Discours modifiés en direct : l’IA de Microsoft franchit une dangereuse limite

L’intelligence artificielle franchit une nouvelle étape dans la manipulation de contenus audiovisuels. La firme de Redmond développe une technologie révolutionnaire qui pourrait transformer radicalement notre perception des événements retransmis en direct.

Une technologie de modification instantanée des interventions publiques

Microsoft Technology Licensing a déposé un brevet décrivant une innovation troublante : une amélioration par intelligence artificielle, en quasi temps réel, de vidéos ou de présentations en réalité augmentée d’événements en direct.

Le système peut analyser un discours au moment où il est prononcé, repérer certains termes, les effacer ou les substituer, puis modifier le visage de l’intervenant pour que ses mouvements labiaux correspondent parfaitement au nouvel enregistrement sonore.

Des applications multiples dans l’événementiel et les médias

Le brevet énumère plusieurs contextes d’utilisation potentiels : conférences professionnelles, présentations d’entreprise, cérémonies de remise de prix, mais aussi jeux télévisés, émissions culinaires et retransmissions sportives.

Cette technologie pourrait éliminer les hésitations verbales, les bégaiements, les expressions régionales, les mots marmonnés ou mal prononcés, ainsi que les lapsus et les propos offensants ou inappropriés.

Un système intelligent et personnalisable

L’intelligence artificielle fonctionne selon des paramètres définis au préalable et des profils de spectateurs individuels. Elle ajuste l’audio et la vidéo juste avant et après chaque intervention.

Le système peut même rechercher des mots de remplacement via Internet et assurer une synchronisation labiale parfaite pour les traductions simultanées.

VASA-1, le prototype déjà opérationnel

Microsoft ne part pas de zéro. L’entreprise développe actuellement VASA-1, un modèle capable de générer un visage réaliste animé à partir d’une simple photographie et d’un enregistrement vocal.

Cette technologie atteint déjà des performances remarquables : elle fonctionne en temps réel avec une fluidité de 40 images par seconde.

Entre innovation et risques de manipulation

Face aux dangers potentiels, le document de brevet prévoit l’enregistrement et la conservation des vidéos et sons originaux comme référence authentique.

Cette précaution pourrait s’avérer indispensable au regard du règlement européen sur l’intelligence artificielle, qui impose de signaler clairement les contenus manipulés par IA.

Des défis pour la détection des manipulations

Google a déjà développé SynthID, un système de filigrane pour identifier ses vidéos générées par IA. Toutefois, la détection en temps réel reste extrêmement difficile pour les spectateurs ordinaires.

Cette technologie soulève ainsi des questions éthiques majeures sur l’authenticité des interventions publiques et notre capacité à distinguer le réel du modifié.