Une équipe de chercheurs de l'Université de Californie à Riverside, en collaboration avec YouTube et Google DeepMind, a mis au point SAGA, un nouveau cadre analytique capable d'identifier le modèle d'intelligence artificielle à l'origine d'une vidéo synthétique. Alors que les générateurs vidéo par IA deviennent de plus en plus réalistes, il est désormais difficile de distinguer les contenus authentiques des faux. Cette innovation va au-delà de la simple détection de la falsification en cherchant à en déterminer la provenance exacte. Dirigée par le doctorant Rohit Kundu et supervisée par le professeur Amit Roy-Chowdhury, la recherche s'appuie sur l'analyse des motifs visuels et temporels inhérents à chaque générateur. Contrairement aux images statiques, les vidéos contiennent des informations de mouvement qui évoluent d'une image à l'autre. Chaque algorithme laisse des traces uniques dans ces changements, comparables à des empreintes digitales numériques. Pour les détecter, l'équipe a développé une méthode nommée Temporal Attention Signatures, qui agrège ces particularités à travers de multiples vidéos afin de créer un profil caractéristique pour chaque système. Lors de leurs tests, les chercheurs ont soumis SAGA à des ensembles de données publics contenant des vidéos générées par dix-neuf modèles différents, qu'il s'agisse de systèmes text-to-video ou image-to-video. Le framework s'est avéré capable non seulement de distinguer un contenu réel d'un faux, mais aussi de déterminer l'outil de génération utilisé, la version du modèle sous-jacent et même l'équipe de développement responsable. Ces capacités offrent une piste forensique précieuse pour tracer les campagnes de désinformation, faciliter l'application des réglementations sur la transparence numérique et aider les plateformes à comprendre la propagation des médias synthétiques. Cette avancée intervient à un moment critique, alors que les vidéos générées par IA se multiplient dans le divertissement, la publicité, l'éducation et la politique, tout en soulevant des inquiétudes quant à leur usage malveillant. Selon les auteurs, la question fondamentale a évolué : savoir si une vidéo est truquée ne suffit plus, il faut désormais en identifier la source. Cette recherche s'inscrit dans un effort plus large pour renforcer la sécurité des outils d'IA générative. Comme le souligne Kundu, la lutte contre les faux contenus demeure un jeu du chat et de la souris, nécessitant une adaptation constante des méthodes de détection. Les résultats complets de cette étude ont été publiés sous le titre SAGA: Source Attribution of Generative AI Videos.