evidoria

← Retour à la liste

Bonne pratique Importée

Le modèle de détection de deepfakes par IA de la Corée du Sud pour les élections locales de 2026

Corée du Sud · Sejong · Voir le profil de Corée du Sud · Voir le profil de Sejong

Preuves: Descriptif / auto-déclaré Top 62% 53/100 · Demandez à Evidence Copilot à propos de cette pratique

Le ministère sud-coréen de l'Intérieur et de la Sécurité et le Service national de police scientifique ont conçu un modèle de détection de deepfakes par IA (concours de 268 équipes, ~92 % de précision), déployé avant les élections locales de juin 2026.

388 cases
Cas illégaux de deepfake électoral, cycle législatif antérieur
10,510 cases
Cas illégaux de deepfake électoral, période de l'élection présidentielle de 2024
268 teams
Équipes dans le concours de modèles de détection (December 2025)
1,077 participants
Participants au concours de modèles de détection (December 2025)
~92 %
Précision de détection en test de vérification
Le modèle de détection de deepfakes par IA de la Corée du Sud pour les élections locales de 2026

Détails

Maturité
En expansion
Promoteur
Ministry of the Interior and Safety & National Forensic Service
Période
2025-2026
Mots-clés
elections, deepfake detection, digital forensics, public safety

Contexte

La Corée du Sud a connu une flambée de contenus électoraux illégaux générés par IA et de deepfakes, passant de 388 cas lors d'un précédent cycle électoral législatif à 10 510 cas pendant la période de l'élection présidentielle de 2024, selon les données du ministère de l'Intérieur et de la Sécurité.

Objectifs

Le ministère de l'Intérieur et de la Sécurité et le Service national de médecine légale se sont attelés à construire un modèle de détection dédié en amont des 9es élections locales simultanées à l'échelle nationale, tenues le 3 juin 2026.

Activités

Un « Concours de modèles de détection par IA pour la lutte contre les deepfakes » organisé en décembre 2025 a réuni 268 équipes et 1 077 participants ; les cinq modèles les plus performants ont été intégrés en un seul système combinant l'analyse globale du flux vidéo avec l'analyse locale des traits du visage, des mouvements des lèvres et de la texture de la peau.

Résultats

Le système combiné a atteint environ 92 % de précision de détection lors des tests de vérification, et un système d'aide à l'évaluation rapide achemine désormais le contenu signalé vers la Commission électorale nationale et les organismes d'enquête pendant la période électorale.

Conclusions

Les chiffres publiés ne décrivent que la précision des tests de vérification préélectoraux et le nombre de cas des cycles électoraux antérieurs, sans qu'aucun audit indépendant de précision sur le terrain post-électoral du déploiement de juin 2026 n'ait été trouvé dans les rapports publics ; les autorités prévoient d'étendre la même infrastructure à d'autres délits facilités par l'IA, notamment le matériel d'exploitation sexuelle, la diffamation et la fraude financière.

Mise en œuvre
Coût indicatif
Moyen (50 k€–500 k€)
Délai jusqu’aux résultats
Court (< 1 an)
Personnel et compétences
Ministry of the Interior and Safety, National Forensic Service, 268 competition teams / 1,077 participants who built candidate detection models, National Election Commission and investigative agencies receiving flagged content

Conditions de réussite

  • an open competition format to source and select the five best-performing detection models
  • combining global video-flow analysis with local facial/lip/skin-texture analysis
  • a rapid-assessment routing pipeline to election and investigative authorities

Modes d’échec courants

  • only pre-election verification-test accuracy (~92%) is published; no independent post-election field-accuracy audit was found
  • no disclosed false-positive rate or appeals process

Habituellement financé par

National / regional programmes

Pistes de financement indicatives pour des pratiques de ce type — vérifiez toujours les appels en cours et les règles d'éligibilité de chaque programme.

Vous portez cette pratique ? Revendiquez-la — les porteurs vérifiés obtiennent un contact public sur la page et peuvent proposer des corrections.

Sources de données

D'où proviennent les informations de cette pratique, et quand.

Pièces jointes

Pratiques similaires qui pourraient vous être utiles