'IA pour le contenu deepfake entrent en vigueur, avec des sanctions allant jusqu'à 35 millions d'euros ou 7 pour cent du chiffre d'affaires mondial. Si vous opérez quelque part près de l'UE, l'ère où traiter la gouvernance des médias synthétiques comme optionnelle s'achève à cette date.

Et depuis décembre 2023, la SEC exige que les incidents de cybersécurité significatifs soient divulgués sur le formulaire 8-K dans un délai de quatre jours ouvrables. Une fraude par deepfake de plus de 25 millions de dollars franchit presque certainement le seuil de matérialité. Alors imaginez la séquence réelle : vous découvrez la fraude, et maintenant un compte à rebours de quatre jours tourne sur un dépôt public décrivant exactement comment vos contrôles de virement ont échoué — alors que l'argent est déjà parti. La règle de divulgation transforme une perte privée en perte publique, vos investisseurs lisant en même temps.

Il y a une tension plus dure, plus silencieuse sous l'histoire de conformité, et c'est là que les cadres de conseil tendent à agiter les mains. La biométrie comportementale qui fait réellement fonctionner l'authentification continue — dynamique de frappe, motifs de souris, les signaux que les outils façon GetReal corrèlent — est précisément la donnée qui déclenche la loi sur la vie privée biométrique de l'Illinois. BIPA a produit plus de 107 actions collectives en 2025 ; Clearview AI en a réglé une pour 51,75 millions de dollars. L'article 9 du RGPD traite les données biométriques comme une catégorie spéciale nécessitant un consentement explicite. Votre meilleur signal de détection est donc aussi votre plus grande responsabilité en matière de vie privée si vous le déployez sans le consentement approprié de vos employés. Résoudre le problème de sécurité de façon négligente crée un problème de contentieux. Cartographier chaque contrôle sur BIPA, le RGPD, la règle SEC, et les normes de test ISO 30107 et CEN/TS 18099 n'est pas de la paperasse — c'est comment vous évitez d'échanger une exposition à huit chiffres contre une autre.

Ne puis-je pas simplement former les employés à repérer les faux ?

Les gens me demandent toujours si la formation à la sensibilisation des employés résout cela. Il suffit d'apprendre à tout le monde à repérer les faux.

Si seulement. La détection humaine des deepfakes tourne autour de 50 pour cent — à peu près ce que donnerait le hasard, et la technologie s'améliore chaque mois. Nous sommes, en tant qu'espèce, mauvais à cela. L'employé d'Arup n'était pas négligent ; il était assez sceptique pour résister au départ. C'est l'appel vidéo qui a vaincu son jugement, parce que les visages et les voix que nous reconnaissons contournent le cerveau analytique. La formation aide les gens à faire une pause et à invoquer le processus. Elle ne transforme personne en détecteur humain fiable, et tout programme vendu sur cette prémisse vend du confort.

L'autre question que l'on me pose, c'est si c'est exagéré — quelques gros titres effrayants. Ce n'est pas le cas. Les pertes par fraude deepfake aux États-Unis ont triplé, d'environ 360 millions de dollars en 2024 à 1,1 milliard de dollars en 2025. L'incident moyen en entreprise tourne désormais autour de 680 000 dollars, et les campagnes de fraude au président touchent des centaines d'entreprises par jour. Des kits d'identité synthétique se vendent environ cinq dollars sur le dark web ; une fausse vidéo commence à cinquante. L'économie s'est inversée — il ne coûte presque rien d'attaquer et une fortune d'être non préparé.

Et cela va empirer d'une façon précise. Près de la moitié des professionnels de la sécurité s'attendent à ce que l'IA agentique — des systèmes qui enchaînent la reconnaissance, la génération de deepfakes et l'ingénierie sociale sans humain dans la boucle — soit un vecteur d'attaque majeur d'ici fin 2026. L'après-midi à cinquante dollars que j'ai passé à tromper un détecteur devient un pipeline entièrement automatisé qui tourne contre des centaines de cibles pendant que l'opérateur dort.

Ce que nous construisons réellement

Alors quand une entreprise vient vers nous, nous n'arrivons pas avec un produit à vendre. Nous sommes neutres vis-à-vis des fournisseurs par conception — nous ne revendons aucun des outils que j'ai nommés, ce qui est la seule façon honnête de dire à un client que le cadre de conseil à 500 K$ et le plug-in Zoom élégant sont tous deux, seuls, insuffisants.

Nous commençons par la couche processus, parce que c'est l'intervention au plus fort ROI et qu'elle ne nécessite d'acheter quoi que ce soit : flux de vérification hors bande, double autorisation au-dessus des seuils, la discipline du rappel qui rend la précision de détection presque sans importance pour savoir si l'argent est en sécurité. Puis nous architecturons la pile de détection autour de votre environnement de conférence réel — en choisissant la bonne combinaison de modalités parmi ces vingt fournisseurs environ au lieu d'un pitch mono-plateforme, et en fermant la couture d'attaque par injection que les outils de vivacité laissent ouverte. Nous cartographions chaque contrôle sur les réglementations qui pèsent désormais sur vous. Et nous le soumettons à un red team : nous lançons l'attaque synthétique contre vos défenses existantes pour trouver l'écart avant qu'un criminel ne le fasse — le même exercice d'après-midi que j'ai mené au début, transformé en service. Si vous voulez l'architecture complète, elle est détaillée sur notre page de défense contre les deepfakes.

Je vous laisse avec ce que je dis à chaque conseil d'administration une fois la démo posée et la salle devenue silencieuse.

Le contrôle qui survit à chaque version de cela — le visage deepfake, le flux injecté, peu importe ce qu'ils construiront ensuite — est le numéro préenregistré qu'un analyste de trésorerie compose avant que l'argent ne bouge. C'est la chose la moins sophistiquée de votre pile de sécurité, et après janvier 2026 c'est la seule chose qui se dresse entre un visage synthétique et une perte non assurée.