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