Un faux directeur financier par deepfake a dérobé 25 M$ lors d'un appel vidéo. Serez-vous le prochain ?

Le problème

En février 2024, un employé de l'entreprise mondiale d'ingénierie Arup a participé à un appel vidéo avec le directeur financier de la société et plusieurs cadres dirigeants. Chaque visage semblait parfaitement authentique. Chaque voix paraissait exacte. Le directeur financier a ordonné 15 virements bancaires vers cinq comptes différents. L'employé s'est exécuté. Perte totale : 25,6 millions de dollars.

Voici le constat le plus terrifiant : aucune de ces personnes n'était réelle. Chaque dirigeant présent lors de cet appel était un deepfake généré par IA — une réplique synthétique conçue à partir de vidéos YouTube publiques et d'enregistrements de conférences. Les attaquants ont passé des mois à collecter des séquences vidéo et audio des véritables dirigeants d'Arup. Ils ont entraîné des modèles d'IA pour reproduire non seulement les visages, mais aussi les schémas d'élocution spécifiques et les micro-expressions. Le résultat a été une équipe de « jumeaux synthétiques de haute fidélité » suffisamment convaincante pour tromper un professionnel chevronné de la finance lors d'une réunion en direct.

Aucun logiciel malveillant n'a été utilisé. Aucun mot de passe n'a été dérobé. Aucune base de données n'a été compromise. L'infrastructure numérique d'Arup est restée totalement intacte tout au long de l'incident. Les cybercriminels n'ont pas piraté les systèmes de l'entreprise — ils ont piraté la confiance de l'employé dans ce qu'il voyait et entendait. La fraude n'a été découverte que lorsque l'employé a contacté ultérieurement le bureau du véritable directeur financier à Londres. Une telle réunion n'avait jamais eu lieu.

Il ne s'agissait pas d'une défaillance de vos pare-feu. C'était l'échec du postulat selon lequel voir, c'est croire.

Pourquoi c'est important pour votre entreprise

La perte de 25,6 millions de dollars subie par Arup est spectaculaire, mais la véritable menace est structurelle. Votre organisation s'appuie très probablement sur des appels vidéo pour confirmer des identités et autoriser chaque jour des décisions financières majeures. Ce postulat est désormais caduc.

Les chiffres témoignent d'une menace en très forte accélération :

• Les attaques par injection — où les attaquants injectent des vidéos synthétiques directement dans les logiciels de visioconférence comme Zoom ou Teams — ont augmenté de 255 % en 2023.
• Les attaques par échange de visage (face-swap) — où le flux webcam en direct d'un attaquant est remplacé image par image par un deepfake — ont bondi de 704 % sur la même période.
• Le coût de génération d'un deepfake convaincant est tombé à environ 15 $ et 45 minutes de travail.

Au-delà de l'impact financier direct, vos dirigeants font face à une exposition personnelle croissante. Les CIO et CTO sont désormais soumis à une obligation de diligence fiduciaire plus stricte concernant les contrôles adaptés aux deepfakes. Le défaut de mise en œuvre de procédures de sécurité raisonnables pourrait engager leur responsabilité personnelle si des actionnaires ou des clients intentent des poursuites pour négligence. Les tribunaux appliquent de plus en plus la règle de l'imposteur (« Impostor Rule »), qui impute les pertes à la partie la mieux placée pour prévenir la fraude.

Vos obligations de conformité s'étendent également. L'EU AI Act, le NIST AI Risk Management Framework et des normes telles que l'ISO/IEC 30107-3 pour la détection des attaques biométriques exigent désormais tous que les organisations se défendent contre les menaces liées aux médias synthétiques. Si vos processus de vérification continuent de traiter un appel vidéo comme une preuve d'identité, vous présentez une faille que les régulateurs et les avocats des parties plaignantes finiront par relever.

Il ne s'agissait pas d'un problème technologique réservé à votre équipe informatique. C'est un problème de contrôle financier qui relève directement de votre conseil d'administration.

Ce qui se passe réellement sous le capot

Pour comprendre le succès de cette attaque, comparez-la à un faux billet parfait. Un faux-monnayeur n'a pas besoin de cambrioler l'hôtel de la monnaie — il lui suffit de fabriquer un billet suffisamment convaincant pour que le caissier l'accepte. Les assaillants d'Arup ont procédé exactement de la même manière avec des visages et des voix humaines.

Ils ont combiné deux types de modèles d'IA complémentaires. Les réseaux antagonistes génératifs (GANs) — des systèmes dans lesquels deux modèles d'IA sont mis en concurrence pour créer et détecter des faux — géraient l'échange de visages en temps réel. Un modèle génère un faux visage ; l'autre tente de le démasquer. Après des millions d'itérations, le générateur crée des visages que même le modèle de détection ne parvient plus à distinguer d'un visage réel. Les modèles de diffusion — des IA qui apprennent à reconstruire des images nettes à partir d'un bruit aléatoire — garantissaient que le visage cloné ne scintille ni ne se déforme lors des mouvements. Cette « cohérence temporelle » est essentielle, car l'œil humain est extrêmement sensible aux micro-défauts visuels.

Le point technique fondamental réside dans la méthode utilisée pour acheminer la fausse vidéo lors de l'appel. Les assaillants n'ont pas braqué un écran devant une caméra. Ils ont exécuté une « attaque par injection vidéo », en injectant des paquets vidéo synthétiques directement dans le flux de données du logiciel de visioconférence. L'application a traité ce flux numérique comme s'il provenait d'une véritable caméra. Les contrôles de présence physique classiques (liveness checks) — qui analysent la profondeur et les bordures de l'écran — ne peuvent pas détecter cette méthode car il n'existe aucun artefact physique à analyser.

Voici la faille précise du système : vos outils de visioconférence font aveuglément confiance au flux vidéo qu'ils reçoivent. Ils ne disposent d'aucun moyen de vérifier si ce flux provient d'une véritable caméra filmant une personne réelle.

Ce qui fonctionne (et ce qui ne fonctionne pas)

Examinons d'abord trois approches qui ne permettent pas de résoudre ce problème :

L'authentification multifacteur standard. Les cybercriminels ayant ciblé Arup ont totalement contourné l'authentification multifacteur (MFA) car l'attaque ne visait pas des identifiants de connexion. Ils ont ciblé le jugement humain lors d'un appel en direct. Votre MFA protège vos comptes, pas vos yeux.

Les chatbots IA génériques basés sur des API publiques. Ces outils « wrappers de LLM » — de fines couches logicielles qui transmettent vos données vers un cloud tiers pour traitement — fonctionnent de manière purement probabiliste. Ils prédisent le mot suivant le plus probable au lieu de vérifier les faits par rapport à vos enregistrements réels. Ils sont incapables de détecter les deepfakes et introduisent de nouveaux risques en transférant vos données financières sensibles hors de votre réseau.

Les formations traditionnelles contre le phishing. La plupart des programmes de formation préparent les employés à identifier des e-mails suspects, et non des appels vidéo en direct présentant des répliques ultra-convaincantes de leur supérieur et de cinq collègues. L'employé d'Arup s'était d'ailleurs montré méfiant face à l'e-mail initial. L'appel vidéo a été précisément conçu pour lever ses doutes.

Voici les mesures réellement efficaces — une défense multicouche qui vérifie l'identité au moyen de signaux que l'IA ne sait pas encore contrefaire :

1. Vérification des entrées — La biométrie comportementale comme sentinelle silencieuse. Avant toute transaction de valeur élevée, votre système doit analyser en continu la manière dont l'interlocuteur interagit avec ses terminaux. La cadence de frappe au clavier, les mouvements de la souris et la pression tactile créent un profil comportemental unique pour chaque dirigeant. Ces schémas neurobiologiques sont presque impossibles à imiter. Si le « directeur financier » participant à votre appel réclame un virement de 25 millions de dollars alors que sa frappe s'écarte de son profil historique, votre système doit automatiquement signaler l'interaction.

2. Traitement — Confirmation hors bande via un canal distinct. Les visioconférences ne peuvent plus servir d'élément probant ultime pour valider l'identité lors de transactions financières. Tout ordre de virement important doit faire l'objet d'une vérification indépendante au moyen d'un numéro de téléphone préalablement vérifié, d'une messagerie chiffrée de type Signal ou d'un code de vérification convenu d'avance transmis par un canal non numérique. Imposez un second valideur qui ne participait pas à l'appel vidéo initial.

3. Vérification des sorties — Provenance cryptographique et vérification physiologique. Le standard C2PA intègre des métadonnées cryptographiques au moment même de la capture vidéo, créant une chaîne de traçabilité infalsifiable pour chaque image. Si un flux vidéo dans un appel Teams ou Zoom ne présente pas ces attestations, traitez-le avec la même suspicion qu'un contrat non signé. Associez à cela l'analyse des signaux physiologiques — une technologie capable de détecter les infimes variations de coloration faciale provoquées par les battements cardiaques, invisibles à l'œil nu. Les vidéos synthétiques sont dépourvues de ces signaux biologiques.

L'avantage déterminant pour vos équipes de conformité et d'audit : cette architecture multicouche crée une piste vérifiable à chaque étape. Votre pratique d'évaluation et de durcissement de la sécurité peut aligner directement ces contrôles sur le processus en quatre étapes du NIST AI Risk Management Framework — Gouverner, Cartographier, Mesurer, Gérer — et sur les exigences de certification ISO/IEC 30107-3 pour la détection des attaques biométriques.

Pour les organisations du secteur des services financiers, cette architecture s'articule également de manière directe avec vos obligations existantes en matière de risque réglementaire et de préparation aux litiges . Chaque événement de vérification est journalisé. Chaque dérogation est documentée. Lorsque des auditeurs ou des régulateurs vous demandent comment vous vous protégez contre la fraude aux médias synthétiques, vous pouvez leur présenter la chaîne logique plutôt que de pointer vers un support de formation.

Vous pouvez lire l'analyse technique complète pour obtenir la spécification architecturale complète, ou explorer la version interactive pour une présentation visuelle détaillée du cadre de défense.