La bonne sorte de fausse vidéo

Ouvrez n'importe quel fil d'actualité aujourd'hui et vous y trouverez un visage disant quelque chose qu'il n'a jamais dit. Un politicien, une célébrité, un inconnu — parachuté dans une scène qui n'a jamais eu lieu, articulant des mots qu'il n'a jamais prononcés. En l'espace de deux petites années, la vidéo au visage substitué est passée du statut de curiosité de laboratoire à celui de bruit de fond, et la plupart du temps elle est braquée sur vous : pour vendre, pour salir, pour arnaquer, pour vous faire douter de ce que vous êtes en train de regarder.

Chez Annoying-Is-Caring, nous construisons exactement la même technologie. Nous l'utilisons pour faire de Papy le héros d'un film d'action. Volontairement. Et, discrètement, pour apprendre à une machine quelque chose de profondément humain.

Même outil, intention opposée

Voici la vérité gênante à propos du face-swap : la technologie en elle-même est neutre. Les pixels ne savent pas s'ils fabriquent de toutes pièces un aveu ou s'ils posent le visage de votre père sur un plan de héros au ralenti qui s'éloigne d'une explosion sans se retourner. Ce qui sépare les deux, ce n'est pas le logiciel — c'est l'intention, le consentement et le savoir-faire.

Le nôtre est délibéré sur ces trois plans :

L'intention

Faire sourire une personne précise que vous aimez — et non berner une foule.

Le consentement

Les vidéos sont réalisées par vous, pour votre proche, à partir de photos qui vous appartiennent, partagées en privé avec quelqu'un qui s'y attend. Le visage de personne n'est diffusé pour tromper un inconnu.

Le savoir-faire

Et c'est la partie sur laquelle il vaut la peine de s'attarder, car c'est là que l'inquiétant et le réjouissant se séparent réellement.

Apprendre à une machine à être drôle

Les gens imaginent qu'une entreprise de blagues n'est qu'une mince couche posée par-dessus un gros modèle d'IA. Ce n'est pas le cas. L'humour est l'un des problèmes réellement ardus et non résolus de l'intelligence artificielle — et il s'avère être un merveilleux professeur.

Un modèle peut écrire une phrase grammaticalement parfaite à longueur de journée. L'amener à en écrire une qui fasse pouffer une certaine personne de 78 ans, dans une certaine ville, au petit-déjeuner, c'est un sport complètement différent. Cela demande du rythme, de la surprise, de la concision, et un petit détail personnel qui dit celle-ci a été écrite pour toi. Alors nous ne nous contentons pas du premier jet : le système fait passer une audition à plusieurs versions de chaque blague et laisse un juge IA choisir celle qui frappe le plus fort. En vidéo, le narrateur apprend même la plus vieille astuce du stand-up — la pause, juste avant la chute.

La comédie en face-swap, c'est là que tout cela prend racine. Une blague reste abstraite jusqu'à ce qu'elle se retrouve sur un visage que vous reconnaissez, dans une scène absurde précisément parce que c'est lui, ou elle. Bien réaliser cela oblige les modèles à comprendre non seulement « est-ce que c'est drôle ? » mais « est-ce que c'est drôle à propos de cette personne ? » — une question bien plus riche, bien plus difficile, et une bien meilleure leçon.

Poser le bon visage sur la bonne personne

Ce qui nous amène à l'ingénierie ingrate qui dévore réellement notre temps — et à la ligne la plus nette entre un deepfake malveillant et un deepfake joyeux.

Un face-swap peut avoir l'air impeccable — net, fluide, crédible — et être pourtant complètement faux, parce qu'il a posé le bon visage sur la mauvaise personne. Dans un clip d'une seule personne, cela n'arrive jamais. Mais braquez-le sur une vraie scène — deux personnes qui dansent, une table de dîner, un moment de film avec une coupe au milieu — et soudain l'identité devient tout l'enjeu.

Notre professeur le plus limpide a été un clip de deux danseurs. Image par image, il était superbe. Et juste après une coupe de scène, il a plaqué les deux visages sur la tête d'un seul danseur — une seule personne portant deux identités, se disputant le même crâne. Une image magnifique et pourtant totalement fausse sur qui était qui. Un chiffre sur un graphique hausse les épaules devant ça ; un être humain a un mouvement de recul instantané, parce que nous sommes tous exquisément accordés à reconnaître les gens que nous aimons.

Corriger cela, c'est tout le métier : nous découpons la vidéo à chaque changement de scène et décidons qui est qui à l'intérieur de chaque plan ; nous ne gardons que la meilleure détection unique par tête, pour qu'un gros plan ne récolte pas deux identités ; nous lançons des vérifications économiques et quasi instantanées qui opposent leur veto aux substitutions manifestement fausses qu'un simple score de « qualité » laisserait volontiers passer ; et nous modélisons le visage avec des dizaines de milliers de points pour qu'une identité survive à un tour de tête au lieu de fondre dans quelqu'un d'autre.

Nous sommes obsédés par tout ça pour une raison douce aux conséquences dures : le cadeau ne fonctionne que si la personne à l'écran est incontestablement celle qu'ils aiment. Ratez l'identité et vous n'avez pas une vidéo drôle — vous avez une vidéo dérangeante, et la chaleur s'est évaporée. La réussir, c'est exactement la discipline qui sépare un outil bâti pour ravir d'un outil bâti pour tromper.

L'avenir que nous voulons vraiment

La fausse vidéo ne va pas rentrer dans sa boîte. La question intéressante n'a jamais été « peut-on l'arrêter ? » — c'est « vers quoi la braquons-nous ? » Vous pouvez pointer cette technologie vers l'érosion de la confiance, un mensonge convaincant à la fois. Ou vous pouvez pointer ces mêmes pixels vers une surprise de trente secondes qui fait éclater quelqu'un de rire devant son téléphone et répondre par texto « RENVOIE-MOI ÇA ». Il y a un de ces avenirs dans lequel nous aimerions vivre. Et le plus merveilleux, c'est que bien construire la version joyeuse — avec le consentement, avec le soin, avec le bon visage sur la bonne personne — c'est aussi la manière dont nous apprenons aux machines à faire quelque chose qu'aucun benchmark ne saisit encore pleinement : être drôle, à propos de quelqu'un, volontairement.

Même outil. Intention opposée. C'est toute l'entreprise.