Meta relance la reconnaissance faciale pour traquer les fausses pubs de célébrités

Les faux placements financiers, les prétendues méthodes miracles pour gagner de l’argent ou les produits de santé douteux ont trouvé un puissant vecteur de diffusion : la publicité en ligne qui emprunte le visage d’une personnalité connue. Avec l’IA générative, ces escroqueries peuvent désormais s’appuyer sur des images retouchées, des vidéos truquées et de fausses déclarations particulièrement crédibles. Le 22 octobre 2024, Meta annonce remettre à l’essai une technologie qu’il avait pourtant abandonnée trois ans plus tôt : la reconnaissance faciale.

L’objectif n’est pas de rétablir l’identification automatique de tous les utilisateurs de Facebook et d’Instagram. Le groupe de Mark Zuckerberg veut l’employer dans un cadre plus ciblé, pour repérer les annonces suspectes qui utilisent sans autorisation le visage de personnalités publiques. Environ 50 000 personnes publiques sont concernées par ce test initial. La décision illustre une tension devenue centrale sur les réseaux sociaux : mieux détecter les fraudes, sans banaliser le traitement de données biométriques particulièrement sensibles.

Pourquoi les fausses publicités de célébrités sont-elles si difficiles à combattre ?

Le procédé est connu sous le nom de « celebrity bait », que l’on pourrait traduire par appât à la célébrité. Des fraudeurs utilisent la notoriété et l’apparente crédibilité d’une personne connue pour attirer l’attention dans le fil d’actualité. Une publicité peut par exemple reprendre une photo authentique, la modifier, ou lui associer une citation inventée. Les escrocs cherchent souvent à faire cliquer l’internaute vers un site extérieur qui propose un investissement frauduleux, collecte des informations personnelles ou vend un produit trompeur.

L’intelligence artificielle générative a abaissé la difficulté technique de ces manipulations. Elle peut aider à produire rapidement de nombreuses variantes d’une même annonce, traduire les messages, modifier une image ou générer une vidéo dans laquelle une personne semble parler. Un deepfake désigne précisément un contenu, généralement une image, une vidéo ou un enregistrement audio, créé ou altéré pour faire croire qu’une personne a tenu des propos ou accompli des gestes qu’elle n’a jamais faits.

Ce type d’arnaque pose un problème de modération à grande échelle. Les plateformes analysent un nombre considérable de publicités, tandis que les fraudeurs changent de compte, de visuel et de formulation pour échapper aux contrôles. Une annonce peut aussi paraître banale à première vue : c’est l’association entre un visage connu, un message mensonger et une destination suspecte qui révèle la fraude.

Comment Meta compte utiliser la reconnaissance faciale

Le test annoncé par Meta repose sur une comparaison ciblée. Lorsqu’un système de détection repère une publicité potentiellement trompeuse utilisant l’image d’une personnalité publique, il peut comparer le visage présent dans l’annonce avec les photos de profil Facebook et Instagram de la personne concernée. Si une correspondance est établie et que la publicité semble relever d’une escroquerie, Meta peut la bloquer ou la retirer de ses plateformes.

Cette méthode ne consiste donc pas, en théorie, à chercher l’identité de chaque visage publié sur Facebook ou Instagram. Elle vise les publicités déjà considérées comme suspectes et les personnes publiques participant au dispositif. Meta indique que les comparaisons réalisées pendant le test doivent servir uniquement à cette lutte contre les arnaques. L’entreprise affirme aussi qu’elle supprimera immédiatement les données faciales générées pour la comparaison, qu’une correspondance soit trouvée ou non.

Les personnes publiques inscrites au programme reçoivent des notifications dans l’application. Meta précise qu’elles peuvent se désinscrire, sauf lorsque cette participation est nécessaire à une protection renforcée du compte. Le groupe présente cette possibilité de retrait comme un élément important de contrôle pour les personnes visées par les fausses publicités.

La reconnaissance faciale n’est pas un détecteur infaillible de mensonges. Elle peut aider à établir qu’une publicité utilise vraisemblablement l’image d’une personne déterminée. Elle ne suffit pas, à elle seule, à établir que le texte de l’annonce est trompeur ni à dire si une vidéo a été produite par IA. La décision de retirer une publicité doit donc s’inscrire dans un ensemble de signaux : contenu de l’annonce, annonceur, comportement du compte, liens de destination et règles de la plateforme.

Un retour très encadré, après l’arrêt de 2021

L’annonce est notable parce que Meta avait abandonné son ancien système de reconnaissance faciale en novembre 2021. À l’époque, Facebook utilisait notamment cette technologie pour suggérer l’identification de personnes sur des photos. Le groupe avait alors expliqué vouloir limiter les usages d’une technologie qui suscitait des préoccupations importantes dans la société et chez les régulateurs.

Meta avait également annoncé la suppression de plus d’un milliard de modèles de reconnaissance faciale accumulés dans le cadre de cet ancien système. Un modèle biométrique n’est pas une photo ordinaire : il s’agit d’une représentation numérique construite à partir de caractéristiques d’un visage afin de permettre une comparaison automatique. Parce qu’il est lié à l’identité physique d’une personne, ce type de donnée est généralement soumis à des protections juridiques renforcées.

Le dispositif présenté en octobre 2024 diffère donc de l’ancien usage de Facebook sur plusieurs points essentiels : il concerne un objectif précis, la lutte contre les arnaques publicitaires, s’appuie sur l’inscription de personnalités publiques et ne vise pas à proposer l’identification de personnes dans les photos des utilisateurs. Cette distinction ne met pas fin aux interrogations, mais elle explique pourquoi Meta présente l’initiative comme un test de sécurité plutôt que comme le rétablissement de son ancien outil.

Quelles données sont concernées et quels garde-fous Meta promet-il ?

Une donnée biométrique est une information liée à des caractéristiques physiques ou comportementales, comme le visage, l’empreinte digitale ou la voix. Son traitement exige une prudence particulière : contrairement à un mot de passe, un visage ne peut pas être changé en cas de fuite ou d’usage abusif. La confiance dans un tel système dépend donc autant de son efficacité contre les arnaques que de la limitation stricte des informations collectées, de leur durée de conservation et de leurs finalités.

Meta affirme que les données de comparaison créées dans le cadre de ce test sont supprimées immédiatement. L’entreprise indique aussi que la technologie n’est pas utilisée à d’autres fins. Ces engagements répondent directement aux inquiétudes associées à la reconnaissance faciale : risque de surveillance élargie, erreurs d’identification, manque de transparence sur les bases de données utilisées et difficulté, pour les personnes concernées, de savoir comment leurs informations sont traitées.

La question du consentement reste déterminante. Dans ce test, Meta cible environ 50 000 personnalités publiques, un groupe davantage exposé aux détournements d’image. Le mécanisme ne signifie pas que tous les internautes voient leur visage comparé à une base de données publicitaire. Il invite néanmoins à suivre de près la façon dont la plateforme définit une « personnalité publique », informe les personnes concernées et rend possible leur désinscription.

Le précédent texan rappelle le coût juridique de la biométrie

Cette relance intervient quelques mois après un règlement majeur aux États-Unis. En juillet 2024, Meta a accepté de verser 1,4 milliard de dollars à l’État du Texas pour mettre fin à un contentieux lié à l’ancien usage de la reconnaissance faciale. Les autorités texanes reprochaient à l’entreprise d’avoir capturé et utilisé les données biométriques de millions de Texans sans consentement, entre 2011 et 2021.

Cet accord, qui ne constitue pas une reconnaissance de culpabilité selon Meta, a mis en lumière les risques juridiques liés aux technologies biométriques. La réglementation varie selon les pays et les États américains, mais le principe est similaire : une entreprise ne peut pas considérer les caractéristiques physiques des utilisateurs comme de simples données techniques. Les obligations de consentement, d’information, de sécurité et de conservation peuvent être particulièrement exigeantes.

Pour Meta, l’enjeu dépasse donc la performance de détection. Le groupe doit démontrer que son outil est proportionné au risque qu’il cherche à réduire. Dans le cas présent, le bénéfice annoncé est clair : empêcher que des millions d’utilisateurs soient exposés à des annonces exploitant abusivement la confiance accordée à une célébrité. Mais ce bénéfice devra être mis en balance avec la nature intrusive de la technologie employée.

La reconnaissance faciale peut-elle vraiment freiner les deepfakes ?

Elle peut constituer une couche de défense utile, mais elle ne résout pas à elle seule le problème des deepfakes. D’abord, toutes les arnaques ne font pas intervenir une personnalité publique inscrite au programme de Meta. Ensuite, certains contenus usurpent une voix, un nom ou une identité visuelle sans montrer clairement un visage. Enfin, une fraude peut être diffusée dans une publication ordinaire, un groupe privé ou un service de messagerie, et non dans une publicité.

L’intérêt de la reconnaissance faciale réside surtout dans la rapidité. Dès lors qu’un système peut établir qu’une annonce utilise le visage d’une personne régulièrement ciblée, il peut accélérer l’examen et limiter la durée de diffusion de la campagne. Or, dans une escroquerie publicitaire, quelques heures ou quelques jours de visibilité peuvent suffire à atteindre un grand nombre de victimes potentielles.

Une stratégie complète suppose toutefois plusieurs protections complémentaires : vérification des annonceurs, détection des réseaux de comptes frauduleux, analyse des liens vers lesquels les publicités redirigent, signalements des utilisateurs et sanctions contre les récidivistes. L’éducation des internautes reste également essentielle. Une promesse de rendement élevé sans risque, une urgence artificielle ou une célébrité qui semble promouvoir un produit improbable doivent susciter la méfiance, même lorsque la vidéo paraît réaliste.

Ce qu’il faut surveiller

Le test de Meta sera d’abord jugé sur des éléments très concrets : le nombre de publicités frauduleuses détectées, la rapidité de retrait, le nombre d’erreurs et la capacité des escrocs à contourner le système. Le groupe n’a pas détaillé, dans son annonce, de calendrier précis pour un éventuel élargissement du dispositif ni d’indicateur chiffré de réussite.

Il faudra aussi observer la transparence apportée aux personnes concernées. Un mécanisme de reconnaissance faciale utilisé à des fins de sécurité peut être mieux accepté s’il est clairement limité, compréhensible, contrôlable et soumis à des règles strictes de suppression des données. À l’inverse, toute extension progressive vers d’autres usages raviverait les critiques qui avaient conduit Meta à abandonner son ancien système en 2021.

Cette initiative montre surtout que les plateformes entrent dans une nouvelle phase de la lutte contre les arnaques générées ou facilitées par l’IA. Les fraudeurs exploitent la puissance de l’imitation numérique. Meta choisit de leur opposer une autre forme d’automatisation, fondée sur la biométrie. Son efficacité dépendra de la précision des contrôles, mais sa légitimité dépendra tout autant de la protection effective des visages et des droits des utilisateurs.