Les contre-mesures anti-spoofing visent à protéger les systèmes de vérification automatique de locuteur contre les tentatives visant à compromettre leur fiabilité à l’aide de signaux vocaux falsifiés. Bien que les résultats de l’évaluation ASVspoof 2019 la plus récente montrent un grand potentiel pour détecter la plupart des formes d’attaque, certaines parviennent encore à échapper à la détection. Ce papier présente la première application de RawNet2 à la détection anti-spoofing. RawNet2 traite directement l’audio brut et possède un potentiel à apprendre des indices qui ne sont pas détectables par les solutions traditionnelles de contre-mesures. Nous décrivons les modifications apportées à l’architecture originale de RawNet2 afin de la rendre applicable à la tâche anti-spoofing. Pour les attaques de type A17, nos systèmes basés sur RawNet2 obtiennent les deuxième meilleurs résultats rapportés, tandis que la fusion de RawNet2 avec les contre-mesures de base donne les deuxième meilleurs résultats rapportés dans le cadre complet de la condition d’accès logique ASVspoof 2019. Nos résultats sont reproductibles grâce à un logiciel open source.