La détection des deepfakes pose un problème particulier aux entreprises : comment vérifier un contenu confidentiel sans devoir le transmettre à un service extérieur ? C’est le choix technique mis en avant par LABEL4.AI avec CROMA. La jeune entreprise française présente un agent installé sur le poste de l’utilisateur, destiné à repérer les contenus générés ou manipulés par intelligence artificielle.
Le projet figure parmi les lauréats i-Lab 2026. Selon le bilan officiel des Concours d’innovation de l’État, la cérémonie s’est tenue le 16 septembre à Paris. Le volet i-Lab a distingué 69 lauréats parmi 569 candidatures, dont dix Grands Prix. LABEL4.AI annonce une distinction i-Lab, sans revendiquer un Grand Prix.
Une détection des deepfakes directement sur le poste
Dans son communiqué, l’entreprise affirme que CROMA peut analyser les contenus en temps réel et en local, sans faire sortir les données sensibles de la machine. Elle indique que l’agent fonctionne sur un poste informatique ordinaire.
Ce fonctionnement peut intéresser une organisation qui doit examiner des échanges internes ou des fichiers confidentiels. L’analyse locale vise à éviter l’envoi d’une copie du contenu à un prestataire distant. Elle déplace toutefois une partie des contraintes vers l’équipement utilisé : ressources de calcul, installation et maintenance du logiciel.
À lire aussi
Le communiqué ne précise pas la configuration minimale, les systèmes compatibles ou le délai nécessaire pour produire une alerte. L’expression « temps réel » reste donc une caractéristique annoncée par l’éditeur, sans mesure détaillée permettant de l’évaluer dans les conditions d’une entreprise.
La confidentialité demande également une vérification du fonctionnement complet. Un acheteur devra savoir quelles informations figurent dans les journaux techniques et comment se déroulent les mises à jour. Le traitement local du contenu ne répond pas, à lui seul, à toutes les questions sur les échanges entre le logiciel et son éditeur.
De la recherche publique à un outil utilisable en entreprise
LABEL4.AI explique avoir transformé des travaux issus de l’Inria et du CNRS en une solution opérationnelle. Le communiqué cite le travail de Vivien Chappelier, Rony Abecidan et Corinne Naturel, avec le soutien d’Antoine Vialle.
L’ancrage scientifique de l’entreprise est documenté. Le rapport d’activité 2025 de l’équipe ARTISHAU d’Inria mentionne des transferts de recherche vers LABEL4.AI, portant sur l’analyse des contenus et le marquage numérique. Le Campus Innovation de l’Université de Rennes confirme aussi ses liens avec le Centre Inria et l’Inria Startup Studio.
Sur son site, LABEL4.AI distingue deux offres : la détection de contenus générés ou manipulés, et leur marquage numérique. Ces démarches interviennent à des moments différents. La première examine un contenu reçu ; la seconde insère une marque destinée à faciliter sa traçabilité. Les capacités générales de l’entreprise ne décrivent donc pas automatiquement toutes les fonctions de CROMA.
Business Times avait déjà présenté le projet aux côtés de TatouAI dans son article sur les deux lauréats liés à Télécom SudParis. Le communiqué de LABEL4.AI met ici l’accent sur l’exécution locale et le travail de son équipe technique.
Les critères qui feront la différence lors d’un essai
Une distinction d’innovation soutient le développement d’un projet. Elle ne remplace pas une évaluation des performances chez un client. Pour la détection des deepfakes, les erreurs possibles vont dans les deux sens : laisser passer un contenu falsifié ou signaler à tort un contenu authentique.
Le communiqué ne fournit pas de taux de détection, de faux positifs ou de résultats d’essais indépendants. Ces informations seront nécessaires pour apprécier l’usage envisagé. Une entreprise peut notamment organiser son évaluation autour des points suivants.
| Point à évaluer | Vérification utile avant déploiement |
|---|---|
| Fiabilité des alertes | Tester des contenus authentiques et manipulés représentatifs des usages internes. |
| Rapidité | Mesurer le délai d’alerte sur les ordinateurs réellement utilisés. |
| Confidentialité | Examiner les flux réseau, les journaux et les conditions de maintenance. |
| Exploitation quotidienne | Définir qui reçoit une alerte et quelle décision elle déclenche. |
Cette grille décrit des critères d’achat, pas des performances déjà démontrées par CROMA. Elle permet de rapprocher la promesse technique des contraintes du service qui utilisera l’outil.
Une alerte doit s’inscrire dans une procédure de contrôle
La question devient particulièrement sensible lorsqu’un échange conduit à engager une dépense ou à modifier des coordonnées bancaires. Un détecteur peut apporter une information supplémentaire. L’absence d’alerte ne vaut toutefois pas autorisation de paiement.
Dans sa fiche sur la fraude aux faux ordres de virement, Cybermalveillance.gouv.fr recommande des règles claires d’authentification et de confirmation des demandes. Le dispositif préconise aussi une validation hiérarchique interne non dérogeable pour les virements imprévus ou les changements de coordonnées bancaires.
Cette articulation entre logiciel et décision rejoint les difficultés des directions financières face à la fraude et à l’automatisation. Une voix ou une image crédible ne dispense pas de vérifier l’instruction reçue par les voies prévues dans l’entreprise.
Pour CROMA, le prochain élément décisif sera la documentation de ces usages : quels contenus sont effectivement couverts, sur quels équipements et avec quels résultats ? C’est à cette échelle qu’une direction pourra estimer le coût du déploiement et la place de l’outil dans ses contrôles.
À lire également sur Business Times
