1. Définir la décision d'acquisition
Le conseil d'administration doit identifier la décision selon laquelle les clients paient l'objectif d'amélioration. Les entreprises de défense contre les deepfakes peuvent vendre des logiciels d'investigation médiatique, une infrastructure de provenance, une détection de filigrane, une vérification d'identité, des contrôles d'activité, une orchestration de fraude, une enquête gérée, une protection de marque ou des services de preuves d'experts. Chaque modèle a une chaîne de preuves, un client acheteur, une structure de coûts et un périmètre de responsabilité différents. Une thèse transactionnelle qui les regroupe tous sous la forme de détection de médias synthétiques peut déformer à la fois l’adéquation stratégique et les aspects économiques récurrents.
Le mémorandum d'acquisition doit préciser la source de valeur prévue. Un acheteur peut rechercher une recherche de détection exclusive, un accès à des clients réglementés, un réseau de provenance, une intégration des flux de travail, un nombre limité de spécialistes en criminalistique, un canal de distribution ou une plateforme de consolidation. Chaque source a besoin d'un test observable. Les performances techniques doivent être reproduites sur des données représentatives. La valeur client doit apparaître dans l'adoption, les décisions, les résultats des réponses, le renouvellement, la tarification et la trésorerie. Les options de produits doivent rester identifiées séparément jusqu'à ce que les droits, les performances et la demande soient démontrés.
Le conseil d'administration devrait comparer l'acquisition avec l'octroi de licences, le partenariat commercial, l'investissement minoritaire et le développement interne. La propriété peut avoir une importance lorsque la valeur dépend du contrôle coordonné des modèles, des données d'évaluation, des intégrations client, du personnel médico-légal et de l'infrastructure de confiance. Un arrangement plus étroit peut comporter moins de risques lorsque l’interopérabilité ou l’accès aux canaux crée le principal avantage.
Le timing des preuves devrait façonner les prix et les conditions. Certains tests peuvent être effectués avant de signer en utilisant des données contrôlées. D'autres nécessitent l'autorisation du client, des flux de production ou un accès après clôture. L'acheteur peut utiliser des conditions, une contrepartie conservée, des garanties, des engagements et des compléments de prix pour combler les lacunes. L’équipe de transaction doit indiquer quelles preuves soutiennent le prix de base, quelles preuves soutiennent la valeur contingente et quelle capacité reste une option.
La chaîne proposée relie les preuves médiatiques à une décision client responsable, à une réponse opérationnelle et à l'argent collecté.
2. Définir l'unité de valeur
L'unité de valeur proposée est une décision d'authenticité vérifiée délivrée dans le cadre d'un flux de travail client au coût complet. Une décision peut confirmer que le contenu a une provenance valide, indiquer que les preuves sont probablement manipulées, faire remonter l'incertitude à un examinateur humain, bloquer une instruction de paiement, protéger un compte, étiqueter le contenu, conserver des preuves ou déclencher une vérification plus approfondie. La décision doit avoir un objectif enregistré, une population, un seuil, des preuves, un propriétaire et une action autorisée.
Le coût complet comprend l'ingestion, le stockage, l'inférence de modèle, les licences tierces, les services de confiance cryptographique, les services de filigrane, les données d'évaluation, le recyclage du modèle, le travail des analystes, l'examen de la qualité, l'intégration client, le support, l'examen juridique, la gestion des incidents, l'assurance, la conformité et le fonds de roulement. Un produit peut sembler hautement évolutif tandis que des enquêteurs experts résolvent des cas difficiles en dehors du coût de service indiqué. Le modèle d'acquisition doit capturer toutes les activités nécessaires pour atteindre le résultat promis.
La précision seule est une unité incomplète. Les performances varient selon la modalité, le générateur, la chaîne d'édition, la langue, l'appareil, la compression, la durée, les caractéristiques démographiques, le canal et le seuil de fonctionnement. Un client a également besoin de latence, de présentation de preuves, de vérifiabilité et d'un itinéraire pour les cas incertains. Un modèle avec un score d'aire sous la courbe élevé peut toujours produire des faux positifs inacceptables au faible taux de fausses alarmes requis pour l'approbation du paiement ou l'attribution publique.
L'acheteur doit donc mesurer les décisions vérifiées par coût complet du dossier, avec des contrôles séparés pour les conséquences des erreurs. Ce dénominateur aligne les diligences techniques, opérationnelles et financières. Il fournit également une base pour comparer les modèles de logiciels, de services gérés et de preuves d'experts sans supposer que chaque alerte ou appel API crée une valeur équivalente.
3. Cartographier la pile de capacités
La défense contre les deepfakes est un problème de contrôle à plusieurs niveaux. Les enregistrements de provenance peuvent montrer la source et l'historique d'édition affirmés dans un manifeste signé. Les filigranes et les étiquettes peuvent signaler l’origine synthétique des systèmes participants. Les modèles médico-légaux peuvent analyser le contenu dont la provenance est absente, endommagée ou peu fiable. Les contrôles d'identité et d'activité peuvent vérifier si une personne est présente et autorisée. Les systèmes de workflow peuvent combiner des signaux, appliquer des politiques et conserver des preuves. Les examinateurs humains peuvent gérer l’ambiguïté, les conséquences et le contexte juridique.[1][5][7]
Ces niveaux ne doivent pas être regroupés en une seule affirmation d’exactitude. C2PA explique que les informations d'identification de contenu fournissent une provenance inviolable et ne portent pas de jugement de valeur sur la véracité des affirmations de provenance. Les systèmes de détection sont confrontés à un changement de distribution et à des contre-mesures contradictoires. Les contrôles d’identité répondent à une question plus restreinte que l’authenticité des médias. L’examen humain ajoute du jugement et de la responsabilité tout en augmentant les coûts et les risques liés aux capacités.[5][8]
L'équipe de diligence doit mapper chaque module de produit à sa réclamation, ses preuves, son mode de défaillance et l'action du client. La carte doit identifier les composants propriétaires, sous licence, open source et fournis par le client. Il doit inclure les dépendances des certificats et des listes de confiance, les fournisseurs de modèles, les bases de données de référence, les fournisseurs biométriques, les systèmes de gestion de cas et les services cloud. Les droits de remplacement et les voies de repli doivent être enregistrés.
| Couche | Question client | Preuves de base | Limite principale |
|---|---|---|---|
| Provenance | Quelle source et quel historique de modifications sont revendiqués ? | manifeste signé, certificat, chaîne d'ingrédients | qualité des assertions et couverture de l’écosystème |
| Filigrane et étiquette | Le contenu participant a-t-il été marqué ? | signal détectable et enregistrement de l'émetteur | transformation, suppression et non-participation |
| Détection médico-légale | Le contenu est-il susceptible d'être généré ou manipulé ? | score calibré et fonctionnalités de support | généralisation et décadence contradictoire |
| Identité et vivacité | La personne réclamée est-elle présente et autorisée ? | provocation, preuves biométriques et de dispositifs | attaques de portée, de biais, de confidentialité et de présentation |
| Flux de travail | Quelle action suit la preuve ? | politique, historique des cas et piste d’audit | intégration et pratiques clients incohérentes |
| Examen humain | Comment l’incertitude est-elle résolue ? | méthode d'examen, examen par les pairs et rapport | variation du coût, de la capacité et du jugement |
Chaque niveau répond à une question différente et crée une exigence de diligence différente.
4. Construisez le grand livre de l'authenticité au résultat
Le grand livre doit relier chaque élément échantillonné à sa source, son type de média, son canal d'acquisition, son historique de compression, son état de provenance, son état de filigrane, ses versions de modèle, ses scores médico-légaux, ses preuves d'identité, son examen par un analyste, sa décision, son action client, son litige et son dossier financier. L’objectif est la traçabilité des produits, des opérations et de la valeur.
Les cas négatifs et incertains appartiennent au grand livre. Les fausses accusations de manipulation peuvent nuire aux clients et aux sujets. Les manipulations manquées peuvent permettre la fraude ou la désinformation. Des résultats non concluants peuvent être corrects lorsque les preuves sont faibles. Une salle de données contenant uniquement des démonstrations réussies ne peut pas étayer une conclusion au niveau de la population.
L'acheteur doit échantillonner toutes les cohortes de clients et les conséquences. Une banque validant une instruction de paiement, un organisme de presse vérifiant les images entrantes, une plateforme appliquant une étiquette et un examinateur devant le tribunal ont des seuils et des exigences en matière de preuves différents. Le grand livre devrait préserver ces différences plutôt que d’en faire la moyenne en un seul score.
La finance doit relier les mêmes cohortes aux revenus contractuels, à l'utilisation, aux efforts de service, aux crédits, aux réclamations, au renouvellement, à l'expansion et aux recouvrements. Cela révèle si les performances se transforment en valeur pour le client et si les cas difficiles consomment une main d'œuvre non tarifée. Cela révèle également une concentration sur un générateur, une plateforme, un canal ou une exigence réglementaire qui peut changer rapidement.
5. Concevoir un benchmark représentatif
NIST OpenMFC sépare les tâches de détection de manipulation, de détection de deepfake et de localisation et utilise des mesures telles que les courbes caractéristiques de fonctionnement du récepteur, l'aire sous la courbe et le taux de détection correct à un taux de fausses alarmes spécifié. Le programme 2026 Guardians étend l'accent opérationnel sur les nouveaux générateurs, les preuves post-traitées, les dossiers représentatifs et la réévaluation continue.[2][3]
L'acheteur doit construire un référentiel qui reflète l'utilisation contractuelle de la cible. Il doit inclure du contenu authentique, édité, généré et manipulé ; des générateurs connus et inédits ; plusieurs langues et accents ; différents appareils et conditions de capture ; transformations courantes des médias sociaux et de la messagerie ; et des changements anti-légaux délibérés. La formation, le développement et les défis finaux doivent être séparés.
Les performances doivent être déclarées aux seuils de fonctionnement. Un client qui traite des millions d’articles inoffensifs peut avoir besoin d’un taux de fausses alarmes très faible. Un service de triage médico-légal peut accepter un seuil différent lorsqu’un examen humain suit. L'acheteur doit mesurer l'étalonnage, l'abstention et la stabilité de la confiance ainsi que les performances de classement.
La gouvernance de référence est importante. La cible doit enregistrer les droits sur les ensembles de données, leur provenance, leur composition démographique, les contrôles de contamination, le processus d'étiquetage, l'accès au modèle et l'historique des évaluations. Des réglages répétés sur un ensemble de tests visible peuvent créer des performances apparentes qui ne se généralisent pas. L'administration indépendante des défis et les séries finales scellées peuvent réduire ce risque.
Le benchmark doit également distinguer les tests de composants des tests de bout en bout. Un détecteur peut classer correctement un clip tandis que le flux de travail environnant perd le fichier, applique un mauvais seuil ou ne parvient pas à présenter la raison à un approbateur. Les tests de bout en bout doivent commencer au point d'entrée du client et se poursuivre jusqu'à l'ingestion, la normalisation, la notation, la validation de la provenance, l'examen, la décision, la réponse et l'exportation d'audit. L'acheteur doit enregistrer les échecs causés par l'intégration, la qualité des données et les opérations ainsi que les erreurs de modèle.
La conception de l’échantillon doit suivre l’exposition commerciale. Si la plupart des revenus proviennent de courts enregistrements audio mobiles soumis via des applications de messagerie, un vaste benchmark de vidéos de studio haute résolution fournit des preuves d'évaluation limitées. L'équipe doit pondérer les résultats en fonction de la population de clients actuels et sous contrat de la cible, puis présenter les résultats non pondérés à titre de vérification technique. Les scénarios de nouveau marché doivent utiliser des hypothèses distinctes car la population future peut différer sensiblement de la base installée.
| Dimension | Population de preuves | Mesure | Avertissement d'acquisition |
|---|---|---|---|
| Modalité | image, audio, vidéo et médias mixtes | performance calibrée par modalité | une modalité forte présentée comme un résultat de la plateforme |
| Changement de générateur | générateurs connus et invisibles | performance de défi à intervalles de temps | formation et test de contamination |
| Transformation | compression, recadrage, flou, réenregistrement et transcription | performances après un traitement réaliste | fichiers de laboratoire vierges uniquement |
| Identité | scénarios de visage, de voix et de vivacité | taux d'erreur par cohorte et attaque | le taux global masque la faiblesse du sous-groupe |
| Opérations | workflow de cas spécifique au canal | décision acceptée, latence et retouche | API score sans action du client |
| Preuve | rapports et piste d'audit | exhaustivité et reproductibilité | la partition ne peut pas être expliquée ou reproduite |
Le benchmark sépare la capacité, le seuil de fonctionnement, la robustesse et le résultat du flux de travail.
6. Mesurez les faux positifs et les faux négatifs
Le coût de l’erreur devrait déterminer le point de fonctionnement. Un faux positif peut bloquer un paiement légitime, mal étiqueter le journalisme authentique, rejeter un client ou saper des preuves. Un faux négatif peut permettre une usurpation d’identité, une fraude ou un contenu manipulé. L’acheteur doit identifier qui supporte chaque conséquence et comment les contrats répartissent les responsabilités.
Les rapports de détection doivent inclure des matrices de confusion aux seuils pertinents, des courbes de caractéristiques de fonctionnement du récepteur et de précision-rappel, des résultats d'étalonnage, d'abstention et de cohorte. La prévalence compte. Un ensemble de tests équilibré entre contenu réel et faux peut surestimer la valeur prédictive positive dans un flux de production où le contenu manipulé est rare. L'acheteur doit recalculer la charge de travail attendue en utilisant la prévalence observée chez les clients.
L'examen humain peut réduire certaines erreurs tout en créant des risques de file d'attente et de cohérence. L’équipe de diligence doit comparer les décisions automatisées, assistées et réservées aux examinateurs sur les cas contrôlés. Les désaccords doivent être résolus par une décision documentée. L'analyse doit enregistrer si le système modifie la décision finale, le délai, la qualité des preuves ou la confiance des évaluateurs.
L'illustration montre comment les conséquences pour le client peuvent modifier le seuil de fonctionnement préféré. Les valeurs sont des hypothèses de gestion pour la démonstration de la méthode.
7. Testez la dégradation contradictoire
La dégradation contradictoire est la réduction des performances utiles à mesure que les méthodes de génération, les outils d'édition, les techniques d'évasion et les canaux de distribution changent. Le programme Guardians du NIST cible explicitement la généralisation à des méthodes plus récentes et à des preuves post-traitées sales. La taxonomie d'apprentissage automatique contradictoire du NIST décrit les attaques d'évasion, d'empoisonnement, de confidentialité et d'utilisation abusive à travers des systèmes prédictifs et génératifs.[3][9]
L'acheteur doit créer des ensembles de défis espacés dans le temps. Les modèles peuvent être figés à des dates définies et testés par rapport au contenu produit ultérieurement. L'équipe doit mesurer les performances par famille de générateurs, transformation et canal, puis enregistrer les efforts de recherche et d'ingénierie requis pour rétablir le point de fonctionnement approuvé. Le résultat est une preuve de demi-vie plutôt qu’une affirmation d’exactitude permanente.
La dégradation se produit également dans les systèmes de provenance et de filigrane. Les listes de confiance, les certificats, les manifestes, les liaisons souples, les logiciels de participation des émetteurs et de vérification nécessitent une maintenance continue. Les changements de compatibilité peuvent améliorer la sécurité tout en créant des obligations de migration. Le modèle d'acquisition doit inclure les personnes, l'infrastructure et la gouvernance nécessaires pour maintenir la chaîne de preuves à jour.
Le rendement de la recherche doit être mesuré comme un processus opérationnel. La cible doit montrer comment elle découvre des méthodes de nouvelle génération, acquiert du matériel d'évaluation licite, étiquette les preuves, priorise les menaces, modifie les modèles, valide les versions et informe les clients. L'acheteur doit examiner le temps de cycle depuis une nouvelle menace importante jusqu'à une version client approuvée, ainsi que les échecs de régression, les correctifs d'urgence et les solutions de contournement des analystes. Un processus de publication rapide crée une valeur limitée lorsqu’il endommage de manière répétée les performances établies.
L’équipe de diligence doit séparer la capacité durable de la plate-forme des avantages spécifiques au modèle. Les pipelines de données, les contrôles d'expérimentation, les harnais d'évaluation, les commentaires des clients, la surveillance des modèles et les équipes d'experts peuvent prendre en charge une adaptation répétée. Un classificateur étroit formé sur un artefact transitoire peut perdre rapidement de la valeur. L'évaluation doit reconnaître le processus de renouvellement des preuves ainsi que le résultat du modèle actuel, à condition que le processus soit documenté, doté en personnel et reproduit au cours de la diligence.
Les courbes illustrent différents taux de dégradation des performances entre les cycles de validation. Les valeurs sont des hypothèses de gestion pour la démonstration de la méthode.
8. Évaluer la provenance et les informations d'identification du contenu
Les spécifications C2PA 2.4 décrivent la provenance du contenu vérifiable par chiffrement, y compris les manifestes, les assertions, les ingrédients, les signatures, la confiance et la liaison souple. La provenance peut montrer qui ou quoi a signé une assertion et si l'actif y reste associé. L'acheteur doit tester la création, l'intégration, le stockage side-car, la vérification, la gestion des listes de confiance, la révocation, les chaînes d'ingrédients et la récupération des actifs transformés.[5][10]
La couverture est une question commerciale. La provenance est plus précieuse lorsque les appareils de capture, les outils de génération, les éditeurs, les plates-formes et les flux de travail des clients y participent. L'acheteur doit mesurer la part de contenu pertinent avec des informations d'identification utilisables, la part qui survit à chaque canal et les actions entreprises par les clients lorsque les informations d'identification sont présentes, absentes ou invalides.
La gouvernance de la confiance doit faire l’objet d’une diligence transactionnelle égale à celle d’une gouvernance modèle. Les pratiques de délivrance de certificat, de conservation des clés, de vérification de l'identité, de révocation, d'horodatage et de mise à jour logicielle peuvent déterminer si un identifiant est utile. Les contrats clients doivent indiquer ce que le système vérifie et ce qui reste en dehors du champ d'application.
La propriété intellectuelle de la cible doit être séparée de la participation à l'écosystème. L'expertise en matière de mise en œuvre, l'intégration des flux de travail, les services de confiance et les méthodes de récupération propriétaires peuvent créer de la valeur. L’accès à un standard ouvert ne constitue pas à lui seul un fossé. L'acheteur doit tester le coût de changement, l'interopérabilité et la propriété du client sur les manifestes et les enregistrements.
Les tests d'interopérabilité doivent utiliser des informations d'identification créées par plusieurs outils conformes et validées dans les environnements pris en charge par la cible. L’équipe doit tester les manifestes mal formés, les informations d’identification révoquées, les certificats expirés, les ingrédients manquants, les assertions contradictoires et le contenu qui a été transformé ou dépourvu de métadonnées. Le produit doit présenter le statut de validation et les limites de manière cohérente. La politique client doit distinguer une signature valide de la confiance dans le signataire et de la confiance dans l'événement sous-jacent.
9. Évaluer le filigrane et l'étiquetage
Le filigrane peut aider à identifier le contenu synthétique pris en charge grâce à des signaux intégrés lors de la génération ou de l'édition. Les étiquettes peuvent communiquer l’origine artificielle aux utilisateurs. Le NIST identifie le filigrane et l'étiquetage parmi les approches techniques de la transparence du contenu synthétique, tandis que le code de bonnes pratiques final de l'UE de 2026 aborde le marquage, la détection et l'étiquetage des deepfakes au titre de l'article 50.[1][6]
Le programme de diligence doit tester la détectabilité après redimensionnement, recadrage, compression, transcodage, réenregistrement, mixage, traduction et édition commune. Il doit mesurer les fausses attributions et la capacité de distinguer plusieurs émetteurs ou familles de modèles dans lesquels le produit fait ces allégations. La sécurité des filigranes, la gestion des clés et le risque de collusion doivent être inclus.
La valeur commerciale dépend de l'adoption du flux de travail. Un détecteur de filigrane utilisé uniquement lors de démonstrations a peu de valeur récurrente. L'acheteur doit retracer le signal dans les systèmes de modération, d'examen des fraudes, de publication, de communication et de préservation des preuves. Il doit mesurer le temps de réponse, l’examen humain et la politique client après détection.
Le contenu non participant reste une limitation centrale. L'absence de filigrane ne prouve pas l'authenticité et sa présence doit être interprétée dans le cadre du modèle de l'émetteur et de la menace. Le langage des produits, la formation et les contrats doivent empêcher les clients de convertir un signal partiel en une conclusion non étayée.
10. Testez les performances multimodales et cross-canal
Les campagnes Deepfake peuvent combiner voix synthétiques, vidéos manipulées, documents fabriqués, comptes compromis et ingénierie sociale. Un détecteur uniquement multimédia peut manquer les preuves contextuelles qui rendent l'événement exploitable. L'acheteur doit tester comment la plateforme relie les signaux de contenu, d'identité, d'appareil, de compte, de communication et de transaction.
L'audio mérite un traitement séparé car les codecs, le bruit de fond, les courts clips, la parole multilingue, la conversion vocale et la relecture affectent les performances. La vidéo introduit la cohérence temporelle, la synchronisation labiale, la sélection d'images et la compression. Les images soulèvent différentes questions de provenance et de localisation. Les flux de travail de texte et de documents ajoutent des problèmes de paternité, de métadonnées et de cohérence sémantique.
L'orchestration multicanal peut créer un avantage défendable en matière de flux de travail lorsqu'elle réduit les efforts des clients et améliore les décisions. Cela peut également augmenter les coûts d’intégration et l’exposition aux droits sur les données. L'acheteur doit identifier quelles corrélations sont des caractéristiques de production, celles qui dépendent des données clients et celles qui restent des prototypes de recherche.
11. Évaluer les flux de travail des clients
Le produit doit être évalué là où la décision a lieu. Les institutions financières peuvent utiliser des contrôles d'authenticité pour l'approbation des paiements, la récupération des comptes, l'intégration à distance et la réponse à l'usurpation d'identité des dirigeants. Les organisations médiatiques peuvent les utiliser pour la vérification des sources et la publication. Les entreprises peuvent protéger les communications des dirigeants et les canaux de marque. Les plateformes peuvent prendre en charge l’étiquetage, la modération et les appels. Les agences publiques et les laboratoires médico-légaux peuvent utiliser des outils validés dans le cadre des procédures de preuve.[3][11][12]
Pour chaque flux de travail, l'acheteur doit documenter le déclencheur, les preuves disponibles, le niveau de service, le propriétaire de la décision, les actions autorisées, l'escalade, la piste d'audit et le recours. La contribution du produit doit être isolée des autres contrôles. Une réduction des pertes liées à la fraude peut refléter des rappels plus stricts, des limites de transaction ou des contrôles de compte ainsi que la détection.
L’adoption doit être mesurée au-delà des licences. Les mesures utiles incluent les flux de travail protégés actifs, les événements éligibles analysés, les cas examinés, les décisions modifiées, les actions terminées, les appels, les crédits de service et la prévention des pertes vérifiée. Les références clients doivent être rapprochées des enregistrements du système et du contrat.
L'acheteur doit examiner le contrefactuel. Un client peut avoir acheté le produit après un incident public tout en continuant à s'appuyer sur des rappels manuels et des contrôles d'identité existants. Les entretiens doivent établir quelles décisions ont changé, quel processus alternatif aurait eu lieu et quel avantage mesuré peut raisonnablement être attribué à la cible. La prévention des pertes nécessite une attention particulière car les événements évités sont difficiles à observer. L'analyse doit utiliser des tentatives d'incidents documentées, des simulations contrôlées et des méthodes d'attribution approuvées par le client.
La profondeur du flux de travail peut créer une rétention lorsque le produit est intégré aux systèmes de politique, de traitement des preuves et de dossiers. Cela peut également créer des obligations en matière de mise en œuvre. L'équipe de diligence doit mesurer le temps de déploiement, la configuration client, la formation, la gestion du changement, la maintenance de l'intégration et la part des clients opérant en deçà de la portée contractuelle. Les services requis pour rendre le logiciel utile doivent rester visibles dans les modèles de marge et de capacité.
| Flux de travail client | Décision | Preuve requise | Mesure des résultats |
|---|---|---|---|
| Approbation du paiement | libérer, retenir ou vérifier une instruction | preuves d'identité, de canal, de contenu et de rappel | évite les pertes, les retards et les fausses prises |
| Intégration à distance | accepter, rejeter ou faire remonter le candidat | preuve d'activité, d'identité, de document et d'appareil | frais de fraude, d'achèvement et de révision |
| Vérification des actualités | publier, étiqueter, enquêter ou rejeter | provenance, preuves médico-légales et sources | correction, rapidité et confiance |
| Modération de la plateforme | étiqueter, limiter, supprimer ou faire appel | contenu, politique et preuves de provenance | taux d’exposition, d’appel et d’erreur |
| Communications d'entreprise | faire confiance, contester ou isoler le message | preuves de compte, vocales, vidéo et contextuelles | confinement et perturbation des incidents |
| Examen médico-légal | rapporter les conclusions et les limites | méthode validée, chaîne de traçabilité et examen par les pairs | reproductibilité et acceptation des cas |
La valeur apparaît lorsque des preuves techniques modifient une décision contrôlée du client.
12. Évaluer la gouvernance et l'explicabilité du modèle
L'acheteur doit obtenir un inventaire complet du modèle couvrant la modalité, l'objectif, l'architecture, les données de formation, les composants externes, les versions, le déploiement, les seuils, les limitations connues et les propriétaires. Les modifications doivent être liées aux preuves d’évaluation et aux enregistrements de versions client. NIST AI RMF et le profil génératif AI fournissent des structures utiles pour gouverner, cartographier, mesurer et gérer les risques AI.[13][14]
L'explicabilité doit être liée à l'utilisateur et à la décision. Un enquêteur peut avoir besoin d'une localisation, d'une contribution au signal, d'une validation de la provenance et d'explications alternatives. Un approbateur client peut avoir besoin d’un résumé concis des preuves et d’une déclaration de limitation. Un expert face au tribunal nécessite une validation de la méthode, une chaîne de traçabilité et une reproductibilité.
Le système devrait favoriser l’abstention et l’incertitude. Les réponses binaires forcées peuvent nuire aux clients lorsque les preuves sont faibles ou en dehors de la population validée. L'acheteur doit examiner la manière dont l'incertitude affecte le flux de travail, les niveaux de service et les performances déclarées.
La gouvernance du changement de modèle devrait relier les données probantes de la recherche à la diffusion commerciale. La cible doit définir le changement important, la portée de régression requise, l'autorité d'approbation, la notification au client et les conditions de restauration. Un changement de seuil peut modifier la charge de travail et les résultats des clients même lorsque les pondérations du modèle restent inchangées. Les mises à jour du modèle externe ou de API peuvent créer des effets similaires. L'acheteur doit échantillonner les versions et retracer chacune d'elles à partir des preuves de développement jusqu'à l'approbation, le déploiement, la surveillance et la communication avec le client.
La documentation doit rester utilisable par les équipes produit, les enquêteurs, les équipes commerciales et les clients. Les limitations techniques cachées dans les notes de recherche peuvent disparaître des propositions et des procédures opérationnelles. L'équipe de diligence doit comparer les modèles de fiches, les rapports de validation, la documentation produit, les supports de formation, les énoncés de travail et les réclamations des clients. Les différences devraient alimenter l’évaluation des responsabilités et le plan de remédiation.
13. Protéger les données, les droits et la chaîne de traçabilité
Les données de formation, d’évaluation et de production peuvent inclure des visages, des voix, des communications, des documents d’identité, des médias confidentiels et des preuves pénales. L'acheteur doit identifier la base juridique, le consentement, la licence, le but, la géographie, la conservation, la sécurité, la suppression, le transfert ultérieur et les restrictions du client. Les droits doivent couvrir l’utilisation prévue après la clôture, y compris l’amélioration du modèle et l’apprentissage entre clients, le cas échéant.
La chaîne de traçabilité est importante lorsque les résultats soutiennent des enquêtes, des litiges ou des procédures. La plateforme doit conserver la méthode d'acquisition, les hachages originaux, les transformations, les versions de modèle et de logiciel, les actions des analystes, les horodatages et les exportations. Les enregistrements doivent rester reproductibles après les mises à jour du produit.
| Actif | Preuve de droits et de contrôle | Essai opérationnel | Traitement de valorisation |
|---|---|---|---|
| Données de formation | licence, consentement, provenance et restrictions | reproduire l'ensemble de données autorisé | valeur uniquement transférable utilisation autorisée |
| Données d'évaluation | labels indépendants et contrôles de contamination | réexécuter le benchmark scellé | soutenir la durabilité des preuves |
| Supports de production | contrat, finalité et conservation | cas échantillonné | reconnaître uniquement la valeur autorisée du flux de travail |
| Modèles | propriété, conditions de tiers et dépendances | reconstruire ou restaurer la version | capacité distincte détenue et sous licence |
| Identifiants et clés | émetteur, garde, fiducie et révocation | valider et révoquer les informations d'identification du test | service de confiance en matière de prix et responsabilité |
| Preuve du cas | chaîne de traçabilité et droits d’audit | reproduire le rapport | prendre en charge les flux de travail réglementés et experts |
Le registre relie les droits légaux, la lignée technique et l'utilisation de l'évaluation.
14. Testez la sécurité et la résistance aux abus
La cible est elle-même un système contradictoire. Les attaquants peuvent sonder les seuils, soumettre des médias contrefaits, empoisonner les commentaires, voler des modèles, compromettre les clés, inonder les files d'attente de révision ou manipuler le contexte des analystes. La taxonomie d'apprentissage automatique contradictoire du NIST et les conseils de sécurité C2PA fournissent des points de départ utiles pour la modélisation des menaces.[9][15]
L'acheteur doit commander des tests sur les couches de modèle, API, d'application, d'identité, de certificat, de données et opérationnelles. Les limites de débit, la détection des anomalies, le contrôle d'accès, le développement sécurisé, la réponse aux incidents, la gestion des secrets et la récupération doivent être revus. Les preuves fournies par le client doivent être traitées comme potentiellement hostiles.
Les contrôles contre les abus régissent également les clients. Un outil médico-légal peut être utilisé à des fins de surveillance, d’attribution non étayée ou de collecte de données biométriques. L'objectif doit définir l'utilisation acceptable, les clients à haut risque, l'escalade et la résiliation. Les revenus qui dépendent d’une utilisation interdite ou faiblement contrôlée doivent être exclus du scénario de référence.
15. Évaluer l’exposition aux réglementations et aux preuves
Le périmètre réglementaire varie selon le produit et la juridiction. Les obligations de transparence de l'article 50 de la loi européenne AI s'appliquent au marquage et à l'étiquetage de certains contenus générés par AI et des deepfakes à compter du 2 août 2026. Le code de bonnes pratiques final offre une voie de conformité volontaire pour les signataires tandis que les obligations juridiques restent dans la loi. Les règles relatives à la protection des données, à la biométrie, aux plateformes, aux communications, à la protection des consommateurs et à la preuve peuvent également s'appliquer.[6][16][17]
Les autorités américaines ont résolu les problèmes liés à l'usurpation d'identité et aux voix générées par AI par le biais de la règle d'usurpation d'identité du gouvernement et des entreprises de la FTC et du traitement par la FCC des voix générées par AI en vertu de la Loi sur la protection des consommateurs par téléphone. Les alertes du FBI et d'IC3 documentent l'utilisation criminelle de la voix générée par AI et des médias modifiés dans des campagnes d'usurpation d'identité et de fraude.[11][12][18]
L’acheteur doit obtenir une matrice juridiction par produit et des conseils spécialisés à jour. Les réclamations sur les produits, les actions des clients, la rétention, les rapports et l'examen humain doivent correspondre aux obligations pertinentes. La demande réglementaire peut générer des revenus tout en augmentant les coûts de validation, d’audit et de responsabilité.
16. Analyser les cohortes de clients et les contrats
Les clients doivent être regroupés par flux de travail, conséquence, modalité, profondeur d'intégration, géographie, canal et modèle de service. La concentration des revenus par plateforme, générateur ou exigence réglementaire doit être visible. Les cohortes doivent montrer les revenus récurrents contractés, l'utilisation, le déploiement, l'effort de révision, la marge brute, le renouvellement, l'expansion, les réclamations et la trésorerie.
L'examen du contrat doit couvrir les engagements de performance, l'utilisation autorisée, les droits sur les données, l'audit, la sécurité, la réponse aux incidents, l'indemnisation, les plafonds de responsabilité, l'assurance, les crédits de service, la conservation des preuves, les modifications de modèle et la résiliation. Les allégations marketing doivent être conciliées avec la portée exécutoire.
La matrice illustre comment l’adoption du flux de travail et la durabilité des preuves peuvent être examinées ensemble.
17. Reconstruire l’économie de la livraison complète
La marge brute doit être reconstituée à partir des enregistrements des clients et des cas. Les coûts comprennent le traitement du cloud, l'inférence de modèle, le stockage, l'infrastructure de confiance, les données tierces, les certificats, l'examen par les analystes, la recherche, l'évaluation, l'intégration client, le support, la réponse aux incidents et l'assurance. Les coûts de recherche partagés devraient être explicitement répartis.
La croissance de l'utilisation peut réduire le coût unitaire grâce à l'échelle tout en augmentant les coûts de révision et d'infrastructure. Les clients à conséquences élevées peuvent avoir besoin d'environnements dédiés, d'une disponibilité d'experts et d'une meilleure conservation des preuves. L’acheteur doit séparer la marge des logiciels de la marge des services gérés et des preuves d’experts.
La conversion en espèces nécessite un examen des déclencheurs de facturation, des engagements minimums, des excédents, des services professionnels, des crédits, des litiges et du recouvrement. Une valeur contractuelle importante peut coexister avec un déploiement lent et une utilisation limitée. Les revenus différés et la mise en œuvre financée par le client doivent être rapprochés des obligations restantes.
18. Construire un cas d'acquisition hypothétique
Supposons qu'une cible compte 145 clients, un chiffre d'affaires récurrent annuel de USD 42 million et un chiffre d'affaires courant de USD 47 million. Soixante pour cent des revenus récurrents proviennent des flux de travail liés à la fraude financière et à l'identité, vingt-cinq pour cent des flux de travail des médias et des plateformes, et quinze pour cent des enquêtes sur les entreprises et le secteur public. La marge brute déclarée est de 76 pour cent.
La direction estime que les coûts de l'examen complet des cas, des données d'évaluation et de l'infrastructure de confiance réduisent la marge brute normalisée à 68 pour cent. Douze clients représentant USD 9 million de revenus récurrents dépendent d'un seul partenaire de distribution. Un autre USD 6 million dépend d'une caractéristique du modèle dont les performances sur le groupe électrogène scellé et invisible de l'acheteur tombent en dessous du point de fonctionnement approuvé.
L'acheteur reproduit des performances acceptables pour USD 27 million de revenus récurrents, confirme le contrat et les droits sur les données pour USD 25 million et valide l'adoption actuelle du flux de travail pour USD 23 million. Ces chiffres sont des hypothèses de gestion pour la démonstration de la méthode. Ils ne doivent pas être utilisés comme prévision, multiple de marché ou déclaration sur une entreprise réelle.
| Article | Montant hypothétique | Statut de la preuve | Traitement |
|---|---|---|---|
| Revenus récurrents déclarés | USD 42m | liste de contrats | point de départ |
| Cohorte à performance reproduite | USD 27m | référence scellée et échantillon de cas | éligible à une base fondée sur des preuves |
| Cohorte de droits transférables | USD 25m | registre des contrats et des droits | éligible après confirmation légale |
| Cohorte de flux de travail actif | USD 23m | dossiers de production et de clients | base récurrente de confiance la plus élevée |
| Revenus concentrés sur les partenaires | USD 9m | accord de distribution | stress de concentration et rétention |
| Revenus dépendants des fonctionnalités | USD 6m | seuil de générateur invisible défaillant | réparation ou valeur conditionnelle |
| Marge brute normalisée | 68% | reconstruction complète des coûts | utilisation en cas de flux de trésorerie |
Chaque chiffre est une hypothèse de gestion créée uniquement pour démontrer la méthode de valorisation.
19. Insistez sur le modèle d’acquisition
Le modèle doit tester la dégradation des performances, la tolérance des clients aux faux positifs, la perte de partenaires, les changements de prix du fournisseur de modèle, les changements de certificat ou de liste de confiance, les mesures correctives réglementaires, l'attrition des experts, les incidents d'abus majeurs et l'intégration retardée. Chaque scénario doit passer par l'utilisation, les efforts de révision, les crédits, le renouvellement, les revenus, la marge, l'investissement et la trésorerie.
Les tests de résistance doivent distinguer les mesures correctives temporaires des déficiences structurelles. Un détecteur qui peut récupérer grâce à un recyclage de routine diffère de celui qui nécessite de nouveaux droits de données ou une nouvelle architecture. Un service de provenance avec des émetteurs diversifiés diffère d’un service dépendant d’une seule plateforme. Les flux de travail client avec vérification en couches diffèrent de ceux reposant sur un score unique.
Le conseil d’administration devrait recevoir des cas défavorables qui préservent la réalité opérationnelle. Réduire les dépenses de recherche ou d’évaluation peut améliorer la marge à court terme tout en accélérant la dégradation des preuves. L'élimination des réviseurs peut augmenter le débit tout en augmentant les erreurs. Les économies d’intégration ne devraient être libérées qu’une fois que les cohortes contrôlées ont atteint les seuils de performances et de service.
La sensibilité doit s'exprimer à travers des facteurs opérationnels que la direction peut surveiller après la clôture. Ceux-ci incluent la part de contenu au sein de la population validée, la durée du cycle d'actualisation, les minutes de réviseur par cas, la concentration des partenaires, le coût du service de certificat, l'activation et le renouvellement du client après un événement indésirable. Le comité d'investissement peut alors lier chaque hypothèse à un propriétaire, une cadence de reporting et un seuil d'intervention.
Cela crée un système de contrôle post-fermeture mesurable.
20. Valorisez l’entreprise en plusieurs niveaux
La couche de base est constituée des flux de trésorerie issus des flux de travail clients actifs avec des performances reproduites, des droits transférables, un coût normalisé et une concentration acceptable. Une deuxième couche peut reconnaître une expansion fondée sur des preuves lorsque les conditions préalables au déploiement sont remplies. Un troisième niveau peut reconnaître les options contingentes de produits ou d'écosystèmes au moyen de scénarios pondérés en fonction des probabilités ou de considérations d'étapes.
Les multiples de revenus peuvent fournir une vérification croisée du marché une fois que les modèles économiques et la qualité des preuves sont normalisés. Un service médico-légal géré avec une livraison intensive par des experts, une identité à volume élevé API et un réseau de provenance peut générer des revenus récurrents tout en supportant des marges, un réinvestissement, une concentration et une responsabilité sensiblement différents. L’ensemble comparable doit être expliqué plutôt que traité comme une règle de tarification directe. Les scénarios de flux de trésorerie doivent refléter les coûts de renouvellement, d’évaluation, d’intégration et de services de confiance de la recherche.
L’approche coût peut éclairer la valeur des logiciels, des ensembles de données et de la reconstruction technique, mais les dépenses historiques n’établissent pas l’utilité ou les droits légaux. L’approche basée sur les revenus peut isoler les relations clients ou les contributions technologiques lorsque les hypothèses sont étayées. Les méthodes d’exonération des redevances, de gains excédentaires et de coût de remplacement nécessitent une séparation minutieuse des actifs contributifs et une double comptabilisation. Le conseil d'administration devrait concilier le prix commercial, la répartition des informations financières et la protection contre les baisses sans les traiter comme le même exercice.
Les actifs incorporels peuvent inclure des logiciels, des modèles, des ensembles de données, des relations clients, des contrats, des marques et des recherches en cours. Les normes IFRS 3 et IAS 38 traitent des actifs incorporels identifiables acquis lors d'un regroupement d'entreprises, tandis que les normes IFRS 13 et IVS fournissent des principes d'évaluation. Le modèle transactionnel doit séparer l’allocation comptable de la décision commerciale tout en conciliant les deux.[19][20][21][22]
L'illustration sépare la valeur vérifiée, la valeur fondée sur des preuves, les options conditionnelles et les déductions.
| Composante de valeur | Preuve requise | Approche de valorisation | Mécanisme de protection |
|---|---|---|---|
| Base récurrente active | performance reproduite, droits, adoption et espèces | flux de trésorerie normalisés et recoupement du marché | ajustement de clôture et garanties |
| Expansion | clients sous contrat et portes de déploiement terminées | flux de trésorerie de la cohorte pondérés selon les probabilités | paiement échelonné |
| Avantage de la recherche | référence espacée dans le temps et rafraîchissement de l'économie | retour excédentaire ou contrôle croisé du coût de recréation | rétention et paiement d’étape |
| Réseau de provenance | participation des émetteurs et utilisation du workflow | économie des cohortes de réseaux | étape d'adoption |
| Choix du produit | prototype et route documentée vers le marché | valeur du scénario | complément de prix ou capitaux propres conservés |
| Passif | droits, réclamations, réparation et concentration | coût attendu et scénario défavorable | indemnité, séquestre ou réduction de prix |
L’examen doit être fonction de la solidité et du moment des preuves.
21. Concevoir les conditions de transaction et l'intégration
Les représentations doivent couvrir les droits de propriété, de formation et d'évaluation, l'inventaire des modèles, les opérations de provenance et de certificat, la sécurité, la confidentialité, les contrats clients, les réclamations de performance, les incidents et les litiges. Les calendriers de divulgation doivent identifier les modèles tiers, les données, les composants open source, les dépendances de confiance et le personnel clé.
Les compléments de prix doivent utiliser des mesures que la direction peut influencer et que les deux parties peuvent auditer. Les mesures peuvent combiner les revenus récurrents conservés, la marge brute normalisée, l'adoption active du flux de travail, les performances sur des ensembles de défis définis à intervalles de temps et les résultats pour les clients. L'ensemble de données, le seuil, la version du modèle, la population, l'autorité d'examen et le processus de règlement des différends doivent être convenus avant la clôture.
L’intégration doit préserver les preuves. Les modèles, ensembles de données, certificats, clés, journaux, historiques de cas et configurations client doivent rester contrôlés. La migration des clients doit utiliser des cohortes à double exécution. Les équipes de recherche et de médecine légale ont besoin de rétention, d'autorité et d'un processus de publication clair. Les actions en matière de coûts doivent suivre la capacité et les performances vérifiées.
22. Exécuter un programme de 180 jours
Les jours 1 à 30 établissent le contrôle. L'équipe confirme le périmètre des produits et des contrats, les inventaires de modèles et de données, la garde des clés, les dépendances de confiance, les cohortes de clients et le grand livre de l'authenticité au résultat. Il préserve les ensembles de références, les sources de preuves, les versions et les dossiers.
Les jours 31 à 75 reproduisent les performances. L’équipe effectue des tests scellés de cross-modalité, de générateur invisible et de post-traitement aux seuils des clients. Il échantillonne les cas de production, l’examen humain et la chaîne de traçabilité. Le service financier reconstitue l'intégralité des coûts de livraison et de la conversion en espèces.
Les jours 76 à 120 testent la durabilité et la concentration. L’équipe réalise des défis espacés dans le temps, des exercices de modèles de menaces et des scénarios de partenaires, de fournisseurs de modèles et de réglementation. Il mesure l'effort de rafraîchissement, l'adoption par les clients et les conséquences des erreurs.
Les jours 121 à 180 finalisent la protection de la considération et l'intégration de la cohorte. Le conseil reçoit une valeur vérifiée, une valeur fondée sur des preuves, des options, des passifs, un investissement de première année et des portes de libération. La migration ne se poursuit qu'une fois que les preuves à double analyse atteignent les seuils approuvés.
Le programme passe du contrôle et de la reproduction aux tests de durabilité, à la protection des transactions et à la libération des cohortes.
| Grille | Preuve | Décision activée | Réponse à l'échec |
|---|---|---|---|
| Périmètre | carte des produits, des contrats et des responsabilités | confirmer la portée de l'acquisition | exclure ou retarifier la portée non prise en charge |
| Performance | étalon représentatif scellé | accepter la capacité de base | corriger, conserver la valeur ou arrêter |
| Durabilité | tests espacés dans le temps et post-traitement | reconnaître l'avantage de la recherche | réduire la valeur et augmenter les investissements en matière de rafraîchissement |
| Droits et confiance | données, modèle, certificat et droits du client | reconnaître la valeur transférable | restreindre l’utilisation ou réduire le prix |
| Résultats client | adoption du flux de travail, cohortes d'erreurs et de trésorerie | accepter une base récurrente | ajuster les revenus et la marge |
| Préparation à l'intégration | plan double gestion, contrôle des clés et couverture des personnes | migration des cohortes de libération | étendre le fonctionnement en parallèle |
| Valeur réalisée | un rapprochement indépendant des performances et de la trésorerie | libération retenue contrepartie | reporter ou réduire le paiement |
Chaque porte nécessite des preuves révisables avant que l'action sur le prix, la migration ou les coûts ne se poursuive.
23. Décision et conclusion
Les entreprises de défense deepfake doivent être valorisées pour la durabilité des preuves qu’elles créent dans le cadre des flux de travail réels des clients. L’exactitude des titres peut soutenir un examen technique, mais la valeur transactionnelle nécessite des populations représentatives, des seuils opérationnels pertinents, des droits transférables, un coût complet, une adoption et des résultats responsables.
La pile de contrôle est complémentaire. La provenance, le filigrane, la détection médico-légale, les contrôles d'identité, l'orchestration des flux de travail et l'examen humain répondent à différentes questions. Un acheteur doit identifier le rôle et les limites de chaque couche et éviter d’attribuer une revendication d’authenticité universelle à un signal partiel.
La dégradation contradictoire appartient au modèle d’évaluation. Des ensembles de défis espacés dans le temps, des preuves post-traitées sales, des tests de régression et des données économiques d'actualisation montrent combien de temps une capacité reste utile et combien coûte sa maintenance. La capacité de recherche est précieuse lorsqu’elle produit des performances et des résultats reproductibles pour les clients.
La transaction doit conserver cinq enregistrements connectés : le grand livre de l'authenticité au résultat, l'inventaire des modèles et des ensembles de données, le registre des droits et de la confiance, le modèle de cohorte de clients et le calendrier de durabilité des preuves. Ces enregistrements permettent aux diligences techniques, opérationnelles, réglementaires et financières d’utiliser les mêmes preuves.
Le prix et l’intégration doivent suivre la preuve. Des flux de travail récurrents actifs avec des performances reproduites et des droits transférables soutiennent la base. Une expansion fondée sur des données probantes peut soutenir une valeur échelonnée. Les nouvelles modalités, écosystèmes et options de produits restent contingents jusqu'à ce que leur adoption et leur rentabilité soient démontrées. Cette structure donne aux acheteurs et aux vendeurs une base pratique en matière de prix, de protection et d'exécution sur un marché où les menaces et les défenses évoluent rapidement.
Sources
- Institut national des normes et de la technologie, Réduire les risques posés par le contenu synthétique, NIST AI 100-4. Lire la source principale
- Institut national des normes et de la technologie, Open Media Forensics Challenge. Lire la source principale
- Institut national des normes et de la technologie, Gardiens des preuves médico-légales. Lire la source principale
- Agence des projets de recherche avancée de défense, Semantic Forensics. Lire la source principale
- Coalition pour la provenance et l'authenticité du contenu, spécifications C2PA 2.4. Lire la source principale
- Commission européenne, Code de bonnes pratiques sur la transparence du contenu généré par AI. Lire la source principale
- Coalition pour la provenance et l'authenticité du contenu, conseils pour l'intelligence artificielle et l'apprentissage automatique. Lire la source principale
- Coalition pour la provenance et l'authenticité du contenu, Explication C2PA. Lire la source principale
- Institut national des normes et de la technologie, Adversarial Machine Learning, NIST AI 100-2e2025. Lire la source principale
- Coalition pour la provenance et l'authenticité du contenu, spécification technique des informations d'identification du contenu. Lire la source principale
- Centre de plaintes contre la criminalité sur Internet du Federal Bureau of Investigation, campagne d'usurpation d'identité de hauts responsables américains. Lire la source principale
- Commission fédérale des communications, AI-voix générées dans la décision déclaratoire des appels automatisés. Lire la source principale
- Institut national des normes et de la technologie, Cadre de gestion des risques liés à l'intelligence artificielle 1.0. Lire la source principale
- Institut national des normes et de la technologie, profil d'intelligence artificielle générative, NIST AI 600-1. Lire la source principale
- Coalition pour la provenance et l'authenticité du contenu, considérations de sécurité. Lire la source principale
- Union européenne, Règlement UE 2024 1689 fixant des règles harmonisées en matière d'intelligence artificielle. Lire la source principale
- Union européenne, Règlement UE 2022 2065 sur un marché unique des services numériques. Lire la source principale
- Commission fédérale du commerce des États-Unis, Règle sur l'usurpation d'identité du gouvernement et des entreprises. Lire la source principale
- Fondation IFRS, IFRS 3 Regroupements d'entreprises. Lire la source principale
- Fondation IFRS, IAS 38 Immobilisations incorporelles. Lire la source principale
- Fondation IFRS, IFRS 13 Évaluation de la juste valeur. Lire la source principale
- Conseil des normes internationales d’évaluation, Normes internationales d’évaluation. Lire la source principale
- IFRS Foundation, IAS 36 Dépréciation d'actifs. Lire la source principale
- Organisation internationale de normalisation, ISO IEC 42001 Systèmes de gestion de l'intelligence artificielle. Lire la source principale
- Organisation internationale de normalisation, ISO IEC 23894 Gestion des risques liés à l'intelligence artificielle. Lire la source principale
- Organisation internationale de normalisation, détection des attaques par présentation biométrique ISO IEC 30107. Lire la source principale
- Organisation internationale de normalisation, systèmes de gestion de la sécurité de l'information ISO IEC 27001. Lire la source principale
- Institut national des normes et de la technologie, Lignes directrices sur l'identité numérique. Lire la source principale
- Institut national des normes et de la technologie, évaluation de la technologie d'analyse des visages. Lire la source principale
- Institut national des normes et de la technologie, plan d'évaluation OpenMFC. Lire la source principale
- Commission européenne, Lignes directrices sur la transparence du contenu généré par AI. Lire la source principale
- Commission européenne, Études techniques sur le marquage et la détection du contenu généré par AI. Lire la source principale
- Bureau du commissaire à l'information du Royaume-Uni, lignes directrices sur AI et la protection des données. Lire la source principale
- Centre national de cybersécurité du Royaume-Uni, Lignes directrices pour le développement de systèmes sécurisés AI. Lire la source principale
- Agence de cybersécurité et de sécurité des infrastructures, Secure by Design. Lire la source principale
- Institut national des normes et de la technologie, Cadre de développement de logiciels sécurisés. Lire la source principale
- Institut national des normes et de la technologie, Guide de gestion des incidents de sécurité informatique. Lire la source principale
- Institut national des normes et technologies, contrôles de sécurité et de confidentialité, SP 800-53 Révision 5. Lire la source principale
- Institut national des normes et de la technologie, Protection des informations non classifiées contrôlées dans les systèmes non fédéraux. Lire la source principale
- Agence de l’Union européenne pour la cybersécurité, ENISA Threat Landscape 2025. Lire la source principale
- Agence de l'Union européenne pour la cybersécurité, Défis de cybersécurité de l'intelligence artificielle. Lire la source principale
- Organisation de coopération et de développement économiques, Principes de l'OCDE AI. Lire la source principale
- UNESCO, Recommandation sur l'éthique de l'intelligence artificielle. Lire la source principale
- Conseil de l'Europe, Convention-cadre sur l'intelligence artificielle et les droits de l'homme, la démocratie et l'État de droit. Lire la source principale
- Securities and Exchange Commission des États-Unis, Règle de gouvernance de la stratégie de gestion des risques de cybersécurité et de divulgation des incidents. Lire la source principale
- Groupe d’action financière, orientations sur l’identité numérique. Lire la source principale
- Union internationale des télécommunications, Défi de détection des Deepfakes. Lire la source principale
- Organisation mondiale de la propriété intellectuelle, Conversation de l'OMPI sur la propriété intellectuelle et l'intelligence artificielle. Lire la source principale
- UAE Conseil de cybersécurité, Stratégie nationale de cybersécurité. Lire la source principale
- Autorité nationale saoudienne de cybersécurité, Contrôles essentiels de cybersécurité. Lire la source principale
