Voice Engine, OpenAI clone une voix avec seulement 15 secondes d'audio

«C'est ma voix. Ou du moins, c'était le cas. Maintenant, cela appartient aussi à un algorithme, qui peut me faire dire des choses que je n'ai jamais dites. ». Le début d'un roman de science-fiction ? Non. Le scénario qui se profile avec la propagation de rumeurs synthétiques. Des technologies capables de cloner nos voix à partir de quelques échantillons audio, comme Moteur vocal par OpenAI. Un projet ambitieux, juste présenté, qui promet de révolutionner des domaines tels que le divertissement, l’éducation et la santé. Mais cela soulève également des questions inquiétantes sur le contrôle de notre identité à l’ère de l’intelligence artificielle.

Des voix volées dans l’éther numérique

À l’avenir, votre voix ne vous appartiendra plus. Ce sera un monde où n’importe qui, en quelques clics, pourra vous faire dire n’importe quoi. Des phrases jamais prononcées, des opinions jamais exprimées, des secrets jamais révélés. Un cauchemar dystopique qui se profile à l’horizon avec l’avancée des voix synthétiques.

Attention, la possibilité de générer des voix artificielles ce n'est pas nouveau. Depuis des décennies, il existe des logiciels capables de transformer un texte en parole, avec des résultats plus ou moins mécaniques et désagréables. Mais les nouvelles frontières de l’IA promettent de changer les règles du jeu. Des algorithmes de plus en plus sophistiqués, alimentés par d’énormes ensembles de données et des réseaux de neurones, apprennent à imiter les nuances subtiles de la parole humaine, se rapprochant ainsi de la perfection. Timbre, intonation, rythme, pauses : tous les éléments qui rendent une voix unique et reconnaissable sont désormais à la portée des machines.

Moteur vocal par OpenAI est la dernière incarnation de cette tendance. Un modèle capable de générer des voix réalistes et naturelles à partir d'un échantillon audio très court de seulement 15 secondes. Une petite merveille (ou une petite horreur, selon votre point de vue) qui ouvre la voie à des scénarios qui relevaient jusqu'il y a peu de science-fiction.

Voice Engine : symphonies vocales ou cacophonies artificielles ?

Les domaines d’application potentiels sont multiples et passionnants. Pensez à l'industrie du divertissement : Grâce aux voix synthétiques, les acteurs pourraient prêter leur voix à des personnages de films d'animation ou de jeux vidéo sans passer des heures en studio d'enregistrement. Les doubleurs peuvent travailler dans des langues qu'ils ne connaissent pas, en s'appuyant sur la traduction automatique. Les livres audio peuvent être racontés avec des voix expressives et engageantes, représentant une variété d'accents et de styles.

Et qu’en est-il des soins de santé ? Grâce à des outils comme Voice Engine, les patients souffrant de problèmes d’élocution ou de phonation pourraient retrouver une voix naturelle et personnalisée. Les personnes aveugles ou ayant des difficultés de lecture pourraient accéder plus facilement au contenu textuel converti en audio. Les barrières linguistiques pourraient être supprimées grâce à des assistants vocaux capables de parler couramment n’importe quelle langue.

Sans oublier le potentiel pédagogique : apprenez une langue étrangère en parlant avec une voix synthétique mais réaliste, recevez des retours correctifs d'un tuteur virtuel avec votre propre voix, créez du contenu éducatif multilingue personnalisable. Les opportunités sont infinies et alléchantes.

Mais chaque médaille a son revers.

Les identités vocales à l’ère des deepfakes

Le premier risque, et le plus évident, est celui de la désinformation et de la manipulation. Avec des outils comme Voice Engine pour l'audio et Sora pour la vidéo, n’importe qui pourrait générer des clips faux mais crédibles de personnalités publiques ou de citoyens privés. Discours politiques contrefaits, déclarations inventées, aveux extorqués : les fake news trouveraient dans les voix de synthèse un allié redoutable. Dans une époque déjà marquée par la méfiance à l’égard des médias et des institutions, la perspective de ne plus pouvoir faire confiance même à ce que nous entendons de nos propres oreilles est terrifiante.

Se pose ensuite la question de la confidentialité et du contrôle de ses données biométriques. Notre voix est un trait distinctif de notre identité, au même titre que les empreintes digitales ou la rétine. Mais contrairement à d’autres données biométriques, elles sont relativement faciles à capturer et à reproduire à notre insu. Quelques secondes d’enregistrement volé, peut-être lors d’un appel téléphonique ou d’une vidéo publique, suffisent à alimenter un algorithme comme Voice Engine. Et voilà, notre voix n'est plus la nôtre. On peut l’utiliser, en abuser, la décontextualiser, sans que nous puissions faire grand-chose pour l’empêcher.

Car le problème, en fin de compte, est philosophique avant même d’être technologique. Il s’agit de notre rapport à la voix comme expression de soi, comme marque d’authenticité dans un monde de plus en plus médiatisé et artificiel. Il s’agit de la valeur que nous accordons à l’unicité et à l’autonomie individuelles, et de la peur de les voir se dissoudre dans la mer floue des deepfakes et des identités fluides.

Voice Engine : le futur aura-t-il (encore) une voix ?

Face à ces questions, la tentation pourrait être celle du refus luddite: faire taire les voix de synthèse, les considérer comme une technologie « perverse », se réfugier dans la pureté présumée des voix « naturelles ». Mais ce serait une réaction à courte vue et contre-productive. Les voix synthétiques, comme toute technologie, ne sont ni bonnes ni mauvaises en elles-mêmes : cela dépend de la manière dont nous les utilisons.

Le défi consiste donc à construire un cadre éthique et réglementaire qui oriente le développement vers le bien commun. Définir des normes et des protocoles partagés pour l’acquisition et l’utilisation des données vocales. Sensibiliser les citoyens aux risques et aux opportunités des voix synthétiques, en leur fournissant des outils essentiels pour s'orienter. Investissez dans la recherche de méthodes fiables pour authentifier les voix et retracer l’origine du contenu audio. Promouvoir un débat public ouvert et informé sur ces questions, impliquant toutes les parties prenantes.

Ce ne sera pas un voyage facile ou court. Cela nécessitera une vision, de la détermination et un esprit de collaboration. Mais c’est une voie nécessaire, car l’enjeu ici n’est pas seulement technologique. C'est existentiel. Il s’agit du sens même de notre individualité dans un monde où les frontières entre réel et virtuel, entre authentique et artificiel, deviennent de plus en plus floues et perméables.

Un monde dans lequel notre voix, miroir sonore de notre âme, risque de se perdre dans un vortex d'échos synthétiques.