Microsoft veut breveter une IA pouvant changer vos paroles en direct à la télévision

Imaginez un discours retransmis en direct. Dans votre salon, l'orateur lâche une expression bien à lui. Chez votre voisin, réglé sur un autre profil, la même phrase sort autrement et les lèvres suivent parfaitement les deux versions. Aucun des deux spectateurs n'a entendu ce qui a vraiment été prononcé.

Ce scénario figure dans une demande de brevet déposée par Microsoft Technology Licensing (la filiale qui gère la propriété intellectuelle du groupe) et publiée fin octobre aux États-Unis.

Précision essentielle : c'est une demande publiée, pas un produit, ni même un brevet accordé. Le texte montre pourtant ce qu'un géant de l'IA juge assez prometteur pour le protéger.

Repérée par Patentlyze (un service de veille sur les brevets), la demande a été relayée par le site Futurism, puis par Computerworld, qui rappelle qu'on ignore quand, ou même si, Microsoft lancera un jour cette technologie [1].

Dans cet article :

• Ce que Microsoft décrit : des mots remplacés, des lèvres redessinées
• Votre profil, votre version du direct
• Voix clonée, visage animé : Microsoft a déjà les briques
• Ce qui va se jouer et comment garder la main

Ce que Microsoft décrit : des mots remplacés, des lèvres redessinées

Le document porte un titre austère, « Near Real-Time Artificial Intelligence (AI) Enhancement of Video or Augmented Reality (AR) Presentations of Live Events ».

Traduction : retoucher par IA, presque en temps réel, la vidéo d'un événement en direct ou sa version en réalité augmentée (des images numériques superposées au monde réel, par exemple dans des lunettes). Déposé le 29 avril 2025, il a été publié le 29 octobre 2026 [2].

Le mécanisme tient en deux parties. Un agent IA (un programme qui agit de façon autonome) écoute le son et choisit les mots à changer selon des règles et, parfois, le profil du spectateur. Une IA générative remplace ensuite ces mots dans le son et l'image, retouche la bouche de l'orateur et lisse les secondes autour de la coupure pour masquer la couture.

Le « quasi-temps réel » a une définition précise : quelques secondes, avec une fourchette de 1 à 10 secondes donnée en exemple. Le texte la rattache au léger différé que les chaînes utilisent déjà pour couper un juron à la main. La machine ferait dans ce créneau ce qu'un technicien fait aujourd'hui avec un bouton.

La liste des cibles est longue. On y trouve la traduction en direct, les « euh » et les bégaiements, mais aussi des expressions régionales comme « y'all » (le « vous autres » du sud des États-Unis) et des mots jugés offensants ou inappropriés. Les mots de remplacement pourraient même venir d'une recherche sur Internet [3].

Côté terrain de jeu, Microsoft voit large : conférences, cérémonies de remise de prix, jeux télévisés et émissions de cuisine, sport, opéra, podcasts, vidéos des réseaux sociaux. Bref, tout ce qui se regarde en direct, sur une télé, un téléphone ou dans des lunettes connectées.

Votre profil, votre version du direct

Le passage le plus troublant concerne le profil du spectateur. Parmi les données citées en exemple : l'âge, les langues parlées, la région de naissance ou de résidence, l'origine ethnique, la religion, le niveau d'études et même la filière universitaire [2].

Conséquence directe : deux personnes devant le même discours pourraient entendre deux discours différents. Jusqu'ici, quand une parole déplaisait, on changeait de chaîne. Le système décrit propose l'inverse : ajuster les paroles d'un autre à son propre goût.

La demande va plus loin que le ménage verbal. Elle évoque une vérification des faits instantanée : l'IA comparerait les propos à des recherches en ligne et corrigerait en direct les informations jugées inexactes ou trompeuses.

Reste à savoir qui décide de ce qui est trompeur, et avec quelle fiabilité. Les IA génératives inventent encore des réponses avec aplomb, comme le détaille notre décryptage sur les hallucinations. Confier à ce genre d'outil la correction d'un orateur en direct, c'est parier sur une fiabilité qu'il n'a pas encore prouvée.

Microsoft glisse un garde-fou : l'enregistrement original pourrait être conservé comme « ground truth » (la version de référence de ce qui a été dit). Le conditionnel compte. Le texte n'impose aucune conservation et ne prévoit nulle part de prévenir le spectateur que son flux a été modifié.

Un autre flou : le statut juridique. Selon Futurism, repris par AI Weekly, l'office américain des brevets aurait déjà approuvé la demande et il ne manquerait que le paiement des frais finaux [4]. Le registre public consulté par d'autres médias ne montre pour l'instant qu'une demande publiée. Microsoft n'avait pas répondu à Futurism.

Voix clonée, visage animé : Microsoft a déjà les briques

Le brevet n'arrive pas de nulle part. Dans Teams (la messagerie professionnelle de Microsoft), l'agent Interpreter traduit déjà les réunions de voix à voix en temps réel. Avec l'option « Simulate my voice », il imite le timbre de l'orateur dans la langue choisie [5].

Côté visage, Microsoft Research a présenté en avril 2024 VASA-1, un modèle qui fait parler un portrait à partir d'une photo et d'un fichier audio. Il produit une vidéo de 512 × 512 pixels à 40 images par seconde, avec 170 millisecondes de latence sur une seule carte graphique Nvidia RTX 4090. Microsoft a choisi de ne pas le diffuser [6].

Rien ne prouve que ces outils alimentent le système décrit dans la demande. Mais la voix clonée et la synchronisation des mouvements de bouche existent déjà dans les laboratoires et les produits du groupe. Le brevet décrit surtout comment les assembler sur un flux en direct, piloté par le profil de chacun.

Et la vidéo truquée en conditions réelles n'a plus rien de théorique. Début 2024, un employé du bureau hongkongais du cabinet d'ingénierie Arup a versé 200 millions de dollars hongkongais (environ 25,6 millions de dollars américains) en 15 virements, après une visioconférence où le directeur financier et ses collègues étaient des deepfakes [7].

Le terrain est mûr, car l'information se regarde de plus en plus en vidéo, loin des chaînes. Selon le Digital News Report 2026 du Reuters Institute (centre de recherche rattaché à l'université d'Oxford), les réseaux sociaux et plateformes vidéo servent à s'informer à 54 % des répondants, devant la télévision (52 %) et les sites des médias (51 %) [8].

Le même rapport mesure une inquiétude qui grimpe : 62 % des personnes interrogées s'inquiètent de démêler le vrai du faux en ligne, 4 points de plus qu'un an plus tôt. Dans toute l'Europe de l'Ouest, la hausse dépasse 4 points, et atteint 9 points en Belgique.

Ce qui va se jouer et comment garder la main

L'Europe exige déjà une étiquette

Pour les lecteurs de France et de Belgique, une règle existe déjà. Depuis le 2 août 2026, l'article 50 de l'AI Act (le règlement européen sur l'intelligence artificielle) impose de signaler les deepfakes et de marquer les contenus générés ou retouchés par IA [9].

Le texte vise ceux qui utilisent ces outils, pas seulement ceux qui les fabriquent : celui qui diffuse un deepfake doit indiquer qu'il a été généré ou manipulé artificiellement, que le contenu soit publié ou non [10]. Une vidéo où l'on a changé les mots et les lèvres d'une personne réelle entre pile dans cette case.

Le système de Microsoft pose pourtant une question inédite. Si le spectateur coche lui-même ses filtres, qui doit le prévenir ? Et prévenir qui, puisque chacun reçoit sa propre version ? En Suisse et au Canada, cette obligation européenne ne s'applique pas telle quelle : les règles locales sur les contenus truqués sont à vérifier auprès des autorités de chaque pays.

Le paradoxe : Microsoft a cofondé le label d'authenticité

Ironie du dossier : Microsoft fait partie des six fondateurs, en février 2021, de la C2PA (Coalition for Content Provenance and Authenticity), aux côtés d'Adobe, Arm, la BBC, Intel et Truepic. Objectif affiché : un standard ouvert pour tracer l'origine et les modifications d'un contenu numérique [11].

Ce standard, baptisé Content Credentials, accole à un fichier une sorte de certificat signé et infalsifiable qui raconte d'où il vient et ce qu'on lui a fait. Si quelqu'un retouche le contenu après la signature, celle-ci ne correspond plus.

Sa version 2.3 l'a étendu à la vidéo en direct [12]. En France, France Télévisions signe déjà son journal quotidien, sous la forme d'un fichier vidéo [13].

La limite est connue : un certificat dit d'où vient une vidéo, pas si elle dit vrai. Et si la retouche se fait au dernier moment, dans le téléphone ou les lunettes du spectateur, rien ne garantit aujourd'hui que le certificat du diffuseur signale la modification à celui qui regarde.

Les réflexes qui restent valables

Pour une déclaration qui compte (un ministre, un patron, une annonce financière), remontez à la source : la rediffusion intégrale sur le site du diffuseur ou de l'institution. Si ces outils se répandent, la version de référence que le brevet propose de garder devra devenir une exigence publique, pas une option.

Pour toute demande d'argent ou d'accès reçue en visio, vérifiez par un autre canal que vous ouvrez vous-même : un numéro déjà connu, un collègue joint directement. L'affaire Arup l'a montré : la visioconférence censée rassurer était elle-même le piège.

Quant aux filtres personnels, faites le tri. Traduire un discours ou gommer des « euh » rend service. Effacer un accent, une expression ou un propos jugé « trompeur » revient à s'enfermer dans sa bulle sans le savoir. Pour garder l'œil, nos repères pour démasquer un contenu IA restent utiles, avec leurs limites.

Une demande de brevet n'est pas un produit. Mais celle-ci fixe un cap : le direct, dernier format qu'on croyait à l'abri des retouches, devient un contenu comme un autre, modifiable avant d'arriver dans vos oreilles.

Sources principales :

1. Computerworld – Microsoft files patent for AI that can alter what people say during live broadcasts
   Présente la demande repérée par Patentlyze et souligne qu'on ignore quand, ou si, Microsoft lancera la technologie. (computerworld.com)
2. WindowsForum – Microsoft Patent Application Describes AI That Could Rewrite Live Speech and Alter Lip Movements
   Détaille la demande US 2026/0341309 A1 : dépôt le 29 avril 2025, publication le 29 octobre 2026, délai de 1 à 10 secondes, données de profil et conservation facultative de l'original. (windowsforum.com)
3. Futurism (via Yahoo Tech) – Microsoft Patents an AI That Can Literally Put Words in People's Mouths in Real Time
   Liste les usages évoqués par le brevet, de la suppression des « euh » à celle d'expressions comme « y'all », avec des mots de remplacement issus d'une recherche Internet. (tech.yahoo.com)
4. AI Weekly – Microsoft patents real-time AI that rewrites speakers' words
   Rapporte l'affirmation de Futurism selon laquelle l'office des brevets aurait approuvé la demande, sous réserve du paiement des frais finaux. (aiweekly.co)
5. Microsoft Support – Interpreter in Microsoft Teams meetings and calls
   Décrit l'agent Interpreter de Teams, qui traduit de voix à voix en temps réel et peut simuler la voix de l'orateur. (support.microsoft.com)
6. The Decoder – Microsoft's VASA-1 generates lifelike avatars in real-time
   VASA-1 génère des visages parlants en 512 × 512 pixels à 40 images par seconde, avec 170 ms de latence sur une RTX 4090 ; Microsoft ne le diffuse pas. (the-decoder.com)
7. CNN – Arup revealed as victim of $25 million deepfake scam involving Hong Kong employee
   Un employé d'Arup à Hong Kong a versé 200 millions de dollars hongkongais en 15 transactions après une visioconférence peuplée de deepfakes. (cnn.com)
8. Reuters Institute – Overview and key findings of the 2026 Digital News Report
   Réseaux sociaux et plateformes vidéo à 54 %, télévision à 52 %, sites des médias à 51 % ; l'inquiétude face aux fausses informations monte de 4 points, à 62 %. (reutersinstitute.politics.ox.ac.uk)
9. Commission européenne – Code of Practice on Transparency of AI-generated Content
   Les obligations de transparence de l'article 50 de l'AI Act, dont l'étiquetage des deepfakes, s'appliquent depuis le 2 août 2026. (digital-strategy.ec.europa.eu)
10. Travers Smith – Is it a bot? EU AI Act transparency rules take effect 2 August 2026
    Les utilisateurs professionnels d'IA doivent signaler qu'un deepfake a été généré ou manipulé artificiellement, qu'il soit publié ou non. (traverssmith.com)
11. C2PA – C2PA Founding Press Release
    Adobe, Arm, la BBC, Intel, Microsoft et Truepic fondent en 2021 une coalition pour un standard ouvert de traçabilité des contenus. (c2pa.org)
12. C2PA – The C2PA Launches Content Credentials 2.3 and Celebrates 5 Years of Impact Across the Digital Ecosystem
    La version 2.3 du standard Content Credentials prend en charge la vidéo en direct pour la diffusion et le streaming. (c2pa.org)
13. IPTC – Frequently Asked Questions on C2PA Content Credentials
    France Télévisions signe son journal quotidien avec C2PA, sous la forme d'un fichier vidéo mp4. (iptc.org)