The Voiceprint Fallacy: Why Voices Are Not Unique Biometric Imprints

Imaginez que vous essayez d'identifier un ami dans une pièce bondée et bruyante. Vous ne voyez pas son visage, mais vous l'entendez appeler votre nom. Votre cerveau reconnaît instantanément sa voix, n'est-ce pas ? Cela ressemble à une clé magique, une empreinte digitale faite de sons qui n'appartient qu'à lui. Pendant longtemps, les scientifiques et les détectives de police ont cru que c'était exactement ainsi que la voix fonctionnait : que chaque personne possédait une « empreinte vocale » permanente et immuable cachée dans sa gorge, tout comme les crêtes sur un doigt. Cette idée semblait si logique qu'elle a été inscrite dans les lois et utilisée dans les tribunaux pour arrêter des criminels. Mais voici le revers de la médaille : les voix ne sont pas des tampons statiques ou des empreintes fixes. Elles ressemblent plutôt à une rivière vivante et respirante qui change de forme selon la météo, le terrain et l'humeur de l'eau. Si vous traitez une rivière comme une statue de glace, vous allez faire une erreur sur ce qui y coule. C'est le gros problème de l'ancienne théorie de l'« empreinte vocale », et c'est l'histoire principale d'un nouvel article qui veut rétablir la vérité.

L'article, intitulé « Le sophisme de l'empreinte vocale » (The Voiceprint Fallacy), soutient que l'idée d'une « empreinte vocale » est un mythe scientifique. Il explique que si votre voix porte des indices sur qui vous êtes, elle n'est pas une marque unique et immuable. Au lieu de cela, votre voix est un mélange désordonné et complexe de votre corps, de votre humeur, de votre santé, de ce que vous dites et même du microphone qui vous enregistre. Les auteurs, une équipe de linguistes et de spécialistes en informatique, démontrent que traiter une voix comme une empreinte digitale est dangereux car cela ignore toutes les façons dont une voix peut changer. Ils suggèrent d'arrêter de chercher une « correspondance » parfaite et de commencer à utiliser une méthode plus intelligente et plus honnête pour comparer les voix, une méthode qui admet l'incertitude et prend en compte toutes les différentes raisons pour lesquelles deux voix peuvent se ressembler.

La grande supercherie de l'empreinte vocale

Alors, pourquoi tout le monde croyait-il en l'empreinte vocale au départ ? Tout a commencé avec une technologie géniale appelée spectrographe. Imaginez une machine qui transforme les ondes sonores en une image colorée, un peu comme une partition musicale mais pour toute la voix. Dans les années 1960, un homme nommé Lawrence Kersta a regardé ces images et a dit : « Hé, elles ressemblent exactement à des empreintes digitales ! Si nous pouvons identifier les gens par les crêtes de leurs doigts, nous pouvons le faire avec ces images sonores. » Il a affirmé que sa méthode était précise à 99,65 %. Les tribunaux ont commencé à accepter cette preuve d'« empreinte vocale », pensant qu'elle était aussi solide que l'or.

Mais l'article souligne que ce fut une énorme erreur. Les auteurs expliquent que l'idée d'« empreinte vocale » est un sophisme — un tour de l'esprit. Elle prend une chose complexe et changeante (votre voix) et prétend qu'il s'agit d'une chose simple et fixe (un tampon). L'article soutient que cette métaphore n'est pas seulement erronée ; elle est dangereuse. Lorsque vous traitez une voix comme une empreinte digitale, vous ignorez le fait que votre voix change à chaque fois que vous parlez.

Votre voix est un caméléon, pas un tampon

Considérez votre voix non pas comme une note unique sur un piano, mais comme un caméléon. Un caméléon change de couleur en fonction de son environnement, de son humeur et de ce qu'il mange. Votre voix fait exactement la même chose. L'article détaille toutes les raisons pour lesquelles votre voix n'est jamais la même deux fois :

• Les sautes d'humeur : Si vous êtes en colère, triste ou excité, votre voix sonne totalement différem la. Si vous êtes fatigué ou malade, elle change encore. Même le simple fait d'être déshydraté peut rendre votre voix plus rauque.
• Le script : La façon dont vous dites quelque chose compte. Si vous lisez un script, si vous parlez à un bébé ou si vous criez pour couvrir le bruit d'un ventilateur, votre voix change de registre. Vous pourriez parler plus lentement, plus fort, ou avec une tonalité différente juste pour être compris.
• Le processus de vieillissement : Contrairement à vos empreintes digitales, qui restent les mêmes toute votre vie, votre voix change à mesure que vous grandissez, vieillissez ou traversez des changements hormonaux. Une voix enregistrée quand vous aviez 20 ans ne sonnera pas exactement comme votre voix à 60 ans.
• Le masque : Les gens peuvent même changer leur voix exprès ! Vous pouvez chuchoter, simuler un accent ou essayer de ressembler à quelqu'un d'autre. L'article note que, bien que vous ne puissiez pas tout changer, vous pouvez changer suffisamment pour tromper les humains et les ordinateurs.

À cause de tous ces changements, une même personne peut paraître très différente dans deux enregistrements différents. Et voici la partie effrayante : deux personnes différentes peuvent parfois se ressembler de manière surprenante, surtout si elles enregistrent dans des conditions différentes ou disent des mots différents.

L'empreinte vocale informatique n'est pas magique non plus

Vous pensez peut-être : « D'accord, mais les ordinateurs sont intelligents. Ils doivent avoir trouvé la vraie empreinte vocale. » L'article répond : « Pas si vite. » Les ordinateurs modernes utilisent des mathématiques complexes pour transformer les voix en codes numériques (appelés « embeddings »). Il est vrai que ces ordinateurs sont doués pour distinguer les voix, mais ils ne trouvent pas une carte d'identité magique et immuable.

L'article explique que ces codes informatiques sont en réalité un mélange de tout : qui parle, ce que la personne dit, le bruit de fond et même le type de microphone utilisé. Si vous enregistrez la même personne avec un téléphone bon marché par rapport à un microphone de studio, l'ordinateur pourrait penser qu'il s'agit d'une personne différente. L'ordinateur ne voit pas une « empreinte vocale » ; il voit un instantané d'un moment spécifique dans le temps. Les auteurs avertissent que le fait qu'un ordinateur donne un score élevé disant « cela correspond » ne signifie pas qu'il s'agit d'une vérité parfaite et immuable. Cela signifie simplement que les deux enregistrements se ressemblent dans ces conditions spécifiques.

Le danger des Deepfakes

L'article évole également un nouveau problème effrayant : les deepfakes. Il s'agit de lorsque l'IA (Intelligence Artificielle) crée un audio truqué qui ressemble exactement à une personne réelle. Les auteurs donnent des exemples de criminels utilisant l'IA pour tromper des gens afin de transférer des millions de dollars en se faisant passer pour leurs patrons.

Voici le point crucial : l'article affirme que même si un deepfake ressemble à 100 % à votre ami, cela ne signifie pas que votre ami l'a prononcé. Le concept de l'ancienne « empreinte vocale » suppose que si cela ressemble à vous, c'est forcément vous. Mais avec les deepfakes, cette règle est brisée. Une voix truquée peut ressembler à une personne réelle sans que cette personne n'ait jamais ouvert la bouche. Cela prouve qu'une « voix » n'est pas une empreinte digitale unique ; c'est juste un motif sonore qui peut être copié.

Que devrions-nous faire à la place ?

Alors, si l'empreinte vocale est un mythe, comment résoudre les crimes ou vérifier les identités ? L'article ne dit pas « arrêtez d'utiliser les voix ». Il dit « arrêtez d'utiliser les mauvaises règles ».

Au lieu de demander : « Est-ce que ces deux voix correspondent parfaitement ? » (ce qui est impossible), les auteurs suggèrent de demander : « Quelle est la probabilité que cette voix provienne de la Personne A, comparée à la Personne B, compte tenu de tous les changements et des conditions ? »

Ils veulent que nous utilisions un système qui admet l'incertitude. Imaginez un détective disant : « D'après les preuves, il est très probable que cette voix appartienne au suspect, mais nous devons prendre en compte que l'enregistrement était de mauvaise qualité, que le suspect était malade et que l'IA aurait pu le truquer. » C'est ce qu'on appelle une approche « probabiliste ». C'est comme dire : « Il y a 90 % de chances que ce soit la bonne personne », au lieu de dire : « C'est définitivement la bonne personne ».

L'essentiel

La conclusion principale de cet article est simple mais puissante : les voix ne sont pas des empreintes digitales. Elles sont désordonnées, changeantes et pleines de surprises. L'idée d'une « emprement vocale » est un mythe dangereux qui nous rend trop confiants dans nos conclusions.

Les auteurs recommandent de cesser d'utiliser le terme « empreinte vocale » dans les lois et la science, car cela nous induit en erreur en nous faisant croire que les voix sont des tampons fixes. Au lieu de cela, nous devrions traiter les preuves vocales comme un puzzle auquel il manque des pièces. Nous devons examiner tous les indices — l'humeur, la santé, la qualité de l'enregistrement et même la possibilité de trucages par l'IA — et faire une supposition prudente et honnête sur la personne qui parle. Ce faisant, nous arrêtons de prétendre que nous possédons une clé magique et nous commençons à utiliser une méthode beaucoup plus intelligente et plus fiable pour écouter.