« Ne mets pas dans ma bouche des mots que je n'ai pas dits » est une phrase qui revient dans des milliers de discussions, mais et s'il était possible de faire exactement cela ? Pensez-y un instant : aujourd'hui, Photoshop nous montre des choses qui n'existent pas. Nous avons vu des initiatives capables de numériser des acteurs décédés et de les ramener sur grand écran. Les assistants sur nos appareils mobiles reconnaissent parfaitement notre voix. À quel point serait-il difficile de l'imiter alors ? Le Project VoCo d'Adobe essaie de le découvrir.
La conférence MAX organisée chaque année par Adobe permet aux développeurs et aux consommateurs de voir de plus près certaines choses sur lesquelles travaille l'entreprise, qu'il s'agisse de produits prêts à sortir sur le marché ou de prototypes relativement obscurs. Project VoCo entre dans cette deuxième catégorie, un nom qui ne nous dit pas grand-chose, mais qui porte un potentiel effrayant. Quel genre de potentiel ? Voyons : nous savons tous ce que Photoshop peut faire entre les mains d'un expert. Les mannequins n'ont pas la moindre imperfection sur leur peau, des voitures qui ne sont pas encore construites effectuent des manœuvres spectaculaires sur la plage, et les politiciens perdent dix ou quinze ans lorsqu'ils sont en campagne. Maintenant, pensons à ces ressources appliquées à l'audio. Prendre le discours de quelqu'un, l'éditer, remplacer et placer des mots qui n'y sont pas.
Voilà ce qu'est Project VoCo. Selon les mots du développeur d'Adobe Zeyu Jin, VoCo fait pour l'audio ce que Photoshop fait pour la photographie. Le logiciel est en quelque sorte une pré-alpha en ce moment, mais si l'on en croit les brèves démonstrations, tout ce que l'utilisateur a à faire est de saisir du texte dans une petite boîte de dialogue, et VoCo le reproduira avec exactement la même voix. Bien sûr, une telle fonction implique une analyse très large de l'audio, et plusieurs sources indiquent que VoCo a besoin d'au moins 20 minutes de contenu pour une reproduction fidèle. Si l'on calcule la durée moyenne des discours de certains politiciens, je suis convaincu que VoCo possède de la matière en abondance.
Si Adobe a des raisons légitimes de poursuivre un projet de cette nature, les alarmes éthiques n'ont cessé de retentir. Comme toujours, ce n'est pas l'outil qui est en cause, mais celui qui l'utilise. Si VoCo tombe entre des mains sans scrupules, un discours logique et cohérent pourrait être transformé en agressif ou belliqueux… et vice versa. Nous avons déjà du mal à détecter les images retouchées et les fausses vidéos. Imaginez étendre ce même conflit à une pièce audio qui peut durer quelques heures. Quoi qu'il en soit, nous suivrons VoCo de près.
