Glossaire

Deepfake

Qu’est-ce que Deepfake ?

Un deepfake est une image, une vidéo ou un audio créé ou modifié par l'IA qui montre de façon trompeuse des personnes réelles disant ou faisant des choses jamais survenues. Outre des usages légitimes au cinéma ou dans le doublage, les deepfakes servent à la désinformation, à nuire à la réputation et à la fraude – par exemple le faux appel d'un supérieur exigeant un virement. Pour vous protéger : rappel via des canaux connus, validations claires et signalement des contenus générés par l'IA.

Thèmes

désinformation
fraude
IA générative

Essayer KI.ordo

Agents, flux et modèles dans un seul espace de travail – démo gratuite de 24 heures.

Lancer la démo

← Tous les termes

Termes associés

Réseau antagoniste génératif (GAN)

Un réseau antagoniste génératif (Generative Adversarial Network, GAN) se compose de deux réseaux de neurones entraînés l’un contre l’autre : le générateur crée des données artificielles, par exemple des images, et le discriminateur tente de les distinguer des vraies. Cette compétition rend les résultats de plus en plus réalistes. Présentés en 2014, les GAN ont marqué la génération d’images avant l’essor des modèles de diffusion ; ils servent notamment à produire des données d’entraînement synthétiques ou à améliorer des images.

Réseaux de neurones
Génération d’images
+1

IA générative

L’IA générative désigne les systèmes d’IA qui créent de nouveaux contenus – textes, images, audio, vidéo ou code – au lieu de seulement classer ou évaluer des données existantes. Elle repose sur des modèles qui apprennent des régularités dans de grandes masses de données pour produire des résultats nouveaux et plausibles. En entreprise, elle sert par exemple à rédiger des brouillons d’e-mails, des résumés, des fiches produits ou des pistes visuelles. Les résultats peuvent comporter des erreurs et doivent être vérifiés.

Notion de base
Création de contenu
+1

Éthique de l'IA

L'éthique de l'IA traite des questions morales liées au développement et à l'usage de l'IA : équité et discrimination, transparence et explicabilité, protection des données, responsabilité en cas d'erreur, sécurité et effets sur le travail et la société. Pour une organisation, elle se concrétise par des lignes directrices, des évaluations des risques, un contrôle humain et une communication honnête sur les limites de l'IA. Exemple : avant d'utiliser un outil de tri des candidatures, on vérifie qu'il ne défavorise pas certains groupes.

Éthique
Responsabilité
+1

Détection de fraude

La détection de fraude regroupe les méthodes qui repèrent tôt des transactions, commandes, comptes ou demandes suspects. Règles et modèles d'apprentissage recherchent des signaux d'alerte : adresses de livraison et de facturation différentes, quantités inhabituelles, urgence suspecte ou adresses e-mail jetables. Elle est utilisée dans le commerce en ligne, la banque, l'assurance et les services de paiement. Les fausses alertes pouvant toucher de vrais clients, les signalements doivent être examinés par des personnes plutôt que rejetés automatiquement.

Prévention de la fraude
Gestion des risques
+1

Modèle