La face ne suffit plus : le liveness multimodal dans le KYC

Une prévision de Gartner, publiée au début de 2026, s'est depuis matérialisée : 30 % des entreprises, d'ici la mi-2026, ne jugeraient plus fiables à elles seules les solutions de biométrie faciale. La reconnaissance faciale n'avait pas reculé en performance. C'est l'IA générative qui avait distancé les défenses bâties pour la contenir.

Biometric Update, en juillet 2026, a consigné ce que les praticiens voient déjà en production depuis plusieurs mois. Sous la pression des deepfakes, tout le secteur de la vérification d'identité est contraint de dépasser les contrôles biométriques à signal unique. Les données qui portent cette bascule ne prêtent pas à discussion. Les pertes mondiales enregistrées liées à la fraude par deepfakes ont atteint 3,7 milliards de dollars ; 89 % de ce total se concentre sur 2025 et 2026. Plus de 8 000 tentatives de fraude à l'identité facilitées par des deepfakes ont été relevées, en huit mois, par un seul établissement financier. Une fois combinée à la fraude aux identités synthétiques et à la prise de contrôle de comptes, la criminalité d'identité générée par l'IA dépasse désormais 400 milliards de dollars de pertes annuelles mondiales.

Le liveness biométrique multimodal — réponse du secteur — n'améliore pas par petits pas les systèmes KYC déjà en place. La garantie d'identité exige une refonte fondamentale.

Le Problème du Signal Unique

La plupart des systèmes KYC déployés entre 2019 et 2024 partagent une architecture comparable. Le demandeur transmet un document officiel, capture un selfie ou une courte vidéo de liveness, puis un algorithme de matching compare les deux. En parallèle du matching facial s'exécute la détection de vivacité — techniquement appelée Détection d'Attaque par Présentation (DAP) — afin de confirmer que le selfie vient d'une personne réelle, et non d'une image statique ou d'une vidéo pré-enregistrée.

Cette architecture visait la menace qui existait au moment de sa conception. Brandir une photo imprimée, diffuser une vidéo devant la caméra : les attaques par présentation sont précisément ce que la DAP a été pensée pour détecter. Autour de ce modèle de menace a été élaborée l'ISO 30107-3, norme de certification principale pour la DAP biométrique.

Les attaquants, eux, ont quitté la caméra. Les attaques par injection injectent des données biométriques synthétiques directement dans le pipeline API de l'application, en contournant le capteur physique. Même lorsque les attaques par présentation restent le vecteur principal, l'IA générative produit désormais des deepfakes capables de déjouer l'analyse faciale unimodale — remplacement de visage en temps réel, synthèse vocale, documents d'identité synthétiques assemblés pour moins de 15 dollars par kit.

Un signal biométrique unique contient trop peu d'entropie pour distinguer de manière fiable une personne réelle d'une identité synthétique sophistiquée. Voilà le problème architectural. Un seul point de donnée se falsifie sans peine dès que les outils pour le faire coûtent moins qu'un repas au restaurant.

Ce que Signifie Réellement le Liveness Multimodal

Plusieurs signaux biométriques et comportementaux indépendants sont combinés, au sein d'une même session, par la vérification de liveness multimodal. Deux exigences s'imposent : ces signaux doivent être difficiles à falsifier simultanément, et le système doit vérifier la cohérence entre eux.

Quatre catégories de signaux dans un système multimodal de niveau production :

Type de signal	Ce qu'il mesure	Résistance au deepfake
Biométrie visuelle	Géométrie du visage, micro-expressions, texture de la peau	Modérée — un face-swap suffit à lui seul pour contourner cela
Biométrie vocale	Tonalité, cadence, traits spectraux	Modérée — le clonage de la voix est désormais à portée
Signaux comportementaux	Frappe, dynamique tactile, rythme d'interaction	Élevée — une synthèse convaincante reste difficile
Signaux dispositif/environnement	Empreinte dispositif, métadonnées réseau, données de capteur	Élevée — il faut compromettre le matériel

Le constat décisif se lit dans la colonne de résistance. Isolé, aucun signal n'offre une protection suffisante : l'écosystème de fraude par deepfake a produit des attaques convaincantes contre chacun d'eux pris isolément. Ce que les attaques n'arrivent pas encore à produire de manière convaincante, c'est une identité synthétique qui réussisse en même temps la vérification faciale, vocale, l'analyse comportementale et les contrôles de cohérence du dispositif. Toute attaque optimisée pour une modalité tend à introduire des artefacts dans les autres.

Cohérence Croisée : la Frontière de la Détection

En 2026, le développement le plus significatif du liveness multimodal est l'analyse de cohérence croisée — plus précisément, la détection de la légère désynchronisation entre signaux visuels et audio que produit la génération de deepfakes.

La parole humaine crée, entre les mouvements des lèvres, l'activation des muscles faciaux et le signal audio, des corrélations prévisibles et hautement cohérentes. Ces corrélations opèrent à l'échelle de la milliseconde :

• La relation temporelle entre l'ouverture labiale et le début du phonème
• Les schémas de mouvement musculaire des joues et de la mâchoire associés à des consonnes spécifiques
• Les microdéformations faciales produites par les variations de pression d'air pendant la parole

Les systèmes d'IA générative qui produisent des vidéos deepfake et de la synthèse vocale s'entraînent sur des jeux de données distincts, aux caractéristiques de latence différentes. Lorsqu'on les combine dans une tentative de fraude en temps réel, ils engendrent de subtils artefacts de désynchronisation. Imperceptibles aux observateurs humains. Détectables, en revanche, par des algorithmes de cohérence croisée.

Biometric Update rapportait en juillet que la frontière de la détection s'était déplacée précisément vers cela : la vérification de cohérence croisée entre mouvement des lèvres et audio de la parole. Regula Forensics a lancé un service de vérification multimodale amélioré, construit autour de cette approche. Qualcomm et Scam.ai ont publié une détection de deepfakes on-device pour les appels vidéo en direct, ciblant ces mêmes signaux de désynchronisation.

Un avantage structurel accompagne cette méthode. Les attaquants doivent améliorer simultanément deux systèmes d'IA distincts — synthèse vidéo et synthèse vocale — tout en maintenant la synchronisation croisée entre modalités. La pression d'optimisation requise pour contourner la vérification de cohérence croisée est substantiellement plus élevée que pour déjouer n'importe quel détecteur unimodal.

La Biométrie Comportementale comme Deuxième Couche

La biométrie comportementale — analyser la manière dont une personne interagit avec un dispositif, plutôt que son apparence ou sa voix — fournit un type différent de garantie de liveness. Elle résiste à une catégorie distincte d'attaques.

Signaux capturés par la biométrie comportementale :

• Dynamique de frappe : Schémas temporels entre les frappes de touches, aussi individuellement distinctifs que les empreintes digitales pour les utilisateurs réguliers
• Mouvement tactile et souris : Micro-mouvements, schémas d'accélération et caractéristiques de pression
• Rythme d'interaction : Cadence à laquelle une personne parcourt un formulaire, s'arrête et relit des champs
• Schémas de latence cognitive : Temps de réponse alignés sur la prise de décision humaine, plutôt que sur les réponses instantanées des outils automatisés

Les kits de fraude optimisés pour injecter des données biométriques synthétiques dans des API de vérification présentent des anomalies comportementales cohérentes. Les outils automatisés interagissent avec les formulaires plus vite que les humains. Ils produisent des schémas temporels improbablement cohérents. Souvent, leurs signatures correspondent à des infrastructures de fraude connues plutôt qu'à un comportement humain.

Le marché de la biométrie comportementale est projeté à 4,26 milliards de dollars d'ici 2027, car il traite une catégorie de fraude que la biométrie visuelle ne peut pas couvrir : l'identité synthétique qui a réussi la vérification initiale et opère désormais au sein du système. Un contrôle facial confirme qui a prétendu être présent lors de l'entrée en relation. Que cette même personne opère encore le compte, c'est la biométrie comportementale qui le confirme.

Là, l'intégration entre détection de liveness et surveillance continue devient critique. Un système KYC qui vérifie le liveness à l'entrée en relation mais ne re-vérifie jamais contrôle si une personne réelle était présente à un moment précis — pas si cette même personne opère le compte maintenant. Les agents IA de Joinble réévaluent en permanence les signaux d'identité par rapport au profil comportemental établi lors de l'entrée en relation, signalant les dérives pour re-vérification avant que la fraude ne s'exécute, et non après.

Cohérence des Signaux Dispositif et Environnement

La troisième couche de signaux traite ce que ni la synthèse faciale ni le clonage vocal n'affectent actuellement : le contexte dispositif et environnemental dans lequel se déroule la vérification.

Les signaux dispositif recouvrent les empreintes matérielles propres aux vrais appareils physiques, les schémas de cohérence des capteurs, l'attestation du système d'exploitation et les caractéristiques réseau. Côté environnement : profils de bruit ambiant, cohérence de l'éclairage, schémas de l'environnement physique.

Les fraudeurs qui déploient des attaques par injection opèrent depuis des environnements contrôlés — des ordinateurs de développement exécutant des logiciels de caméra virtuelle et des kits d'injection API. Ces environnements produisent des signatures caractéristiques :

• Des empreintes dispositif correspondant à des infrastructures de fraude connues
• L'absence de bruit ambiant cohérent avec un vrai environnement utilisateur
• Des conditions d'éclairage trop contrôlées et uniformes pour un cadre réel
• Des métadonnées réseau associées à des proxies, VPN ou infrastructure de centre de données plutôt qu'à des connexions résidentielles ou mobiles

Une vérification authentique d'une vraie personne sur un vrai appareil mobile dans un vrai environnement produit un riche schéma de signaux cohérents. Pour atteindre la fidélité biométrique, une tentative de fraude optimisée pour l'usurpation biométrique sacrifie généralement l'authenticité environnementale. Ce compromis est détectable.

Ce que Disent les Normes Actuellement

La série de normes ISO 30107 fournit le cadre de l'anti-usurpation biométrique :

• ISO 30107-3 : Détection d'attaque par présentation — la norme de certification principale actuelle, couvrant l'usurpation physique devant une caméra
• ISO/IEC AWI 30107-4 : En cours d'élaboration — traite la résistance aux attaques par injection et les exigences de vérification multimodale

Le paysage réglementaire n'a pas encore rattrapé le virage multimodal. Les exigences de "vérification d'identité fiable" du RBLBC — applicables à partir de juillet 2027 — et les Normes Techniques de Réglementation en cours d'élaboration par l'AMLA ne spécifient pas encore d'exigences multimodales de manière explicite. Pour une analyse détaillée de ce que ces normes techniques exigeront des systèmes d'identité, consultez notre analyse des NTR CDD de l'AMLA.

L'implication pratique : les organisations qui construisent aujourd'hui des architectures multimodales devancent les exigences réglementaires. Elles se conforment au standard que les preuves montrent comme nécessaire, pas à celui actuellement imposé. La mise à jour réglementaire est prévisible. La trajectoire de la fraude est déjà visible.

D'un Contrôle de Liveness à une Architecture de Liveness

Le cadrage sectoriel de la "détection de liveness" comme une fonctionnalité — une case à cocher dans un workflow de conformité — sous-estime ce qu'exige réellement l'environnement de menace de 2026.

Le passage s'opère d'un contrôle de liveness (une validation unique à un moment précis) vers une architecture de liveness (un système continu et multi-signaux qui traite chaque interaction comme une opportunité de reconfirmer l'identité). Une architecture de liveness de niveau production en 2026 comprend :

1. Vérification de cohérence croisée lors de l'entrée en relation — analyse simultanée du visage, de la voix et du comportement avec vérification de cohérence entre types de signaux
2. Attestation dispositif — vérification cryptographique que les données biométriques proviennent d'un vrai matériel, pas d'un logiciel de caméra virtuelle
3. Analyse des signaux environnementaux — signalement des sessions où le contexte est incohérent avec un comportement utilisateur authentique
4. Établissement d'un profil comportemental — capture des schémas d'interaction lors de l'entrée en relation pour comparaison continue ultérieure
5. Re-vérification continue — surveillance pilotée par IA qui signale les dérives comportementales et déclenche une re-vérification ciblée quand le risque s'accroît

Pour le contexte sur la façon dont les marchés deepfake-as-a-service ont mis la fraude biométrique à portée commerciale, les données économiques sont pertinentes : la même infrastructure de marché qui vend des kits d'identité synthétique à 15 dollars vend désormais des outils anti-détection optimisés pour contourner la vérification unimodale. Les architectures multimodales élèvent significativement le coût d'attaque — pas indéfiniment, mais suffisamment pour rediriger la fraude vers des cibles plus vulnérables.

Ce que les Équipes Achats Devraient Demander en 2026

Le marché des fournisseurs de vérification d'identité promeut désormais explicitement des capacités "multimodales", avec des niveaux d'implémentation très variables. Les questions qui distinguent les vraies architectures multimodales des affirmations marketing :

• Quelles modalités de signal le système vérifie-t-il simultanément ? Un visage plus un simple geste de liveness n'est pas multimodal.
• Le système effectue-t-il une vérification de cohérence croisée entre signaux audio et vidéo ?
• Quelle méthode d'attestation dispositif est utilisée ? Au niveau matériel, du système d'exploitation, ou aucune ?
• Quels signaux comportementaux sont analysés, et à quelle granularité ?
• Le système a-t-il été testé contre des outils de deepfake et de clonage vocal de dernière génération ? Quels sont les taux de contournement ?
• Le système établit-il un profil comportemental pour comparaison continue après l'entrée en relation ?
• Quel est le statut du système par rapport à l'ISO 30107-4 ?

La certification ISO 30107-3 est un point de départ. Elle certifie la protection contre les attaques par présentation — la menace de 2019. Pour le paysage de menaces de 2026, demandez spécifiquement les résultats des tests multimodaux.

Pour du contexte sur la façon dont les deepfakes attaquent spécifiquement les flux d'onboarding bancaire, les tactiques documentées montrent pourquoi chaque couche individuelle est insuffisante et pourquoi l'approche multimodale est la seule architecture qui couvre l'ensemble de la surface d'attaque.

---

Foire Aux Questions

Qu'est-ce que la vérification de liveness biométrique multimodal ?

Plusieurs types de signaux indépendants — visage, voix, schémas comportementaux, et signaux dispositif et environnement — sont combinés, au sein d'une même session de vérification, par la vérification de liveness biométrique multimodal. Elle se distingue de la vérification unimodale (liveness facial uniquement) en exigeant une cohérence entre des signaux difficiles à falsifier simultanément, ce qui élève le coût des attaques optimisées pour une modalité unique.

Pourquoi la biométrie faciale seule n'est-elle plus suffisante pour le liveness KYC ?

Les outils d'IA générative ont rendu la synthèse faciale convaincante accessible pour moins de 15 dollars par session. Gartner a confirmé en 2026 que 30 % des entreprises ne considèrent plus les solutions de biométrie faciale fiables en isolation. Dès qu'un seul signal peut être synthétisé à grande échelle par des outils automatisés, il ne fournit plus une entropie suffisante pour distinguer de manière fiable une identité authentique d'une identité synthétique.

Qu'est-ce que la vérification de cohérence croisée entre modalités ?

La vérification de cohérence croisée analyse si plusieurs signaux biométriques d'une session de vérification sont cohérents entre eux, à un niveau de précision que les interactions authentiques produisent naturellement. L'exemple le plus clair reste la synchronisation audio-visuelle : la parole humaine crée des relations temporelles prévisibles entre les mouvements des lèvres et l'audio, relations que les systèmes deepfake — entraînés sur des jeux de données vidéo et vocaux distincts — ne parviennent typiquement pas à reproduire à la milliseconde près. Détecter cette désynchronisation est désormais la principale frontière de la détection de deepfakes.

Comment la biométrie comportementale complète-t-elle la détection de liveness visuel ?

La biométrie comportementale capture la façon dont une personne interagit avec un dispositif : rythme de frappe, dynamique tactile, cadence d'interaction et schémas de latence cognitive. Les kits de fraude qui déploient des données biométriques synthétiques présentent des anomalies comportementales caractéristiques — vitesse d'interaction surhumaine, schémas improbablement cohérents — que la détection de liveness visuel ne peut pas saisir. La biométrie comportementale est aussi le fondement de la re-vérification continue après l'entrée en relation, et étend ainsi la garantie d'identité au-delà du moment d'onboarding.

Qu'apporte l'ISO 30107-4 aux normes PAD actuelles ?

L'ISO 30107-3, la norme principale actuelle, certifie la protection contre les attaques par présentation — l'usurpation physique devant une caméra. L'ISO/IEC AWI 30107-4, en cours d'élaboration, traite la résistance aux attaques par injection et les exigences de vérification multimodale. Jusqu'à la finalisation et l'adoption de la 30107-4, la certification conforme à la 30107-3 ne certifie pas la protection contre les attaques par injection ni contre l'ensemble des menaces actuelles.

Comment la surveillance continue étend-elle la garantie de liveness au-delà de l'onboarding ?

La détection de liveness traditionnelle confirme qu'une personne réelle était présente lors de l'entrée en relation. Elle ne confirme pas que cette même personne opère le compte ensuite. La surveillance continue compare les signaux comportementaux en cours avec le profil établi lors de l'entrée en relation — signalant les dérives dans les schémas d'interaction, les empreintes dispositif ou les caractéristiques comportementales qui suggèrent que le compte n'est plus opéré par l'individu vérifié. Pilotée par des agents IA, la surveillance continue transforme la garantie d'identité d'un point de contrôle ponctuel en une fonction opérationnelle continue.