Nvidia peut démasquer une vidéo générée par l’IA en 22 millisecondes : la fin du doute face aux deepfakes ?

Une vidéo qui circule sur les réseaux sociaux est-elle réelle, ou sortie tout droit d’un générateur d’IA ? Il y a encore un an, répondre à cette question demandait de l’œil exercé d’un expert, parfois plusieurs heures d’analyse. Nvidia vient de changer la donne avec le Synthetic Video Detector (SVD), un outil capable d’estimer la probabilité qu’une vidéo soit synthétique en à peine 22 millisecondes, soit environ le temps d’un battement de cil. Présenté au SIGGRAPH 2026, cet outil ne se contente pas d’être rapide : il ambitionne de devenir la référence pour authentifier ce que nous regardons, des salles de rédaction aux chaînes de production industrielle, en passant, potentiellement, par nos salons.

📘 Définition express : Un NIM (Nvidia Inference Microservice) est un module d’intelligence artificielle prêt à l’emploi, packagé pour tourner directement sur les serveurs ou cartes graphiques Nvidia, sans que l’entreprise qui l’utilise ait besoin d’entraîner son propre modèle.

Qu’est-ce que le Synthetic Video Detector, concrètement ?

Le Synthetic Video Detector fait partie de la gamme Nvidia Maxine et se présente comme un microservice NIM : une brique logicielle que les entreprises peuvent brancher sur leurs propres outils, plutôt qu’un produit grand public à télécharger. Son fonctionnement repose sur l’analyse image par image de la vidéo soumise, à partir de laquelle il calcule un score de probabilité indiquant si le contenu a été généré ou manipulé par une intelligence artificielle.

Sous le capot, le système combine deux modèles de vision par ordinateur, DINOv2 et DINOv3, réunis en ensemble et optimisés avec TensorRT pour tourner à très grande vitesse sur les GPU Nvidia. Concrètement, la vidéo est d’abord décodée et transformée en images normalisées, avant d’être envoyée à ce moteur d’inférence, qui restitue un score par image ainsi qu’un score global agrégé.

Le pipeline en quatre étapes

• Réception : la vidéo est envoyée au service via une interface gRPC en streaming.
• Décodage GPU : le flux H.264 est converti en images RGB normalisées.
• Inférence : chaque image passe dans l’ensemble DINOv2 + DINOv3 optimisé TensorRT.
• Résultat : un score de classification par image, plus une synthèse globale sur l’ensemble de la vidéo.

Des chiffres qui impressionnent mais à nuancer

Sur le papier, la performance est spectaculaire. Nvidia annonce jusqu’à 92 % de précision sur une vidéo non compressée, un chiffre qui baisse mécaniquement à mesure que la vidéo est compressée, comme c’est presque toujours le cas une fois publiée sur les réseaux sociaux.

Taux de compression	Précision annoncée	Contexte
Vidéo non compressée	92 %	Fichier brut, rarement le cas en ligne
Compression ~15 %	87 %	Proche d’une vidéo partagée en qualité correcte
Compression ~50 %	82 %	Proche d’une vidéo fortement compressée, type réseau social

Côté vitesse, le service traite une vidéo en 1080p en environ 22 millisecondes sur une carte grand public RTX, et en 30 millisecondes sur du matériel de centre de données de la gamme L40, largement assez rapide pour un contrôle en quasi temps réel dans un flux de production.

🔴 À nuancer Ces scores proviennent de tests internes réalisés par Nvidia, principalement face à ses propres outils (COSMOS, LipSync, Live Portrait) ainsi qu’à Sora, Veo, OmniAvatar et OVI. La précision réelle face à l’ensemble des générateurs vidéo du marché, notamment les plus récents ou les moins connus, n’a pas encore été mesurée par un tiers indépendant. Un test réalisé par le média 3DVF a d’ailleurs montré des résultats plus mitigés sur des contenus 3D, comme des avatars MetaHuman classés à tort comme synthétiques.

Comment cette technologie pourrait transformer nos usines

L’angle industriel est celui que Nvidia met le plus en avant pour l’instant. Le prestataire de streaming Wowza intègre déjà le Synthetic Video Detector dans son Video Intelligence Framework, permettant d’appliquer la vérification directement au point où la vidéo est captée ou diffusée, sans avoir à extraire un extrait suspect pour l’envoyer sur un site d’analyse séparé.

Dans un contexte industriel, ce type de vérification en temps réel ouvre plusieurs pistes concrètes :

• Contrôle qualité vidéo : vérifier qu’un flux de caméra de supervision sur une chaîne de production n’a pas été altéré ou remplacé, un scénario redouté en cybersécurité industrielle.
• Biométrie et accès : renforcer les systèmes de vérification d’identité par vidéo utilisés dans certains sites sensibles, en complément et non en remplacement des dispositifs de détection de vivacité (liveness detection).
• Chaînes d’approvisionnement : authentifier des vidéos de preuve de livraison ou d’inspection envoyées par des fournisseurs distants.

Et dans nos maisons ? Une piste plus lointaine

Pour le grand public, l’outil n’est aujourd’hui pas accessible directement : le Synthetic Video Detector fait partie du programme à accès restreint « AI for Media Private Access Program » de Nvidia, réservé pour l’instant aux rédactions, diffuseurs et entreprises partenaires. Une démonstration est toutefois disponible sur build.nvidia.com, avec une limite de fichier de 100 Mo.

Malgré tout, on peut imaginer où ce type de technologie pourrait, à terme, s’inviter dans le quotidien domestique à condition qu’elle soit un jour intégrée à des produits grand public :

• Protection contre les arnaques par deepfake vocal ou vidéo, notamment celles ciblant les personnes âgées via de faux appels de proches en détresse.
• Vérification de contenus reçus par messagerie avant de les partager en famille, à l’image de ce que proposent déjà certains antivirus pour les liens suspects.
• Intégration future dans des applications de visioconférence ou des assistants domestiques, pour signaler un flux vidéo potentiellement synthétique.

🟡 Notre avis : Parler d’un « détecteur de deepfake dans votre salon » relève aujourd’hui de la projection plus que du fait établi. La technologie existe, elle est rapide et déjà utile pour les professionnels de l’image, mais son arrivée dans un produit grand public (appli mobile, navigateur, assistant vocal) n’a été annoncée par personne. Elle est néanmoins la preuve qu’une course à l’authentification vidéo est bel et bien lancée, en miroir de la course à la génération d’images et de vidéos par IA.

Les limites qu’il ne faut pas balayer d’un revers de main

• Accès restreint : l’outil n’est pas ouvert au grand public, seulement en accès anticipé pour certains partenaires.
• Contrainte matérielle : le service nécessite un encodeur Nvidia NVENC, ce qui exclut nativement certaines cartes de centre de données comme le B100.
• Course à l’armement : à mesure que les détecteurs progressent, les générateurs de vidéos par IA progressent aussi. Rien ne garantit que les scores de précision actuels tiendront face aux futurs modèles.
• Un outil d’aide, pas un verdict : Nvidia présente lui-même le SVD comme une aide à la priorisation pour les équipes de vérification humaine, pas comme un juge automatique infaillible.

Le Synthetic Video Detector de Nvidia illustre une tendance de fond : à mesure que l’IA générative rend le faux plus convaincant, une industrie entière se structure pour détecter ce faux, presque aussi vite qu’il est produit. Pour l’instant réservé aux professionnels des médias et de l’entreprise, cet outil pourrait bien préfigurer une génération de fonctionnalités de vérification que l’on retrouvera, demain, jusque dans nos usines et nos maisons.