Vérifier l'authenticité d'une vidéo à l'ère de l'IA

En 2026, une vidéo réaliste de trente secondes se génère en une phrase. Le réflexe collectif — « je l'ai vu en vidéo, donc c'est vrai » — a vécu. Et le problème n'est plus seulement de repérer les faux : c'est aussi, désormais, de prouver que sa propre vidéo est authentique quand elle sert de preuve face à un assureur, un bailleur ou un tribunal. Ce guide fait le tour des méthodes qui marchent vraiment pour vérifier l'authenticité d'une vidéo, de celles qui ne marchent plus, et de ce qu'il faut faire quand c'est vous qui filmez.

Pourquoi l'œil humain ne suffit plus

Les repères popularisés en 2019 — mains à six doigts, clignements absents, bords du visage qui bavent — appartiennent à une génération de modèles révolue. Les mesures disponibles sont sans ambiguïté sur ce point.

Dans son Deepfake Blindspot Study, la société de vérification biométrique iProov a exposé 2 000 consommateurs britanniques et américains à une série de contenus authentiques et falsifiés. 0,1 % des participants seulement ont classé correctement l'intégralité des contenus — alors même qu'on leur avait dit de chercher des faux. Deux résultats en découlent directement pour la vidéo :

Les participants ont été 36 % moins performants sur les fausses vidéos que sur les fausses images. Le mouvement, le son et la durée saturent l'attention : on regarde l'action, pas les artefacts.
Plus de 60 % des personnes se déclaraient confiantes dans leur capacité à détecter un faux — indépendamment de leur score réel. La sur-confiance est le vrai facteur de risque.

Autrement dit : si votre méthode de vérification se résume à « regarder attentivement », elle a une valeur proche de zéro. Il faut passer aux signaux techniques.

Écran d'ordinateur affichant des fenêtres d'inspection de fichier et de métadonnées — Vérifier une vidéo, c'est d'abord inspecter ce qu'elle transporte : conteneur, métadonnées, manifeste de provenance.

Les trois familles de signaux exploitables

Il existe aujourd'hui trois catégories de signaux techniques, qui ne répondent pas à la même question. Les confondre est la première cause d'erreur.

1. La provenance signée (C2PA / Content Credentials)

Le standard C2PA (Coalition for Content Provenance and Authenticity) attache au fichier un manifeste signé cryptographiquement : quel outil a produit le contenu, quand, quelles modifications ont suivi. C'est ce que le grand public connaît sous le nom de Content Credentials. Le manifeste est vérifiable publiquement, notamment via l'outil Verify de la Content Authenticity Initiative.

Point crucial, et systématiquement mal compris : C2PA ne détecte pas les deepfakes. Il ne répond pas à « ce contenu est-il vrai ? » mais à « quelle histoire signée ce fichier transporte-t-il ? ». Une vidéo entièrement générée par IA peut porter un manifeste C2PA parfaitement valide — qui dira précisément qu'elle a été générée par IA. C'est une déclaration d'origine, pas un verdict de véracité.

Sa faiblesse pratique est ailleurs : les plateformes suppriment massivement les métadonnées à l'upload. Une vidéo repartagée sur un réseau social, réencodée, recadrée ou passée par une messagerie arrive le plus souvent nue. L'absence de Content Credentials ne prouve donc rien du tout. Pour aller plus loin, la spécification complète est publiée par la C2PA.

2. Les filigranes de génération (SynthID et consorts)

SynthID, développé par Google DeepMind, insère un filigrane invisible directement au moment de la génération, dans le texte, l'image, l'audio et la vidéo produits par les modèles Google — Veo compris. Contrairement à une mention en surimpression, il survit à un recadrage, une compression ou un changement de format, et se vérifie via le SynthID Detector.

Sa limite est structurelle : SynthID ne reconnaît que ce que les modèles Google ont produit. Une vidéo issue d'un autre écosystème n'y apparaîtra pas — non parce qu'elle est authentique, mais parce que le filigrane n'a jamais été posé. Nous détaillons ce mécanisme dans notre analyse de SynthID.

Chez OpenAI, la logique est double et vaut d'être comprise : les vidéos générées avec Sora portent un filigrane visible ET des métadonnées C2PA. OpenAI précise explicitement que le filigrane visible n'est pas le signal de provenance lisible par machine — c'est un indice destiné à l'œil, trivial à recadrer. Le signal exploitable, c'est le manifeste.

3. Les détecteurs statistiques

Reste la famille des détecteurs qui analysent le signal lui-même : incohérences temporelles, artefacts de compression, micro-mouvements du visage, cohérence de la source lumineuse. Ils sont utiles, mais aucun ne fournit une réponse binaire fiable, et leur performance chute dès qu'ils rencontrent un modèle générateur postérieur à leur entraînement. Un score « 87 % probablement IA » est une indication, jamais une preuve. La même prudence s'applique aux images : nous l'avons documentée dans comment détecter une photo générée par IA.

Vérifier une vidéo, en pratique

Face à une vidéo dont l'authenticité compte, voici un ordre de passage efficace — du plus concluant au plus fragile.

Remonter à la source. C'est de loin l'étape la plus rentable, et la plus négligée. Qui a publié la vidéo en premier, et quand ? Un compte créé la semaine dernière, sans historique, qui publie une vidéo « exclusive » d'un événement majeur : la question de la génération par IA est presque secondaire.
Chercher des versions antérieures. Extrayez deux ou trois images clés de la vidéo et passez-les en recherche d'image inversée — la méthode figure parmi nos 7 outils et méthodes de vérification. C'est ainsi qu'on démasque le cas le plus fréquent — de loin plus fréquent que le deepfake : une vraie vidéo authentique, sortie de son contexte, présentée comme récente alors qu'elle date de trois ans et d'un autre pays.
Inspecter le fichier d'origine. Si vous disposez du fichier et non d'un lien, examinez ses métadonnées et son manifeste C2PA éventuel. Attention : demandez toujours l'original, pas une capture d'écran ni un transfert par messagerie, qui détruisent l'information. Le principe est le même que pour les photos, détaillé dans notre guide des métadonnées EXIF.
Vérifier ce qui est vérifiable dans l'image. Le décor, la météo du jour annoncé, la langue de la signalétique, la position du soleil, les plaques d'immatriculation. Une vidéo générée invente un monde plausible, rarement un monde exact.
Passer les détecteurs — en dernier, et avec réserve. Leur résultat complète le faisceau d'indices ; il ne le remplace pas.

Et un principe qui vaut pour toutes ces étapes : l'absence de signal n'est pas un signal. Pas de Content Credentials, pas de SynthID, pas de métadonnées : la conclusion correcte est « je ne sais pas », pas « c'est authentique ».

Personne filmant une scène avec son smartphone tenu à bout de bras — La plupart des vidéos qui servent de preuve sont filmées au téléphone, dans l'urgence — c'est à cet instant que tout se joue.

Le problème inverse : prouver que VOTRE vidéo est vraie

Tout ce qui précède concerne la vidéo de quelqu'un d'autre. Or l'usage qui monte le plus vite est symétrique, et bien plus concret : vous filmez une fuite d'eau, l'état d'un logement à la remise des clés, une livraison endommagée, une malfaçon sur un chantier — et six mois plus tard, il faut convaincre un assureur, un bailleur ou un juge que cette vidéo n'a été ni retouchée ni fabriquée.

Ce problème est structurellement différent, et beaucoup plus simple à résoudre. Détecter un faux a posteriori est une course perdue d'avance contre des modèles qui progressent plus vite que les détecteurs. Sceller le vrai au moment où on le crée est un problème résolu depuis longtemps par la cryptographie.

C'est le principe de la certification à la capture : au lieu d'analyser après coup, on fige tout à l'instant de la prise — l'empreinte cryptographique du fichier, l'horodatage, la position, l'appareil. Toute modification ultérieure, même d'un pixel, brise le sceau. Il ne s'agit pas de dire « cette vidéo n'a pas été générée par IA » : il s'agit de dire « ce fichier précis existe sous cette forme exacte depuis cette date précise, et nul ne l'a modifié depuis ».

Chez Truth-Check, la certification vidéo fonctionne ainsi : la vidéo brute n'est jamais conservée sur nos serveurs. On en extrait une séquence d'images à intervalle régulier, scellée en un fichier animé unique, ainsi qu'une transcription de la bande son. C'est ce contenu réduit — vérifiable publiquement via un code court — qui est certifié, horodaté et opposable. Il se range ensuite avec vos autres pièces dans un dossier de preuve chronologique, aux côtés des documents, e-mails et photos liés au même litige.

Main tenant un iPhone dont l'application appareil photo est ouverte — Certifier à la capture : l'empreinte, l'heure et le lieu sont scellés avant que le fichier ne circule.

Ce que le droit européen change en 2026

Depuis le 2 août 2026, les obligations de transparence de l'article 50 du règlement européen sur l'intelligence artificielle sont applicables. Deux points concernent directement la vidéo.

D'une part, les fournisseurs de systèmes générant des contenus synthétiques doivent faire en sorte que leurs sorties soient marquées dans un format lisible par machine et détectables comme artificiellement générées. D'autre part, quiconque déploie un système d'IA produisant un deepfake — défini à l'article 3(60) comme un contenu image, audio ou vidéo généré ou manipulé qui ressemble à des personnes, objets, lieux ou événements existants et paraîtrait faussement authentique — doit le déclarer, de façon claire et perceptible, au plus tard lors de la première exposition. L'obligation s'applique même sans intention de tromper.

Deux réserves, cependant. Une proposition « omnibus » de la Commission envisage un report ciblé de certaines obligations de marquage de l'article 50(2) ; le calendrier définitif n'est, à la date de cet article, pas arrêté. Et surtout, une obligation légale ne produit pas mécaniquement du marquage sur les contenus circulant hors de l'Union, ni sur ceux issus de modèles ouverts exécutés localement. Sur ce que l'IA générative change déjà pour l'authenticité des images, voir IA générative et authenticité visuelle.

Intérieur d'une salle d'audience vue en contre-plongée — Devant un juge, ce n'est pas un score de détecteur qui compte, mais un faisceau d'éléments datés et cohérents.

Et devant un juge ?

En droit français, une vidéo n'est pas une preuve « valide » ou « invalide » en soi : c'est un élément soumis à l'appréciation souveraine du juge. Ce qui pèse, c'est la cohérence de l'ensemble — l'origine du fichier, sa date, son intégrité, sa concordance avec les autres pièces du dossier. Une vidéo isolée, sans date vérifiable, apportée par la partie qui l'invoque, aura peu de poids. La même vidéo horodatée dès la capture, dont l'empreinte est vérifiable, insérée dans une chronologie documentée avec des courriers et des constats, devient un élément solide. Nous développons ce point dans preuve numérique et tribunal.

FAQ

Existe-t-il un outil fiable pour savoir si une vidéo est générée par IA ?

Non, aucun outil ne donne aujourd'hui de réponse binaire fiable. Les vérifications de provenance (C2PA, SynthID) sont concluantes quand le signal est présent, mais leur absence ne prouve rien — les plateformes effacent les métadonnées, et chaque filigrane ne couvre que son propre écosystème. Les détecteurs statistiques donnent des probabilités, pas des verdicts.

Une vidéo sans Content Credentials est-elle suspecte ?

Pas du tout. L'immense majorité des vidéos authentiques n'en portent pas, soit parce que l'appareil ne les génère pas, soit parce qu'une plateforme les a supprimées au réencodage. L'absence de manifeste signifie « information indisponible », rien de plus.

Le filigrane visible « Sora » ou « veo » garantit-il l'origine d'une vidéo ?

Non, dans les deux sens. Il se recadre en quelques secondes, et il s'ajoute tout aussi facilement à une vidéo qui n'en vient pas. OpenAI indique d'ailleurs explicitement que le filigrane visible n'est pas le signal de provenance lisible par machine : le signal exploitable, ce sont les métadonnées C2PA embarquées.

Truth-Check détecte-t-il les deepfakes ?

Non, et c'est délibéré. Truth-Check n'analyse pas les vidéos de tiers et ne prétend pas dire si un contenu est généré par IA. Il fait l'inverse : il certifie vos captures au moment de la prise, pour que vous puissiez prouver leur authenticité et leur date. Détecter le faux et prouver le vrai sont deux problèmes distincts ; le second est le seul dont la solution ne se périme pas.

La vidéo originale est-elle conservée par Truth-Check ?

Non. La vidéo brute n'est jamais stockée sur nos serveurs : seules une séquence d'images extraites et une transcription de la bande son sont certifiées et conservées, associées à l'empreinte et à l'horodatage de la capture.