Dans cette ère de politiciens accros à la post-vérité et au sophisme de l'ad hominem, un nouveau projet soutenu par l'Université de Washington a créé des algorithmes qui génèrent des vidéos avec une synchronisation labiale très avancée à partir d'un simple clip audio. Un œil entraîné repérera sans difficulté des erreurs dans le processus, mais ce n'est pas le sujet. Après tout, tout ce qu'il faut, c'est une simulation suffisamment bonne, et la répéter jusqu'à l'épuisement…
Pour ceux qui n'ont pas encore lu «1984» de George Orwell, le personnage de Winston Smith est un rédacteur au ministère de la Vérité chargé de révisionnisme historique, c'est-à-dire de modifier les archives antérieures pour les adapter à la vision et à la volonté de l'État. Aujourd'hui, la conviction que «personne ne survit à l'archive» reste tenace, mais si l'on ajoute la possibilité de modifier l'archive ou la créer de toutes pièces qu'offre la numérisation, séparer la vérité du mensonge devient beaucoup plus difficile. Cela dit, un nouveau projet de l'Université de Washington démontre l'incroyable pouvoir des réseaux de neurones appliqué au traitement visuel et à la synchronisation labiale. Cela nous laisse aussi préoccupés.
Fondamentalement, ce que fait le logiciel, c'est générer des mouvements labiaux et buccaux précis à partir d'un clip audio, pour ensuite les superposer sur le visage d'une personne dans une vidéo préexistante. Les responsables du projet affirment que cette «conversion réaliste de l'audio en vidéo» a des applications pratiques comme l'optimisation des vidéoconférences (au lieu de transmettre un signal vidéo complet, on ne reçoit que l'audio et un modèle local nous «parle»), ou, dans un avenir pas si lointain, avoir une conversation avec des figures historiques et des acteurs en réalité virtuelle. Pourquoi ont-ils choisi Barack Obama ? Simplement une question de matériel disponible. Le réseau de neurones a besoin d'être entraîné, et il existe une quantité énorme de vidéos de l'ancien président dans le domaine public.
Non, la synchronisation n'est pas parfaite et ses créateurs le savent, mais ce n'est qu'une question de temps pour que les effets de la vallée de l'étrange soient surmontés. Actuellement, le réseau de neurones ne peut être entraîné qu'avec les données d'une seule personne à la fois. Selon le professeur et co-auteur Steve Seitz, «ce n'est pas possible» de prendre la voix de n'importe qui et de la transformer en une vidéo du président Obama. Cependant, si l'on se fie aux commentaires sur les vidéos (l'un d'eux a déjà désactivé les commentaires), les gens pensent différemment.
