10.5281/zenodo.4264371
https://zenodo.org/records/4264371
oai:zenodo.org:4264371
Rannou, Emilie
Emilie
Rannou
Ekimetrics
Benichoux, Alexis
Alexis
Benichoux
Yubo
Forgeas, Rémi
Rémi
Forgeas
France Business Services Center
Gaillard, Simon
Simon
Gaillard
New York
Mary, Jérémie
Jérémie
Mary
Université de Lille
Trinh, Minh
Minh
Trinh
New York
TURINICI, Gabriel
Gabriel
TURINICI
0000-0003-2713-006X
Universite Paris Dauphine - PSL
Waxin, Emilie
Emilie
Waxin
WE Avocats
Deepfakes & Algorithmes: Menace ou Opportunité ?
Zenodo
2020
artificial intelligence
deep learning
generative adversarial networks
GAN
variational auto-encoders
fake news
algorithms
neural networks
deep fakes
2020-10-01
fra
10.5281/zenodo.4264370
https://zenodo.org/communities/ai_ml
1
Creative Commons Attribution Non Commercial No Derivatives 4.0 International
Les deepfakes apparaissent désormais comme un outil de manipulation dont l'impact sur la société est encore peu maîtrisé. Leur existence et utilisation soulèvent de nombreuses questions d’ordre légal et éthique. Mais, au-delà des lois et règles de gouvernance susceptibles d’être mises en place, un problème fondamental demeure, celui de l’incapacité à détecter un deepfake. Alors que la technologie évolue, il s’avère de plus en plus compliqué d’identifier un faux. Développer une connaissance européenne des outils de détection de faux et aussi de reconnaissance du vrai apparaît urgent.
Face à l’ensemble de ces enjeux, le dernier rapport Praxis, Deepfakes & Algorithme, formule douze recommandations autour de quatre grand axes stratégiques :
Faire de l’Europe un leader dans la lutte contre les deepfakes
Renforcer la responsabilité des plateformes au niveau européen
Construire un environnement réglementaire adapté à une lutte efficace contre les deepfakes
Protéger les citoyens de l’impact des deepfakes