Usurpation d'identité et contournement de la détection de présence : la véritable menace pour la reconnaissance faciale

La reconnaissance faciale a révolutionné l'authentification des utilisateurs en entreprise. Un simple coup d'œil à un téléphone remplace désormais un mot de passe, un jeton ou une pièce d'identité physique. Mais cette même technologie, qui a accéléré l'intégration des utilisateurs, a ouvert un nouveau front en matière de fraude, contre lequel les systèmes traditionnels de détection de présence n'ont jamais été conçus.

Début 2024, un employé du service financier de la société d'ingénierie Arup a transféré 25 millions de dollars après un appel vidéo truqué usurpant l'identité du directeur financier de l'entreprise. En 2025, la société de veille sur les menaces Group-IB a recensé 8 065 attaque par injection biométrique Des tentatives d'attentats contre une seule institution financière en seulement huit mois. D'ici 2026, Gartner prévoit que 30 % les entreprises ne feront plus confiance à la vérification d'identité autonome face à l'usurpation d'identité pilotée par l'IA.

Voici le nouveau paysage de l'usurpation d'identité. Fini les photos et les masques en silicone ! Place aux vidéos truquées injectées directement dans le flux vidéo de la caméra, aux caméras virtuelles diffusant des flux préenregistrés aux applications de vérification d'identité (KYC) et aux identités synthétiques entièrement créées par l'intelligence artificielle générative. Ce guide explique le fonctionnement des attaques actuelles, les défenses efficaces pour les contrer et comment vérifier si votre solution de détection de présence est véritablement résistante aux pirates informatiques.

Comment les criminels exploitent-ils la vérification faciale ?

1. Usurpation d'identité (Attaques par présentation)

L'usurpation d'identité se produit lorsque des fraudeurs tentent de tromper les autres. la reconnaissance faciale Systèmes utilisant des visuels artificiels. Les deux principaux types :

• Attaques 2D : Photos imprimées, enregistrements d'écran ou vidéos montrées à une caméra
• Attaques 3D : Masques en silicone, têtes imprimées en 3D ou répliques robotiques imitant les mouvements du visage

Si les attaques 2D ont historiquement été plus fréquentes, les attaques 3D sont devenues plus courantes avec les progrès de l'impression et de la robotique. Les deepfakes ajoutent encore à la complexité avec des vidéos synthétiques de haute qualité capables de tromper l'œil humain.

2. Contournement de la vivacité (Exploitations du système)

Les attaques par contournement consistent à exploiter le flux d'informations entre l'appareil et la technologie de reconnaissance faciale en :

• Injection de vidéos préenregistrées à l'aide d'appareils compromis
• Interception ou remplacement des données biométriques en transit
• Le piratage du système dorsal permet de manipuler les résultats.

Ces méthodes ont tendance à utiliser des logiciels malveillants, outils de contrefaçon profondeou des canaux de données non sécurisés.

Group-IB a enregistré 8 065 tentatives d'attaque par injection biométrique contre une seule institution financière entre janvier et août 2025, toutes utilisant des images deepfake générées par l'IA injectées via des caméras virtuelles.

Cas concrets de contournement de la vivacité

Ces cas précis illustrent le mode opératoire des attaquants actuels. Chacun met en évidence une facette différente de la menace : appels vidéo truqués, injection à grande échelle et contournement hybride par document et reconnaissance faciale.

 

Arup dénonce une fraude aux deepfakes de 25 millions de dollars (Hong Kong, 2024)

Un employé du secteur financier de la société d'ingénierie internationale Arup a été transféré. 25 millions de dollars à des fraudeurs après une visioconférence à laquelle chaque participant, L'une des vidéos, celle du directeur financier basé au Royaume-Uni, était un deepfake. Cette affaire a démontré que les vidéos deepfake ont atteint un niveau de qualité tel que la vérification humaine en temps réel n'est plus fiable et que des réunions à haut niveau de confiance peuvent être entièrement simulées.

 

Étude de cas d'un seul établissement du groupe IB (2025)

La société de renseignement sur les menaces Group-IB a recensé 8 065 tentatives d'attaques par injection biométrique contre le système numérique Flux KYC d'une seule institution financière entre janvier et août 2025, utilisant toutes des images deepfake générées par IA et injectées via des caméras virtuelles pour contourner les contrôles de présence des demandes de prêt.

 

Contournement de la procédure KYC OnlyFake sur les plateformes d'échange de cryptomonnaies (2024)

Les enquêteurs ont démontré que le service de faux documents OnlyFake, combiné à des outils de remplacement de visage disponibles dans le commerce, pouvait contourner les contrôles de présence de plusieurs grandes plateformes d'échange de cryptomonnaies. Le ministère de la Justice a par la suite inculpé l'opérateur., qui a plaidé coupable d'avoir vendu plus de 10 000 fausses cartes d'identité.

Ressemble aux cas d'infiltration d'entreprises par l'IA (T3 2025)

Resemble AI a signalé 980 cas d'infiltration d'entreprises en un seul trimestre, où des attaquants ont utilisé des vidéos deepfake en temps réel sur des appels Zoom et Teams pour usurper l'identité de dirigeants et autoriser des actions frauduleuses.

Comment contrer l'usurpation d'identité et les attaques ?

 

D'ici 2026, Gartner prévoit que 30 % des entreprises n'envisageront plus de solutions autonomes. vérification d'identité et des solutions d'authentification fiables de manière isolée contre l'usurpation d'identité pilotée par l'IA

• Détection de vie 3D

Les systèmes doivent mesurer la profondeur, la texture du visage et les micro-expressions, comme le clignement des yeux ou les mouvements musculaires, pour s'assurer que la personne à l'écran est bien réelle et présente.

• Authentification multifacteur (MFA)

La reconnaissance faciale ne doit pas constituer la seule ligne de défense ; une seconde couche, qu'il s'agisse d'un mot de passe, d'une vérification basée sur l'appareil ou de données comportementales, doit donc être ajoutée.

• Traitement sécurisé des données

Un chiffrement de bout en bout robuste des données biométriques est crucial lors de leur transmission afin d'empêcher toute relecture et attaques de l'homme du milieu.

• IA anti-usurpation

L'apprentissage automatique est capable de détecter diverses techniques de falsification, notamment les photos, les masques et les deepfakes, grâce à une analyse au niveau du pixel.

• Surveillance en temps réel

Des schémas de connexion inhabituels, des changements de comportement et des anomalies système sont autant de signaux indiquant qu'une attaque est en cours.

• Mises à jour et tests fréquents

Les mises à jour régulières du système et les tests d'intrusion permettent de détecter les failles de sécurité avant les attaquants. 

Choisir une solution de présence sécurisée

Pas tout solutions de détection de la vivacité Ils sont conçus de manière à présenter des similitudes, et pourtant, l'écart entre eux peut être considérable. De nombreux systèmes basiques sont trompés par un simple élément comme une photo, une vidéo ou une rediffusion d'écran. C'est pourquoi il est essentiel de réaliser des tests en conditions réelles avant tout déploiement.

Voici quelques méthodes pour tester une solution de disponibilité :

• Placez une image fixe, sur papier ou sur écran, devant la caméra. Tout système digne de ce nom détectera l'absence de profondeur et de mouvement du visage.

• Essayez de vous authentifier les yeux fermés et sans bouger les muscles du visage. Correctement contrôles de vivacité analyser le clignement des yeux, les micromouvements et les changements de texture de la peau.

• Tester les deepfakes et les masques 3D (c'est particulièrement important pour les secteurs exposés à des risques de fraude importants). Les systèmes performants sont capables de détecter les reflets lumineux incorrects, le manque d'élasticité de la peau et le manque de profondeur du visage. 

Outre les performances, il est important d'analyser les protocoles de sécurité en place, tels que :

• La solution utilise-t-elle un chiffrement de bout en bout pour les données biométriques collectées ?
• Est-ce certifié conforme à des normes telles que l'ISO/IEC 30107-3 pour la détection des attaques par présentation ?
• Ont-ils publié des audits indépendants prouvant la résilience de leur système face à l'usurpation d'identité ?

Une bonne solution de présence en direct doit pouvoir allier robustesse technique, transparence et conformité réglementaire.

Comment Shufti lutte-t-elle contre la fraude ?

Le système de vérification faciale de Shufti est conçu pour faire face aux menaces réelles (et non seulement à des scénarios simulés). Il utilise l'IA avancée, l'apprentissage automatique et la biométrie pour garantir à la fois précision et sécurité.

• Détection de vie 3D

Elle va au-delà des contrôles superficiels pour capturer la profondeur du visage, le mouvement et les caractéristiques spatiales afin de vérifier qu'une personne est présente (et ne porte pas de masque 2D ou 3D). 

• Analyse des microexpressions

Détecte la présence de mouvements faciaux subtils et involontaires tels que le clignement des yeux, les tics oculaires ou la tension musculaire. Avec la technologie actuelle, ces signaux sont pratiquement impossibles à reproduire avec des masques ou deepfakes.

• Cartographie de l'IA

Exploite des réseaux neuronaux profonds pour identifier et faire correspondre les traits du visage avec une grande précision, même dans des conditions d'éclairage sous-optimales, sous des angles changeants ou en cas de modifications faciales mineures.

• Intégration flexible et évolutive

S'intègre facilement aux flux de travail existants sur les environnements web, mobiles et de bureau, de sorte que même si les appareils changent, la qualité reste la même. 

• Conformité et sécurité éprouvées

Les systèmes de détection de présence de Shufti sont entièrement conformes aux réglementations mondiales en matière de données, telles que : GDPR, CCPA et ISO/IEC 30107-3. Il est également régulièrement testé face à l'évolution des techniques d'usurpation d'identité, notamment les deepfakes, les identités synthétiques et les masques imprimés en 3D de pointe. 

Réflexions finales

La reconnaissance faciale a contribué à redéfinir nos méthodes d'authentification ; sa fiabilité dépend toutefois de la qualité des systèmes mis en place pour la protéger. Face à la sophistication croissante des techniques d'usurpation d'identité et de contournement de la détection de présence, les organisations doivent passer de la simple vérification faciale à des solutions véritablement intelligentes et sécurisées.

La solution est simple : combiner une détection de présence avancée, une prévention de la fraude basée sur l’IA et des normes de test rigoureuses. Qu’il s’agisse de vérifier les utilisateurs, de sécuriser l’accès ou de prévenir l’usurpation d’identité numérique, la technologie adéquate fait toute la différence.

Avec des outils comme Le système de vérification faciale piloté par l'IA de ShuftiLes entreprises peuvent ainsi continuer à adopter la reconnaissance faciale en toute confiance (sans pour autant s'exposer à la fraude moderne).