FACESWAP : le projet open source à l’origine du terme deepfake, et son manifeste éthique

https://github.com/deepfakes/faceswap

📌 FACESWAP est un outil Python qui utilise le deep learning pour reconnaître et échanger des visages dans des images et des vidéos. C’est le projet historique à l’origine du mot « deepfake », accompagné d’un manifeste éthique strict qui encadre ses usages.

Il faut commencer par l’histoire, parce qu’elle colle au projet. Quand la technique de faceswapping est apparue, elle est restée confinée à l’académie : un code fragmenté, incompréhensible sans une solide formation en IA. Puis un individu a rassemblé le tout en un ensemble cohérent, qui tournait et fonctionnait. Et comme souvent avec une nouvelle techno, ça a immédiatement servi à produire du contenu inapproprié. C’est de là que vient le terme « deepfake ». FACESWAP est le dépôt qui a rendu cette technologie accessible à quiconque voulait expérimenter, sans doctorat en maths.

Le pipeline se tient en trois étapes. D’abord Extract : python faceswap.py extract extrait les visages de vos photos brutes (dossier src vers extract). Ensuite Train : python faceswap.py train entraîne un modèle à partir de deux dossiers de visages, sauvegardé dans models. Enfin Convert : python faceswap.py convert applique les nouveaux visages (dossier original vers modified). Une GUI existe pour qui préfère cliquer (python faceswap.py gui), et un utilitaire tools.py effmpeg gère la conversion vidéo. Côté matériel, une GPU CUDA moderne est recommandée ; beaucoup de GPU AMD sont supportées via ROCm sur Linux.

Ce qui distingue vraiment FACESWAP, ce n’est pas la technique — d’autres implémentations existent — c’est le manifeste. Les développeurs ont publié une charte explicite : l’outil n’est pas fait pour créer du contenu inapproprié, pas pour changer un visage sans consentement ou en dissimulant l’usage, pas pour un but illicite ou discutable. Il existe pour expérimenter l’IA, pour le commentaire social ou politique, pour le cinéma et les usages légitimes. La ligne est claire et la tolérance zéro est affichée. Le serveur Discord est SFW. Cette posture éthique fait partie intégrante de l’identité du projet, pas un cache-misère juridique.

Les modèles proposés portent des noms devenus familiers dans la communauté : Phaze-A, Villain, DFL-H128, DFaker, Unbalanced, OHR. Les contributeurs clés — torzdf (GUI, FAN aligner, MTCNN detector, portage des modèles) et andenixa (modèles Unbalanced et OHR) — sont crédités individuellement. Deux astuces pratiques ressortent de la doc : réutiliser un modèle existant entraîne bien plus vite que de partir de zéro, et si les données manquent, on démarre avec quelqu’un de physiquement proche avant de basculer les données.

Mon avis est tranché sur le fond. La technologie de synthèse de visages existe, elle ne disparaîtra pas, et l’enfermer n’empêcherait que les curieux honnêtes — les acteurs malveillants ont déjà leurs outils fermés. FACESWAP choisit la transparence : code ouvert, documentation complète, forum actif, et un cadre éthique affiché qui assume la responsabilité de ce que l’outil rend possible. C’est la bonne approche pour une techno sensible. La réserve n’est pas le projet, c’est l’usage : la qualité du résultat dépend entièrement de la quantité de données d’entraînement et de la puissance GPU, et la frontière entre usage légitime et abus ne tient qu’à la discipline de l’utilisateur.

Points clés :

• 🎭 Deep learning pour échanger des visages en images et vidéos
• 🔁 Pipeline en 3 étapes : Extract → Train → Convert (+ GUI)
• 🎬 Modèles : Phaze-A, Villain, DFL-H128, DFaker, Unbalanced, OHR
• ⚖️ Manifeste éthique strict : consentement, pas d’usage illicite, tolérance zéro
• 🖥️ GPU CUDA recommandée, AMD via ROCm (Linux)
• 🐍 Python, Windows/Linux/macOS, forum et Discord SFW