Paris 20:56
New York 14:56
London 19:56
Blogkyc

Détection du vivant et deepfakes : ce qui arrête vraiment un faux visage

Loona Järvloo

Loona Järvloo

Détection du vivant et deepfakes : ce qui arrête vraiment un faux visage

Qu'est-ce que la détection du vivant ?

La détection du vivant (liveness detection) établit qu'une personne réelle et vivante se trouve devant la caméra pendant une vérification d'identité, et non une photo, un masque, une vidéo rejouée sur un écran ou une vidéo de synthèse. Face aux deepfakes, elle doit arrêter deux attaques différentes : les attaques par présentation, qui placent un faux devant la caméra, et les attaques par injection, qui envoient une vidéo de synthèse directement dans le flux et ne passent jamais devant une caméra.

C'est rarement au visage que les vérifications échouent. Sur les sessions de vérification d'identité par vidéo menées sur Dotfile au cours de l'année écoulée, environ 1 sur 630 a échoué au contrôle du vivant et d'usurpation du visage (spoofing). 1 sur 24 a échoué parce que les données du document ne correspondaient pas à ce que le client avait déclaré, soit 26 fois plus souvent. Un taux d'échec de 1 sur 630 mesure ce qui a été arrêté, pas ce qui est passé. Testez donc votre prestataire sur l'injection, puis concentrez le reste de vos efforts là où se trouve le volume.

Comment fonctionne la détection du vivant ?

Le contrôle du vivant s'exécute pendant l'étape du selfie d'une vérification d'identité, en même temps que la comparaison du visage avec la photo du document.

  • La détection active demande à la personne de faire quelque chose : tourner la tête, suivre un point, lire des chiffres à voix haute. Elle est plus difficile à tromper avec une image fixe et coûte un peu en taux de complétion.
  • La détection passive analyse la vidéo ou l'image capturée sans aucune consigne : profondeur, texture, reflets, micro-mouvements, signature d'un écran ou d'une impression. Elle est invisible pour l'utilisateur.
  • La comparaison faciale (face match) compare le visage en direct avec la photo du document. Elle répond à une autre question : la détection du vivant dit que quelqu'un est là, la comparaison faciale dit que c'est la bonne personne.

La plupart des prestataires modernes combinent détection passive, courte vidéo et comparaison faciale, et ajoutent des contrôles du document dans la même session. Notre guide des services de vérification d'identité explique comment en choisir un, et notre article sur le fonctionnement de la vérification d'identité décrit le parcours complet.

Quelle différence entre attaque par présentation, attaque par injection et deepfake ?

Une attaque par présentation place un artefact devant la caméra : une photo imprimée, un téléphone qui diffuse une vidéo, un masque en silicone. La détection d'attaque par présentation (PAD) est évaluée selon la norme ISO/IEC 30107-3.

Une attaque par injection contourne la caméra. Un pilote de caméra virtuelle, un émulateur ou une application détournée envoie dans le parcours de vérification une vidéo préenregistrée ou générée, comme si elle venait de l'objectif. La capture paraît parfaite, puisque rien n'a été capturé. La détection repose sur l'intégrité de l'appareil et du flux : s'agit-il d'une vraie caméra, sur un vrai appareil, en temps réel ?

Un deepfake (hypertrucage) désigne le contenu, pas la voie d'attaque. Le règlement européen sur l'IA (AI Act) le définit comme « une image ou un contenu audio ou vidéo généré ou manipulé par l'IA, présentant une ressemblance avec des personnes, des objets, des lieux, des entités ou événements existants et pouvant être perçu à tort par une personne comme authentiques ou véridiques » (article 3, point 60), du règlement (UE) 2024/1689). Un échange de visage (face swap) peut être présenté sur un écran ou, de façon bien plus efficace, injecté.

L'alerte du FinCEN sur les deepfakes (FIN-2024-Alert004, 13 novembre 2024) énumère les signaux d'alerte qui comptent en pratique : un client qui « utilise un plug-in de webcam tiers pendant un contrôle de vérification en direct », une photo incohérente en elle-même ou avec la date de naissance, et une photo d'identité qu'une recherche d'image inversée associe à une galerie de visages générés par IA.

La détection du vivant est-elle exigée par la réglementation ?

Dans l'UE, oui, pour l'entrée en relation d'affaires à distance automatisée des banques et des établissements financiers. Les orientations de l'Autorité bancaire européenne (ABE) sur l'utilisation de solutions d'entrée en relation d'affaires à distance (EBA/GL/2022/15), applicables depuis le 2 octobre 2023, demandent aux établissements qui ont recours à des solutions automatisées de « réaliser des tests de vérification du vivant » (paragraphe 41, point c)), de s'assurer que la photographie ou la vidéo « est prise au moment où le client effectue le processus de vérification » (point b)) et d'utiliser des « algorithmes performants et fiables » pour la comparaison faciale (point d)). Lorsque le justificatif est de trop mauvaise qualité pour être concluant, le processus doit être interrompu et redémarré, ou réorienté vers une vérification en face à face (paragraphe 40).

Le règlement européen anti-blanchiment (AMLR), applicable à partir du 10 juillet 2027, ne mentionne pas la détection du vivant. Il exige un document d'identité ou un moyen d'identification électronique satisfaisant aux niveaux de garantie eIDAS « substantiel » ou « élevé » (article 22, paragraphe 6, du règlement (UE) 2024/1624), et la fiabilité d'un contrôle documentaire à distance dépend de la preuve que le titulaire était bien présent.

Le règlement sur l'IA ménage ce cas d'usage : les systèmes de vérification biométrique « dont la seule finalité est de confirmer qu'une personne physique spécifique est la personne qu'elle prétend être » sont exclus de la catégorie à haut risque de l'identification biométrique (annexe III, point 1, a), du règlement (UE) 2024/1689).

Comment tester un prestataire de détection du vivant face aux deepfakes ?

Posez cinq questions, et demandez des preuves plutôt que des adjectifs.

  1. Contre quelles attaques par présentation a-t-il été testé, par qui, et à quel niveau ? Un rapport d'évaluation ISO/IEC 30107-3 indépendant, pas un badge.
  2. Comment détecte-t-il l'injection ? Caméras virtuelles, émulateurs, appareils rootés, capture par le navigateur sur ordinateur. Si la réponse ne porte que sur le visage, il ne la détecte pas.
  3. Que se passe-t-il sur ordinateur ? Beaucoup de parcours font basculer l'utilisateur sur son téléphone, où l'intégrité de la caméra est plus facile à établir. Sachez quel chemin suivent vos utilisateurs.
  4. Quels codes motifs sont renvoyés ? « Rejeté » ne sert à rien à un analyste. « Authenticité du visage en échec » et « incohérence des données du document » mènent à des actions différentes.
  5. Quel est le coût en taux de complétion ? Chaque défi actif fait perdre des utilisateurs. Mesurez le taux de complétion sur vos propres utilisateurs, avant et après.

Exemple concret : un échange de visage à 2 h du matin

Une plateforme crypto fictive reçoit à 2 h du matin une demande d'ouverture de compte au nom de « Daniel », 34 ans. La session de vérification d'identité se déroule dans un navigateur sur ordinateur. Le document est un passeport d'apparence authentique ; la vidéo du selfie est fluide et le visage correspond à la photo du passeport.

Le prestataire rejette la session au contrôle du vivant et d'usurpation. Les codes motifs indiquent que le flux vidéo provenait d'une caméra virtuelle et que le visage présente des artefacts de fusion au niveau de la mâchoire. L'analyste de la plateforme relève deux autres signaux dans le dossier : le formulaire indique une date de naissance en 1992 alors que la MRZ du passeport indique 1974, et le même numéro de passeport figure sur une demande rejetée une semaine plus tôt. Le visage était faux, et les données l'auraient de toute façon trahi.

Ce que disent les données sur la détection du vivant et les contrôles du visage

D'après les sessions de vérification d'identité par vidéo menées sur Dotfile au cours de l'année écoulée pour lesquelles le prestataire a renvoyé un résultat sur le visage ; données agrégées uniquement.

  • Environ 1 sur 630 (0,16 %) a échoué au contrôle du vivant et d'usurpation du visage.
  • 0,07 % ont échoué à la comparaison faciale avec la photo du document.
  • Environ 1 sur 24 (4,2 %) a échoué à la comparaison entre le document et les données déclarées par le client.

Questions fréquentes

Que signifie « liveness complete » ?

Dans la plupart des parcours de vérification d'identité, ce statut signifie que la personne a terminé l'étape du vivant : la vidéo a été capturée et envoyée pour analyse. Ce n'est pas un résultat. Le contrôle renvoie ensuite « approuvé », « rejeté » ou « à revoir » une fois que le prestataire a analysé le visage, le document et les données.

Qu'est-ce que la détection du vivant appliquée au document ?

Elle vérifie que le document d'identité se trouve physiquement devant la caméra, et non une photocopie, une impression ou une image affichée sur un écran. Les orientations EBA/GL/2022/15 demandent, au paragraphe 33, de vérifier que la reproduction « n'a pas été affichée sur un écran ».

Les deepfakes peuvent-ils tromper la détection du vivant ?

Un échange de visage montré à une caméra trompe rarement un bon détecteur d'attaques par présentation. Les deepfakes injectés sont le vrai risque : c'est pourquoi l'intégrité de l'appareil et du flux compte autant que le visage.

La détection passive suffit-elle ?

Pour la plupart des entrées en relation, la détection passive avec une courte vidéo et une comparaison faciale offre le bon compromis. Les parcours à risque plus élevé peuvent ajouter un défi actif ou une session vidéo menée par un agent.

Quelle différence entre détection du vivant et comparaison faciale ?

La détection du vivant prouve que quelqu'un est physiquement présent. La comparaison faciale prouve qu'il s'agit de la même personne que sur le document. Une vérification a besoin des deux.

Où intervient Dotfile

Le contrôle de vérification d'identité avec détection du vivant de Dotfile s'appuie sur Veriff, Checkout ou Onfido et renvoie des résultats par contrôle : cohérence des données, document compromis, intégrité de l'image, authenticité visuelle et similarité faciale, cette dernière couvrant la comparaison faciale, la détection du vivant et la détection de l'usurpation. VideoCertified, le produit de Checkout certifié PVID, et IDnow VideoIdent couvrent les cas où un régulateur attend davantage. Les données extraites sont comparées au dossier, et vous choisissez si la décision d'un prestataire vaut approbation ou rejet automatique. Pour le volet document, consultez notre guide du contrôle documentaire et de l'analyse forensique.

Prêt à s'exporter à l'international ?

Vérifiez toutes les entreprises, ouvrez de nouveaux marchés, justifiez chacune de vos décisions. Chaque signal est coordonné, chaque décision est traçable, le tout depuis une seule plateforme.

Réserver une démo