Quelques secondes d’enregistrement suffisent désormais pour imiter la voix de n’importe qui. Les fichiers audio ont moins de métadonnées que les images et se dégradent vite au téléphone et en messagerie : la vérification repose beaucoup sur des détecteurs qui lisent le son lui-même.
Certains services et outils ouverts insèrent des filigranes inaudibles. Origma lit certains filigranes audio publics et contrôle le conteneur et la trace de l’encodeur. Une marque confirmée est une preuve forte, mais la plupart des copies en circulation n’en ont plus.
La voix de synthèse laisse dans la respiration, le bruit et la répartition des bandes de fréquence des régularités différentes des enregistrements humains. L’encadré ci-dessus montre le jeu audio. Par décision de la direction, le seuil audio admet jusqu’à 3 % d’enregistrements humains signalés : il risque donc plus que pour les images de signaler une personne à tort.
Les réseaux téléphoniques et les messageries compriment le son dans une bande étroite. Une grande partie de ce que lit le détecteur se perd en route : les appels enregistrés ressortent plus souvent non concluants. Le fichier original, si vous l’avez, est bien plus précis.
N’attendez pas un score : confirmez d’abord auprès de la personne par un autre canal. Le résultat ne fait qu’appuyer votre jugement, et si de l’argent est demandé, la règle est de ne rien payer avant confirmation, quel que soit le résultat.
Ce document est une orientation générale, pas un conseil juridique. Un résultat d'analyse est une évaluation probabiliste, pas une preuve.