L'IA peut falsifier des documents : le prochain défi sera de prouver les données

Depuis des décennies, entreprises et organisations considèrent les documents comme des preuves. Un relevé bancaire sert à attester des revenus, une facture à prouver la fourniture d'un bien ou d'un service, un diplôme à confirmer une qualification. Selon l'article, cette logique est fragilisée par les modèles génératifs, qui rendent moins fiable l'idée selon laquelle un document convaincant provient probablement de l'organisme dont il porte le nom.

Le phénomène est déjà mesurable. Le 2026 State of Document Fraud Report d'Inscribe indique que les relevés bancaires représentaient 23,7 % des documents signalés comme générés par l'IA sur son réseau, devant les factures et les bulletins de paie, tous deux à 13,9 %. Le rapport estime aussi que les méthodes de détection visuelles deviennent moins fiables à mesure que les indices de mise en forme évidents disparaissent.

De l'apparence à la provenance

Le texte soutient que le document lui-même pourrait ne plus suffire. Une facture, un certificat universitaire ou un rapport d'assurance sont présentés comme des "conteneurs de revendications", mais si l'IA peut en produire des copies convaincantes, vérifier leur apparence perd de sa pertinence. La question devient alors celle de la provenance des données : qui les a émises, quand elles ont été créées, et si elles ont été modifiées depuis.

L'article cite des vérifications possibles via des signatures numériques, des identifiants vérifiables et des hachages cryptographiques. Il prend l'exemple d'un diplôme que l'on pourrait contrôler en vérifiant si l'université l'a signé cryptographiquement, plutôt qu'en examinant seulement le rendu visuel du document.

La détection ne disparaît pas pour autant. Banques, assureurs et prêteurs continuent de rechercher des anomalies dans les métadonnées, les mises en page ou les incohérences. L'article mentionne aussi Hannover Re, qui utilise une authentification documentaire pilotée par l'IA dans les sinistres d'assurance, avec plus de 100 contrôles antifraude exécutés en moins d'une minute.

Une course entre génération et détection

Le problème, selon CoinGeek, est que génération et détection progressent en même temps. Inscribe affirme que la fraude documentaire générée par l'IA a presque été multipliée par cinq entre mai et décembre 2025, tandis que les indices visibles autrefois utilisés par les enquêteurs deviennent plus difficiles à repérer.

Pour l'article, le changement d'échelle passe par des preuves indépendantes. Des blockchains publiques scalables pourraient servir de couche commune de vérification, sans héberger les documents eux-mêmes : des hachages cryptographiques liés à des documents privés permettraient de détecter toute modification, car un changement du document entraîne un changement du hachage.

Cette approche pourrait s'appliquer à des factures, dossiers académiques, documents d'identité, rapports d'inspection, contrats, certificats de conformité ou documents douaniers. L'article conclut que les entreprises produisent chaque jour d'énormes volumes de documents, et qu'un système fondé sur la provenance devra pouvoir gérer à grande échelle des signatures, hachages, horodatages et changements de statut à faible coût.