Voilà une idée qui ferait plaisir à George Orwell et son Ministère de la Vérité ! Une demande de brevet Microsoft publiée fin octobre décrit une IA capable de remplacer des mots prononcés en direct et de retoucher le visage des orateurs pour masquer l’opération. Pardon ? Derrière l’argument bizarre du confort d’écoute se cache surtout une vieille obsession de la firme de Redmond : filtrer la parole des autres.
Après Sony, c’est au tour de Microsoft de changer les règles du jeu par l’intermédiaire de l’intelligence artificielle. La firme a déposé le 29 avril 2025 une demande de brevet pour un système d’intelligence artificielle qui modifierait en quasi-temps réel les paroles prononcées pendant un direct. Et cela, selon l’âge, la langue ou la localisation du spectateur, tout en ajustant la bouche de l’orateur à l’image. Bien évidemment, il s’agit d’une demande publiée, qui n’a pas encore été validé. Ce qui signifie qu’aucun produit n’est annoncé. Le dossier relance le débat sur l’authenticité des médias, alors que l’article 50 de l’AI Act européen impose depuis le 2 août 2026 un étiquetage des deepfakes.
Un direct qui n’en est plus un…
Déposée par Microsoft Technology Licensing, cette demande porte les noms de deux inventeurs, David Callaghan et Dinesh Kumar. Son principe, pour le résumer facilement consiste qu’une IA repère dans l’audio d’un événement en direct les mots à modifier, d’après des paramètres ou le profil d’un utilisateur. Ensuite, l’IA générative les remplace, dans le son comme dans la vidéo. Le « quasi-temps réel » y est défini comme un délai de quelques secondes, jusqu’à dix en exemple.
Jusque-là, rien de franchement inédit car la retouche de contenu existe depuis longtemps. Seulement voilà, la dernière étape change tout. La bouche et le visage de l’orateur sont modifiés pour coller aux nouveaux mots. L’objectif n’est donc pas seulement de changer ce qui est entendu, mais d’empêcher que le spectateur s’en rende compte.
Microsoft veut « nettoyer » la parole mais jusqu’où ?
Sur le papier, les exemples de ce brevet relèvent presque du confort. Il s’agit de supprimer les « euh », les bégaiements ou les troubles de la parole, et de retirer des expressions familières anglo-saxonnes. Cependant, la liste ne s’arrête pas là puisque le texte vise aussi des mots jugés offensants ou inappropriés, ainsi que des régionalismes. Une partie du dispositif est, il faut le reconnaître, parfaitement défendable : une revendication indépendante concerne la traduction de directs avec synchronisation labiale qui reste un usage que personne ne conteste.
Mais qui définit réellement l’« inapproprié » ? Ne serait-ce pas encore un algorithme ? Nous apprécions beaucoup cette question de Futurism qui résume bien l’objection : Est-ce réellement choquant d’entendre un accent du Sud des États-Unis ? Car gommer un accent ou un bégaiement, présente aussi une manière de parler comme un défaut à corriger.
Le problème se corse avec la personnalisation. Le remplacement dépendrait du profil du spectateur : âge, langue, localisation. Autrement dit, deux personnes face au même discours pourraient entendre deux versions, avec un visage qui semble confirmer chacune.
Jusqu’ici, un spectateur qui n’aime pas ce qu’il entend peut couper le son. Ce système lui permettrait, à la place, d’ajuster à son goût la parole d’un autre. Et les terrains envisagés ne sont pas anodins parce que le brevet cite les conférences, cérémonies de remise de prix, événements sportifs et programmes télévisés en direct. Or ce sont précisément les situations où le public suppose entendre ce qui a été réellement dit. Vous comprenez le problème ?
Une vieille obsession de Redmond
À y regarder de plus près, ce dossier n’a rien d’un accident de parcours. En 2004, Microsoft déposait déjà un brevet pour un filtre rendant inaudible, en temps réel, un mot grossier. En 2019, la firme annonçait vouloir « bipper » les mots grossiers du chat vocal de Xbox Live. Un autre brevet décrit un « bouclier de toxicité » qui coupe ou censure les échanges selon les préférences de chaque utilisateur, y compris en visioconférence.
Microsoft semble, pour sa part, conscient du risque. Le brevet suggère de conserver l’enregistrement original comme « vérité de terrain ». Pourtant, rien n’indique que cette copie serait accessible au public, ni que le spectateur serait informé d’une modification. Une preuve que personne ne peut consulter ne protège pas grand monde.
Et c’est là que le cadre juridique entre en scène. En Europe, la question est déjà posée par l’article 50 de l’AI Act qui s’applique depuis le 2 août 2026, et quiconque diffuse un deepfake doit le signaler. Reste que le texte laisse une marge d’appréciation : selon les orientations européennes, la décision se prend au cas par cas, et une retouche mineure peut rester sous le seuil. Une IA qui change les mots d’une personne réelle, en direct, est-elle « mineure » ? La question est ouverte.
Gardons-nous toutefois de tout dramatiser. Encore une fois, il convient de préciser qu’il s’agit d’une demande de Microsoft publiée et non d’un brevet accordé, et aucun produit ni démonstration n’est encore annoncé. L’examinateur a d’ailleurs rejeté les revendications telles que déposées, ce qui est courant à ce stade de la procédure. Pour autant, une demande de brevet n’est que le début d’une nouvelle étapr. Si elle ne prouve aucune intention commerciale, elle décrit noir sur blanc ce que son auteur juge techniquement et économiquement envisageable : un direct à la carte, où la preuve de la retouche disparaît en même temps que le mot remplacé.
Si cette technologie chez Microsoft devait un jour exister, sa légitimité tiendrait donc à une règle simple : une mention « version modifiée » obligatoire, visible, impossible à désactiver, avec l’original consultable par tous. Faute de quoi, le spectateur ne regarderait plus un direct, mais la version qu’un algorithme a décidé qu’il devait entendre.
