Empreinte acoustique en fintech : détecter les voix synthétiques

Par l’équipe IdentityCall AI | Fintech | 6 min de lecture

Le problème de la « fraude au président »

En 2024, une multinationale de Hong Kong a perdu 25 millions de dollars après qu’un employé a été trompé lors d’une visioconférence où tous les autres participants étaient des deepfakes.
Les fintech sont désormais la cible principale des « attaques par voix synthétique », où des fraudeurs utilisent des voix clonées pour autoriser des virements de grande valeur.

Les mots de passe traditionnels et le 2FA (SMS) échouent parce que l’ingénierie sociale les contourne. La dernière ligne de défense est la voix elle-même. Mais les humains ne peuvent plus faire la différence.

Place à l’empreinte acoustique

L’empreinte acoustique va au-delà de la « biométrie vocale » (identifier qui parle) pour réaliser une « analyse des artefacts » (identifier ce qui a généré la parole).

Comment ça fonctionne

Les générateurs de deepfakes (GAN, modèles de diffusion) laissent des traces microscopiques dans le signal audio : des artefacts que l’oreille humaine ne perçoit pas, mais que les algorithmes peuvent détecter.

Continuité de phase : les cordes vocales réelles produisent des signaux de phase continus. La génération synthétique introduit souvent des « discontinuités de phase » aux endroits où les trames audio sont assemblées.
Chute des hautes fréquences : de nombreux modèles TTS (synthèse vocale) peinent à générer des harmoniques réalistes de haute fréquence (>8 kHz), laissant une signature révélatrice d’« étouffement » dans le spectrographe.
Analyse du schéma respiratoire : les humains respirent de façon irrégulière. Les modèles, souvent, soit oublient de respirer, soit insèrent des sons de respiration à des intervalles mathématiquement parfaits (non naturels).

Le score de « liveness »

IdentityCall fournit un score de probabilité synthétique (0-100) pour chaque appel.

Score < 20 : probablement humain.
Score > 80 : probablement synthétique.

Mise en œuvre en fintech :
Au lieu de bloquer l’appel (ce qui crée des frictions), les scores à haut risque déclenchent une escalade silencieuse :

Le virement est mis en pause.
Une authentification secondaire robuste (par exemple, une notification push vers un appareil vérifié) est déclenchée.
Un analyste antifraude humain examine le spectrogramme visuel.

Faire confiance, mais vérifier

À l’ère de l’IA, entendre n’est plus croire. Les fintech doivent vérifier la physique de la voix, pas seulement le son.

Protégez vos virements bancaires grâce à une analyse acoustique de niveau militaire.