TL;DR : L’essentiel
- Des recherches universitaires révèlent que la reproduction artificielle d’accents régionaux par des outils d’intelligence artificielle réduit considérablement la méfiance des victimes lors d’appels frauduleux, rendant la voix synthétique indiscernable d’une voix humaine.
- Des plateformes comme ElevenLabs permettent désormais de cloner un timbre vocal avec un extrait audio de dix secondes, offrant aux attaquants les moyens de générer des variantes dialectales précises pour tromper les auditeurs.
- Face à des escroqueries vocales crédibles, les experts en sécurité recommandent d’interrompre l’appel suspect et de vérifier systématiquement l’authenticité de la demande par un canal de communication officiel et indépendant.
Le clonage vocal par IA permet désormais aux cybercriminels de reproduire fidèlement des accents locaux spécifiques afin de tromper la méfiance des usagers lors d’appels d’ingénierie sociale. D’après une enquête publiée par The Wall Street Journal, des attaquants simulent l’identité d’un conseiller bancaire partageant l’intonation régionale de leur interlocuteur pour lui soutirer un code secret sous prétexte de bloquer un virement suspect. Les outils génératifs s’appuient sur les volumes massifs d’enregistrements diffusés sur les réseaux sociaux pour concevoir des voix nuancées, très éloignées des tonalités robotiques des anciens serveurs vocaux.
Un chercheur en psychologie de l’université d’Abertay en Écosse a mesuré ce phénomène auprès de cent cinquante participants confrontés à des voix humaines et synthétiques en anglais écossais standard et en dialecte de Dundee. Une large majorité des auditeurs a attribué une origine humaine aux voix générées par ordinateur, l’erreur augmentant quand la voix imitait le dialecte local parlé par un peu moins d’un tiers des habitants de la ville. Ces résultats corroborent les travaux d’une universitaire en marketing de l’université de Cincinnati sur quatorze saisons de l’émission Shark Tank et plus de deux mille campagnes Kickstarter : entendre un timbre vocal perçu comme proche ou familier déclenche immédiatement un sentiment d’intégrité et pousse à l’obéissance. Les plateformes commerciales comme ElevenLabs hébergent plus de dix mille voix et reproduisent un timbre à partir d’un simple extrait de dix secondes capté sur YouTube ou TikTok.
Pour neutraliser ce vecteur d’attaque, le responsable de la recherche de l’entreprise de cybersécurité Edgescan préconise de ne plus considérer l’intonation ou la familiarité d’un interlocuteur comme une preuve d’authenticité. Lors d’un appel inattendu demandant des identifiants bancaires ou un transfert d’urgence, la procédure consiste à raccrocher pour recomposer le numéro officiel de l’établissement financier ou pour joindre le proche par un autre canal de contact. L’université d’Abertay a d’ailleurs constaté que sensibiliser les utilisateurs aux capacités réelles des synthétiseurs vocaux réduisait immédiatement leur vulnérabilité face à ces usurpations sonores.
L'essentiel Cybersécurité, IA & Tech
Rejoignez la communauté. 3 fois par semaine, recevez l'analyse des tendances par Marc Barbezat. Pas de spam, juste de l'info.
Cette veille vous a fait gagner du temps ?
Aidez DCOD à payer ses serveurs et à rester 100% gratuit et indépendant.
