L'IA peut-elle détecter les vidéos deepfake en analysant les micro-incohérences dans les clignements ?

Les chercheurs en IA ont découvert que les vidéos synthétiques présentent systématiquement des dynamiques de clignement des yeux non naturelles. Ces systèmes utilisent l'analyse vidéo haute résolution pour identifier des incohérences invisibles à l'œil humain. La technique fonctionne sur la plupart des méthodes actuelles de génération de deepfakes. Cependant, de nouvelles attaques adversariales sont déjà en cours de développement pour contourner cette détection.

Les méthodes actuelles de détection des deepfakes analysent effectivement des indices physiologiques subtils, et les schémas de clignement ont été explorés car les visages synthétisés produisent souvent des clignements anormalement réguliers ou peu fréquents. Des recherches montrent que les réseaux de neurones profonds peuvent apprendre à détecter ces micro-incohérences en examinant la fréquence des clignements, leur durée et la dynamique du mouvement des paupières, atteignant parfois une grande précision sur des ensembles de données contrôlés. Cependant, à mesure que les modèles génératifs s'améliorent, les attaquants peuvent affiner le comportement des clignements pour échapper à ces détecteurs, rendant cette approche de plus en plus peu fiable en tant que défense autonome. Les performances varient considérablement selon les conditions d'éclairage, les poses de la tête et la compression vidéo, limitant leur applicabilité dans le monde réel.

— Enriched 12 mai 2026 · Source : Li, Y., et al. "Exposing AI-Generated Faces by Detecting Eye Blinking Anomalies." 2022 IEEE International Conference on Multimedia and Expo (ICME) — https://ieeexplore.ieee.org/document/9859969