Google introduit des spymarks capables d’encoder 136 bits dans les images

Contexte et définition

Le terme spymark désigne un signal caché intégré dans un support numérique afin de rendre le fichier traçable sans le consentement de l’utilisateur. Contrairement aux filigranes classiques, visibles et souvent destinés à prouver l’authenticité, le spymark reste imperceptible et sert exclusivement à la surveillance. L’article cite Google SynthID comme première illustration publique de cette technologie.

Mécanismes d’insertion et capacités techniques

Google SynthID‑Image, décrit dans le papier officiel de la firme, insère un payload de 136 bits dans chaque image de 512 × 512 px. Sur ces 136 bits, 64 bits sont réservés à un identifiant de base de données, les 72 bits restants assurent la correction d’erreurs, garantissant la robustesse du signal face aux transformations d’image classiques (compression JPEG, redimensionnement, etc.). Le même principe s’étend aux vidéos, aux fichiers audio et même au texte, où le modèle de génération ajuste subtilement le choix des mots pour créer un motif statistique décodable.

Dans le domaine audio, l’outil open‑source audiowmark, publié en 2018, permet de dissimuler jusqu’à 128 bits dans un flux sonore, protégés par une clé AES secrète. Cette protection empêche tout décodage sans la clé, rendant le signal opaque pour l’utilisateur final. Les spymarks audio modifient soit le domaine temporel (ajustements de l’onde), soit le domaine fréquentiel (altérations du spectre), ou les deux simultanément, ce qui explique leur résistance à la recompression ou au ré‑encodage.

Risques pour la vie privée et limites de détection

Les identifiants encodés peuvent être corrélés à des bases de données contenant nom complet, adresse IP, date de naissance, adresse physique ou affiliation politique. Ainsi, chaque fichier publié – image sur un réseau social, morceau audio sur une plateforme de streaming, texte généré par IA – devient potentiellement un vecteur de suivi trans‑média. Les spymarks survivent aux opérations de nettoyage classiques : la suppression des métadonnées EXIF ou ID3 n’affecte pas le signal intégré dans les pixels ou le spectre audio, et les éditions superficielles (recadrage, ajustement de contraste) ne le détruisent pas nécessairement.

Détecter ces signaux reste difficile. Les algorithmes de décodage nécessitent la connaissance précise du schéma d’insertion (clé, fonction de hachage, paramètres de correction d’erreurs). Sans ces informations, le signal se confond avec le bruit naturel du support, rendant les méthodes de détection statistique peu fiables. De plus, les fabricants de matériel (imprimantes, smartphones) intègrent déjà des points de suivi similaires depuis les années 1980 (ex. points d’encre de suivi imprimés), prouvant que la technologie n’est pas nouvelle mais qu’elle gagne en sophistication.

Contremesures et perspectives

Face à l’opacité des spymarks, les seules stratégies actuellement viables reposent sur la prévention : utilisation de pipelines de transformation qui détruisent les fréquences hautes (filtrage JPEG, re‑synthèse audio) ou recours à des outils de « steganalyse » capables de comparer un fichier à une version de référence. Cependant, ces approches sont coûteuses en ressources et ne garantissent pas l’élimination totale du signal. La communauté de recherche doit donc développer des standards de transparence, afin que les implémentations de suivi soient explicitement déclarées et soumises à un audit de sécurité.