IA faire parler une image : la méthode qui ne saute pas l’étape du consentement

« Faire parler une image avec l’IA » consiste à animer une photo fixe d’un visage pour qu’elle semble prononcer un texte ou un enregistrement audio, en synchronisant le mouvement de la bouche avec le son. La partie technique est aujourd’hui la plus simple, accessible en quelques clics sur la plupart des outils grand public. Ce qui doit être réglé avant tout traitement : que la personne visible sur la photo ait explicitement consenti à ce que son image serve à cet usage. Pour votre propre photo, la question ne se pose pas. Pour toute autre, si.

Où ça sert au bureau

• —Un message d’accueil personnalisé pour un nouvel arrivant, à partir d’une photo de la direction plutôt que d’un tournage complet.
• —Une annonce interne courte, animée à partir d’un portrait déjà existant, quand la personne concernée n’est pas disponible pour un nouveau tournage.
• —Une déclinaison en plusieurs langues d’un message déjà enregistré, en gardant le même visage familier plutôt qu’en refilmant à chaque langue.

Ce n’est pas adapté à tout ce qui doit rester une preuve fidèle d’un événement réel, ni à faire dire à une personne, connue ou non, des propos qu’elle n’a jamais tenus. Et ce n’est jamais adapté à la photo d’un collègue ou d’une personne publique sans son accord explicite, même pour un usage interne présenté comme anodin.

Une méthode qui ne saute pas l’étape du consentement

1. 01N’animez que votre propre photo, ou une photo pour laquelle vous disposez d’un consentement explicite, écrit dans l’idéal — « la personne n’a rien dit contre » ne suffit pas.
2. 02Choisissez une photo de face, bien éclairée, avec le visage entièrement visible et une expression neutre — un profil, une photo sombre ou un visage partiellement caché produit un résultat nettement moins convaincant, et parfois un décalage visible entre la bouche et le son.
3. 03Rédigez à l’avance le texte complet que le visage devra prononcer, noms propres et termes techniques compris — c’est là que la synchronisation entre la bouche et le son s’écarte le plus souvent de l’attendu.
4. 04Regardez le résultat en entier à côté de la photo de départ et du texte prévu, pas seulement les premières secondes, avant de le diffuser.
5. 05Signalez explicitement le résultat comme généré par IA dès qu’il sort d’un usage strictement interne.

Un exemple de bout en bout

Prenez un message d’accueil pour les nouveaux arrivants, à partir d’une photo de la direction. Méthode faible : récupérer une photo de groupe existante, en recadrer un visage de profil, et lancer l’animation directement sans vérification préalable ni accord explicite de la personne concernée.

Méthode complète : demander d’abord une photo de face récente et l’accord explicite de la personne, rédiger le texte complet du message en amont, puis générer le résultat et le comparer image par image avec la photo de départ. Sur cet exemple, la version issue d’une photo de face bien éclairée produit une synchronisation nette entre la bouche et le son, alors que la première tentative sur la photo de profil recadrée montrait un décalage visible dès les premières secondes — un défaut qu’un visionnage complet aurait révélé avant toute diffusion.

Une photo animée qui semble convaincante au premier visionnage ne peut pas être diffusée pour autant. Elle ne le peut qu’une fois que la personne dont c’est le visage y a explicitement consenti.

Où ces outils se trompent le plus souvent

• —Une photo de profil ou partiellement éclairée produit une synchronisation labiale visiblement décalée, surtout sur les consonnes fermées.
• —Des lunettes ou un reflet sur le visage peuvent créer un artefact autour des yeux, invisible sur la photo d’origine mais net une fois le visage animé.
• —Un texte lu par une voix de synthèse plutôt qu’un enregistrement réel bute souvent sur les mêmes noms propres et termes techniques qu’un clonage de voix — le même soin de rédaction préalable s’applique aux deux.

Pourquoi c’est une question de consentement, pas seulement technique

En droit français, l’image d’une personne est protégée au titre des droits de la personnalité rattachés à l’article 9 du Code civil, que la photo soit utilisée telle quelle ou animée par IA pour lui faire dire quelque chose. Utiliser commercialement ou publiquement le visage d’une personne, reconnaissable, sans son consentement reste une atteinte à ce droit, aussi convaincant que soit le résultat technique.

Une photo de visage traitée dans le but d’identifier ou d’authentifier une personne de façon unique devient une donnée biométrique sensible au sens du RGPD — c’est l’usage qui déclenche ce régime renforcé, pas le simple fait qu’une photo existe. La CNIL publie des repères sur la biométrie et sur les usages détournés de l’image d’une personne par l’IA, deepfakes compris.

C’est exactement pour cette raison que le consentement se documente avant tout traitement de la photo, pas après coup une fois le résultat déjà prêt à être diffusé.

Ce que mesurent les sources disponibles

L’INSEE mesure qu’en 2024, 10 % des entreprises françaises déclaraient utiliser au moins une technologie d’IA, contre 6 % l’année précédente — une adoption qui progresse vite, dans laquelle les outils d’image et de vidéo prennent une place croissante sans être isolés dans les statistiques disponibles.

Qu’un humain reste responsable de vérifier un contenu généré avant de le diffuser, pour une photo animée comme pour tout autre contenu, figure explicitement dans les lignes directrices de l’OCDE sur l’IA. Le rythme auquel ces modèles progressent sur la synchronisation labiale et le rendu du visage est suivi chaque année par le Stanford AI Index — les progrès sont réels, mais ils ne suppriment pas le besoin de consentement ni celui de vérification.

Cette même routine de vérification — donner un contexte précis puis comparer le résultat à l’original avant de s’y fier — est ce que le PwC AI Jobs Barometer retrouve derrière la prime salariale qu’il mesure sur près d’un milliard d’offres d’emploi, quelle que soit la nature du contenu produit.

Ce que vous essayez cette semaine

1. 01Choisissez une photo de face, bien éclairée, de vous-même ou d’une personne ayant explicitement consenti.
2. 02Rédigez à l’avance le texte complet que le visage devra prononcer, termes techniques compris.
3. 03Générez le résultat et regardez-le en entier à côté de la photo de départ, pas seulement les premières secondes.
4. 04Signalez le résultat comme généré par IA dès qu’il sort de votre usage strictement interne.

La même exigence de consentement avant tout traitement est celle détaillée pour une voix plutôt qu’un visage dans Clonage voix IA. La même rigueur de comparaison avec l’original, appliquée à un personnage généré plutôt qu’à une personne réelle, est celle de Personnage IA. Pour une photo ponctuelle sans animation, Prompt ChatGPT photo détaille les éléments qui évitent un résultat générique, et pour cadrer le texte du message avant de le faire prononcer par une voix de synthèse, Formation prompt IA applique le même principe de précision.

Coursium fait pratiquer cette même méthode — un consentement d’abord, puis une vérification systématique — par petites leçons sur votre téléphone, sur des tâches réelles plutôt que des démonstrations. Gardez une longueur d’avance sur l’IA en commençant ici — ou lisez d’abord à propos de Coursium.