La défense contre les deepfakes exige non seulement la recherche en détection, mais aussi des efforts dans le développement des méthodes de génération. Toutefois, les approches actuelles de deepfake souffrent d’un processus opaque et d’une performance insuffisante. Pour remédier à ce problème, nous présentons DeepFaceLab, le cadre dominant actuel pour le swapping de visages basé sur les deepfakes. Il fournit les outils nécessaires ainsi qu’une interface intuitive permettant d’effectuer des swaps de visages de haute qualité. De plus, il propose une architecture flexible et faiblement couplée, permettant aux utilisateurs d’intégrer aisément d’autres fonctionnalités à leur chaîne de traitement sans avoir à écrire de code boilerplate complexe. Nous détaillons les principes fondamentaux qui sous-tendent l’implémentation de DeepFaceLab, ainsi que son architecture de traitement, dans laquelle chaque composant peut être modifié sans difficulté par l’utilisateur afin d’atteindre des objectifs de personnalisation. Il est à noter que DeepFaceLab permet d’obtenir des résultats de qualité cinématographique, avec une fidélité élevée. Nous illustrons les avantages de notre système en comparant notre approche aux autres méthodes de swapping de visages. Pour en savoir plus, veuillez consulter : https://github.com/iperov/DeepFaceLab/.