Deepfakes : certifier le vrai plutôt que traquer le faux, pour l’assurance et au-delà

Comment l'assurance peut-elle encore se fier aux photos et aux vidéos à l'ère des deepfakes ? Dans une tribune publiée par L'Argus de l'assurance (n° 7973, 25 septembre 2026), Emeric Desnoix, avocat associé, et Guillaume Laurent, cofondateur de Certificall, répondent : en organisant la confiance dès la capture, plutôt qu'en traquant seulement le faux après coup. Nous en publions ici une version remaniée, enrichie de données récentes.

Par Emeric Desnoix, avocat associé, cabinet Emeric Desnoix, et Guillaume Laurent, cofondateur de Certificall.

Deepfakes en assurance : la fin d'une question unique

Un deepfake est un contenu visuel ou sonore (image, vidéo, audio) truqué ou généré par l'IA pour paraître authentique. En assurance, il peut servir à usurper l'identité d'un assuré ou à falsifier une pièce justificative, comme une photo de dommages.

Pendant longtemps, la lutte contre la fraude documentaire a reposé sur une question simple : comment détecter le faux ? Assureurs, enquêteurs, experts, juristes : tous ceux qui décident sur la foi d'une photo, d'une vidéo ou d'un enregistrement ont bâti leurs méthodes autour d'elle.

L'IA générative est en train de rebattre les cartes. À une vitesse rarement observée.

Une photo se retouche en quelques secondes. Une vidéo s'altère de façon quasi indétectable. Une voix se reproduit avec un réalisme saisissant. Les outils sont accessibles, bon marché et simples à utiliser. Fabriquer un contenu trompeur n'est plus un savoir-faire de spécialiste : c'est devenu une capacité démocratisée.

Le phénomène n'a plus rien de théorique. Selon le rapport 2024 de Signicat, les responsables anti-fraude des banques, assureurs et fintechs européens estiment que 42,5 % des tentatives de fraude détectées recourent déjà à l'IA. En France, l'ALFA a identifié 946 M€ de fraude en 2025 chez ses adhérents, dont près de 627 M€ en IARD. Ces chiffres mesurent ce qui est détecté. Ils ne sont probablement que la partie visible d'une transformation bien plus profonde.

Au faux s'ajoute désormais le doute

Dans le privé comme dans le public, les conséquences sont directes. Déclarations de sinistres, expertises à distance, constats techniques, justificatifs de travaux, contrôles de prestations, dossiers corporels : jamais autant d'images et de vidéos n'ont circulé. Et jamais leur authenticité n'a été aussi facile à contester.

Le risque est double :

• un contenu fabriqué peut être présenté comme authentique ;
• un contenu parfaitement sincère peut être rejeté au seul motif qu'il aurait pu être généré par l'IA.

Autrement dit, au faux s'ajoute désormais le doute. C'est précisément le terrain de la levée de doute sur une déclaration de sinistre.

La détection a posteriori : une course sans ligne d'arrivée

Les outils d'analyse a posteriori restent utiles. Mais ils ne peuvent plus être la seule réponse.

Chercher après coup une anomalie dans les pixels, les métadonnées ou la structure d'un fichier, c'est courir derrière des technologies qui progressent chaque semaine. Le rapport de force est déséquilibré : les moyens investis dans les modèles génératifs dépassent très largement ceux consacrés à la détection. Les solutions de contrôle sont condamnées à la poursuite, sans garantie de combler durablement leur retard. Nous détaillons ailleurs pourquoi le marquage IA et la preuve numérique offrent deux niveaux de confiance distincts.

Changer de question : organiser la confiance dès la capture

Il faut donc changer de paradigme. La vraie question n'est plus seulement « comment identifier un faux ? ». C'est aussi : « comment organiser la confiance autour d'un contenu numérique dès sa création ? »

Concrètement : documenter sa provenance, garantir son intégrité, retracer son parcours et conserver de quoi comprendre ce qui lui est arrivé entre sa capture et son utilisation.

C'est l'objet des travaux engagés au sein de l'Afnor (Association française de normalisation) : bâtir un cadre de confiance pour la collecte et la conservation de photos et de vidéos numériques à usage probatoire. Ils réunissent notamment des acteurs de l'assurance, du bâtiment, des télécommunications et de l'écosystème de la confiance numérique.

L'ambition n'est ni de créer un nouveau régime juridique, ni de se substituer aux professions réglementées. Elle est de définir un socle commun d'exigences techniques pour objectiver les conditions de capture, de transmission, de conservation et d'archivage des contenus numériques.

Une technologie ne dit pas le droit

Cette précision est essentielle. Un référentiel technique ne crée pas, à lui seul, une preuve au sens juridique. Il ne remplace ni le débat contradictoire, ni l'analyse des professionnels du droit, ni l'appréciation souveraine du juge.

En revanche, il documente les conditions dans lesquelles une photo ou une vidéo a été créée, conservée et transmise. La nuance est fondamentale : la technologie n'établit pas la vérité juridique. Elle fournit des éléments de confiance pour apprécier la fiabilité d'un processus, comme l'explique notre article sur la valeur d'une photo numérique comme preuve.

De la détection du faux à la certification du vrai, pour l'assurance et au-delà

L'enjeu dépasse largement la fraude à l'assurance, et c'est dans cet esprit que les travaux Afnor ont été menés. Bâtiment, transport, e-commerce, logistique, administrations, collectivités : tous affrontent la même question. Comment faire encore confiance à une image quand chacun sait qu'elle peut être modifiée, générée ou manipulée ?

Ni le droit seul ni la technologie seule n'y répondront. La réponse combinera exigences techniques, procédures adaptées, interventions humaines, expertise métier et encadrement juridique.

Demain, l'avantage n'ira probablement pas à ceux qui sauront seulement mieux détecter les falsifications. Il ira surtout à ceux qui sauront aussi démontrer, avec méthode et transparence, comment un contenu a été capté, conservé et utilisé.

Certifier le vrai, ce n'est pas confier à une machine le soin de dire la vérité. C'est reconstruire une chaîne de confiance autour de l'information numérique. À l'heure des deepfakes, ce n'est plus seulement un enjeu technique : c'est une condition du fonctionnement de l'assurance et, plus largement, de la confiance dans l'économie numérique.

Ce que change la certification à la source avec Certificall

La tribune pose un principe. Certificall en est une application concrète : certifier le vrai plutôt que d'essayer de détecter le faux. Certificall participe d'ailleurs aux travaux engagés au sein de l'Afnor.

Chaque photo, vidéo ou document capturé avec Certificall reçoit dès la prise de vue un horodatage qualifié au sens du règlement eIDAS, une géolocalisation et un cachet électronique qualifié. Le contenu est scellé, puis archivé. Toute modification ultérieure devient détectable.

Certificall ne se présente pas comme infalsifiable. La plateforme sert de premier niveau de contrôle dans la lutte contre la fraude en IARD : elle lève le doute, détecte les tentatives de manipulation lors des déclarations de risque et de sinistre grâce à une IA anti-fraude souveraine, et aide l'assureur, le courtier ou l'expert à décider. Pour une expertise à distance, l'assuré peut lui-même capturer ses photos certifiées via un simple lien CertiLink, sans installer d'application. Les experts peuvent ainsi fonder un rapport d'expertise sur des preuves certifiées.

Des assureurs comme Groupama et Helvetia, le grand courtage avec Diot-Siacy, ainsi que de nombreux experts sinistre et éditeurs de logiciels d'assurance utilisent déjà Certificall. Pour aller plus loin, consultez notre dossier fraude à l'assurance et preuve numérique ou découvrez Certificall pour les assureurs, courtiers et experts. Vérifier, tracer, agir.

Les questions qu'on nous pose vraiment sur les deepfakes en assurance

❓ Un deepfake peut-il tromper un expert d'assurance ?

Oui : une photo de dommages générée ou retouchée par IA peut être quasi indétectable à l'œil. C'est pourquoi la tribune recommande de documenter l'origine d'un contenu dès sa capture, plutôt que de compter uniquement sur l'analyse après réception.

❓ Les outils de détection de deepfakes suffisent-ils ?

Pas à eux seuls. Ils restent utiles, mais ils courent derrière des modèles génératifs qui progressent chaque semaine et bénéficient de moyens bien supérieurs. La certification à la source les complète.

❓ Une photo certifiée vaut-elle preuve juridique devant un juge ?

Pas automatiquement. Un dispositif technique ne crée pas à lui seul une preuve au sens juridique et ne remplace ni le débat contradictoire ni l'appréciation souveraine du juge. Il documente les conditions de capture, de conservation et de transmission d'une photo numérique.

❓ Que prépare l'Afnor sur les photos et vidéos à usage probatoire ?

Des travaux visent un socle commun d'exigences techniques pour la capture, la transmission, la conservation et l'archivage des photos et vidéos numériques. Ils réunissent l'assurance, le bâtiment, les télécommunications et la confiance numérique, sans créer de nouveau régime juridique. Certificall y participe ; aucun référentiel n'est publié à ce stade.

❓ Comment Certificall limite-t-il le risque de deepfake dans un dossier de sinistre ?

Certificall certifie les photos, vidéos et documents au moment de leur capture : horodatage qualifié eIDAS, géolocalisation et cachet électronique qualifié. Son IA anti-fraude souveraine détecte les tentatives de manipulation, et l'assureur reçoit une donnée tracée depuis sa source.