VRAI OU FAUX. "C'est juste du sensationnel et du mensonge" : les appels silencieux ont-ils vraiment pour objectif de cloner votre voix ?

Tout le monde, ou presque, en a déjà fait l'expérience. Un numéro inconnu vous appelle, vous décrochez, mais il n'y a personne à l'autre bout du fil. Malgré vos "allô" répétitifs, votre interlocuteur raccroche, sans que vous ne sachiez jamais vraiment à qui vous avez eu affaire, ni pourquoi cette personne vous a appelé. Des appels silencieux aussi frustrants que dangereux, à en croire un communiqué de l'entreprise de cybersécurité Bitdefender largement repris dans la presse, qui assure que ces drôles de coups de fil permettent en réalité de monter de dangereuses arnaques, voire à cloner votre voix.

"Lorsque vous répondez, vous confirmez qu'il s'agit d'un téléphone actif et votre numéro peut alors être ajouté à des listes vendues sur le dark web ou réutilisé dans le cadre d'attaques de phishing vocal (vishing), d'escroqueries par SMS ou d'attaques de clonage vocal par IA", écrit Bitdefender. "Dans certaines escroqueries, votre voix peut être enregistrée pour créer des échantillons vocaux basés sur l'IA. En fait, copier la voix [...] est beaucoup plus simple que les gens ne le pensent. Cela ne prend que quelques secondes", assure encore l'entreprise, qui recommande "d'éviter de dire 'oui' ou de confirmer votre nom" et en profite pour faire la promotion de ses solutions de filtrage d'appels.

Une histoire largement reprise dans la presse

L'histoire a rapidement attiré l'attention, et de nombreux médias (CNews, Le Parisien, RMC, BMFTV, TF1…) ont repris tour à tour l'information, sans jamais en vérifier la véracité. D'après nos confrères, un simple "allô" suffit à produire un clone convaincant de votre voix et à provoquer des arnaques en tout genre. La plus répandue consisterait à utiliser votre ersatz vocal pour téléphoner à vos proches et réclamer de l'argent, en simulant une situation d'urgence.

La matinale de https://www.tf1info.fr/justice-faits-divers/videos/video-un-seul-allo-suffit-attention-a-cette-nouvelle-arnaque-telephonique-16926-2440279.html est allée plus loin, en demandant à une créatrice de contenu spécialisée dans l'IA, Estherium, de prouver que c'était effectivement possible. Face caméra, elle parvient, "en moins de 10 minutes", d'après TF1, à créer un clone de sa voix sur Eleven Labs, la référence IA du clonage vocal.

"Maman, est-ce que tu peux m'aider, il y a quelqu'un vient de voler mon téléphone. Est-ce que tu peux me faire un virement ? Je t'envoie un SMS tout de suite", lui fait-elle dire. Le résultat est, il faut l'admettre, plutôt convaincant. "C'est extrêmement troublant", commente la vidéaste, sans préciser sa méthodologie. Contactée sur ce point, Estherium n'a pas répondu à franceinfo, mais elle a donné plus de détails dans une vidéo publiée sur Instagram. Elle y revient sur son expérience pour TF1 et assure avoir créé son clone sur la base d'un court : "Allô, est-ce que vous m'entendez ?"

Mais est-ce vraiment crédible ? Non, loin de là. D'abord parce que les autorités françaises de lutte contre la cybercriminalité ne rapportent pas de faits correspondants, ensuite parce que c'est techniquement impossible. Afin d'en avoir le cœur net, la rubrique Vrai ou Faux a créé ses propres clones vocaux à l'aide de la version premium d'Eleven Labs. Et le résultat est tout, sauf convaincant.

Une voix robotique et désincarnée

Pour créer un "clone de voix instantané", Eleven Labs nécessite un enregistrement vocal d'une durée de dix secondes, minimum. Nous avons donc enregistré notre voix et simulé une situation d'appel silencieux : "Allô... Allô… Allô… Vous m'entendez ?" Une fois l'enregistrement téléchargé, Eleven Labs nous propose d'écrire un script, que notre clone sera chargé de lire. Comme Estherium, nous prétextons un vol de téléphone et une demande urgente de virement bancaire.

Le logiciel mouline quelques secondes à peine et nous génère une première version de notre clone vocal. Mais le résultat est aussi rapide que médiocre. La voix est robotique, désincarnée, et l'IA semble incapable de déterminer notre genre. Au premier essai, elle nous attribue une voix masculine. Au second, une voix féminine… Personne ne tomberait dans le panneau.

Nous avons donc poussé l'expérience plus loin, en utilisant cette fois le message de notre répondeur – après tout, si un "allô" suffit à cloner votre voix, votre messagerie, plus longue et variée, doit être du pain bénit pour les cybercriminels. Une nouvelle fois, le résultat est décevant : Eleven Labs parvient à déterminer notre genre, mais la voix, comme les intonations, sont toujours loin de ressembler à celles d'un humain.

Pour enfin obtenir un résultat qui se rapproche vaguement de notre voix, il nous faut verser un fichier vocal d'environ deux minutes. Cette fois-ci, le timbre de la voix est vaguement similaire au nôtre, mais quelque chose sonne faux et le clone est toujours loin d'être fidèle à l'original. Encore une fois, il serait très surprenant qu'un proche se laisse prendre au piège.

"Il faut au moins dix minutes d'enregistrement"

S'il est si difficile d'obtenir un résultat crédible, c'est parce qu'il faut en réalité bien plus de deux minutes d'enregistrement à l'intelligence artificielle pour imiter une voix de manière qualitative. Pour obtenir un "clone de voix professionnel", Eleven Labs ne demande d'ailleurs plus un enregistrement vocal d'une durée de dix secondes, mais de trente minutes.

Sur les réseaux sociaux, Centho, un vidéaste spécialisé dans les risques numériques et la "chasse aux escrocs" en ligne, a été l'un des premiers à s'étonner de cette histoire de clone vocal. Il en utilise lui-même très régulièrement dans ses directs sur Twitch, pour piéger des escrocs avec la voix de personnalités publiques, comme Jean Lassalle par exemple.

"Pour faire un clone vocal de qualité à peu près convenable, il faut au moins dix minutes d'enregistrement de voix avec un micro de très bonne facture. Même avec des heures d'enregistrement, il reste des défauts, donc autant dire qu'avec quelques secondes d'une voix compressée par le téléphone, c'est totalement impossible", explique-t-il à franceinfo. "Oui, le clonage de voix existe. Mais là, c'est juste du sensationnel et du mensonge", résume Centho, vidéaste spécialisé dans les risques numériques à franceinfo.

Pour Centho, le véritable intérêt de ces appels silencieux est bien moins sensationnel qu'annoncé. "En réalité, les centres d'appels contactent simplement plus de numéros qu'ils n'ont d'agents disponibles", explique-t-il. Concrètement, ils vont lancer une centaine d'appels pour 25 ou 50 opérateurs, afin de maximiser leurs chances de tomber sur un interlocuteur réel. Car certains de ces appels vont tomber sur des numéros non attribués, d'autres sur messagerie. "Si personne ne vous parle et que ça raccroche, c'est juste qu'il n'y a pas d'agent disponible pour vous répondre", précise-t-il.

Pas de faits documentés en France

Contactés par franceinfo, ni le parquet de Paris, ni le ministère de l'Intérieur n'ont été en mesure de nous faire part de l'existence de plaintes ou d'enquêtes liées à ces appels silencieux et aux clonages vocaux qui en découleraient. "Nous n'avons que très peu de remontées de victimes, vraiment à la marge et certainement suite à la lecture de certains articles", nous a confirmés Jérôme Nottin, le directeur général de Cybermalveillance.gouv, la plateforme nationale d'accompagnement aux victimes d'actes de cybermalveillance.

"A la limite, le seul objectif serait de s'assurer que des numéros de téléphone récupérés dans des fuites de données sont toujours actifs", tente d'expliquer Jérôme Nottin. "Nous ne voyons pas de scénario d'attaque plausible. Si vous avez cartographié l'environnement d'une victime, vous allez directement l'appeler et capter plus de quelques secondes pour faire une usurpation de sa voix auprès de ses proches", poursuit-il. Avant de prévenir : "Il ne faut pas crier au loup, au risque de ne plus être crédibles quand nous aurons vraiment besoin d'alerter utilement les victimes sur un nouveau phénomène."