« Mesdames, messieurs, bonjour. Je ne suis pas une IA, je suis un véritable comédien de doublage. Laissez-moi vous réciter un virelangue… »
En juillet 2026, à Xuzhou, dans la province du Jiangsu. Shen Anyu, 31 ans, fixe l’objectif de son téléphone. Il débite son virelangue de sa voix grave et caractéristique, puis esquisse un sourire amer. C’est la cinquième fois en un an qu’il enregistre une telle « vidéo d’auto-authentification » — pour prouver aux plates-formes, aux clients et à quiconque pourrait en douter que sa voix appartient à un être humain bien vivant.
Une voix « volée »
Shen Anyu est un comédien de doublage assez connu sur les plates-formes chinoises de vidéos courtes. Pendant six ans, il a prêté sa voix à un filmeur de commentaires de films, dont la chaîne compte plus de 5 millions de fans sur Douyin. Ses doublages cumulent régulièrement des millions de vues. Grâce à sa voix, ses revenus mensuels sont passés de 10 000 yuans à 30 000 yuans en haute saison. L’année dernière, il a emménagé avec sa femme Wei Yiyuan dans un nouveau logement.
Mais à partir de 2025, les choses ont changé.
Il a entendu « sa » voix en ligne — commentant des films, présentant des informations sportives, faisant la promotion de produits, propageant des théories du complot, et même insultant des gens dans des vidéos courtes — du contenu qu’il n’avait jamais enregistré. Des parents et amis lui envoyaient ces vidéos pour le féliciter ; certains lui demandaient même de l’argent, croyant qu’il croulait sous les contrats.
En réalité, c’était tout le contraire. Les systèmes de détection IA des plates-formes ont commencé à prendre ses véritables enregistrements pour des créations artificielles. Une fois étiquetés comme « générés par IA », leur recommandation chutait, le nombre de vues s’effondrait, et les revenus de ses clients avec. Un client, en faisant appel auprès de la plate-forme, a reçu cette réponse glaçante de la part du service client : « Je ne sais pas. J’ai tellement entendu cette voix que j’ai toujours pensé qu’elle était générée par IA. »
Synthèse vocale par IA : comment est-ce possible ?
Pour comprendre la situation de Shen Anyu, il faut d’abord comprendre pourquoi le clonage vocal par IA est aussi réaliste.
La synthèse vocale traditionnelle (comme les voix de navigation) fonctionne par « concaténation » : on découpe de longs enregistrements humains en petits fragments, puis on les assemble selon des règles. La voix qui en résulte sonne artificiel, à cause des ruptures aux points de jonction — le ton et l’émotion restent uniformes du début à la fin.
À partir de 2023, une technique appelée « synthèse vocale neuronale » a radicalement changé la donne. Elle n’assemble pas des fragments ; elle fait « apprendre » à l’IA les caractéristiques vocales d’une personne — hauteur, timbre, débit, rythme, habitudes d’articulation, et même la façon de respirer. C’est comme un peintre qui, ayant appris le style d’un artiste, peut reproduire une œuvre identique sans avoir besoin de consulter la référence.
Plus important encore, cet apprentissage ne nécessite aujourd’hui qu’une quantité infime de matière première. Au début, le clonage vocal exigeait des heures d’enregistrement. En 2025, les principaux outils de synthèse vocale IA — ElevenLabs à l’étranger, Fish Audio en Chine — peuvent effectuer un « clonage zéro-shot » à partir de quelques secondes d’audio. Trois secondes d’enregistrement suffisent pour générer une voix naturelle de dix minutes, pour un coût équivalent à « une bouteille d’eau minérale ».
Les conclusions des études sont encore plus inquiétantes. Une expérience menée en 2025 par l’Université Queen Mary de Londres montre que la voix générée par IA a désormais franchi le « seuil d’indistinguabilité » — des auditeurs ordinaires, sans information préalable, sont incapables de distinguer une voix IA d’une voix humaine réelle. Selon les données de la société de cybersécurité DeepStrike, le nombre de contenus deepfake est passé de 500 000 en 2023 à 8 millions en 2025, soit une augmentation de près de 900 %.
Cela signifie que l’oreille humaine ne peut plus constituer une ligne de défense fiable pour distinguer le vrai du faux.
J’ai consulté de nombreux rapports techniques. La synthèse vocale par IA repose actuellement sur trois approches principales : la génération vocale par modèles de diffusion (similaire aux principes de l’IA générative d’images), la synthèse de bout en bout basée sur des codecs audio, et la génération vocale multimodale combinée à de grands modèles de langage — l’IA n’imite pas seulement la voix, elle ajuste automatiquement l’émotion et les pauses en fonction du contenu textuel. Ces trois approches ont mûri rapidement entre 2025 et 2026, abaissant le seuil technique du clonage vocal au point qu’« une simple application suffit ».
Un bouleversement technologique : la survie d’une profession
Shen Anyu n’est pas un cas isolé. L’industrie chinoise du doublage subit un « bouleversement technologique ».
Liu Siya (Ciya Liu), 28 ans, comédienne de doublage, après avoir enregistré la voix de l’héroïne d’une série courte, a reçu de la part de la production plusieurs fichiers audio à « réenregistrer pour améliorer la qualité ». Elle a immédiatement compris : la voix ressemblait bien à la sienne, y compris les petites imperfections de prononciation, mais les coupes et les accentuations ne correspondaient pas du tout à ses habitudes. Elle soupçonne la société d’avoir utilisé ses enregistrements pour entraîner un modèle d’IA. Interrogée, la société a nié tout entraînement IA, mais n’a pas su expliquer la provenance des fichiers. Plus inquiétant encore, cette société a ensuite informé d’autres comédiens de doublage : acceptez une baisse de salaire de 10 %, ou un paiement différé. Et ce serait leur dernière collaboration, car ils allaient se tourner vers « des séries courtes produites par IA ».
Xu Ziqi, 30 ans, voit une autre réalité brutale : le tarif horaire pour la lecture de livres audio est passé de 80 à 40 yuans. Dans les groupes WeChat de commandes, on voyait des dizaines de missions par jour ; aujourd’hui, quelques-unes seulement apparaissent en plusieurs jours. En début d’année, des dizaines de comédiens de doublage renommés ont publié une déclaration commune affirmant n’avoir jamais autorisé l’utilisation de leur voix pour l’entraînement de l’IA. Le studio de doublage 729 Voice Works a indiqué que des séries audio générées par IA étaient apparues par milliers d’épisodes sur d’innombrables comptes, et que les utilisations non autorisées étaient quasi impossibles à tracer.
Les mots de Xu Ziqi résument la situation de toute une profession : « Beaucoup de jeunes pensent qu’en perfectionnant leur voix et leurs compétences, ils seront meilleurs que l’IA. Mais ceux d’entre nous qui font ce métier depuis des années savent que les clients ne veulent souvent qu’un certain timbre. Maintenant, l’IA peut copier n’importe quel timbre qu’ils désirent. »
« L’IA prend la meilleure voix et la meilleure interprétation de chacun, » dit-elle. « Plus tu t’entraînes et plus tu te perfectionnes, plus elle a de matière à apprendre. »
Ces mots renferment un cruel paradoxe : à l’ère de l’IA, plus un comédien de doublage améliore ses compétences, plus il devient une cible de remplacement.
Une bataille quasi impossible à gagner
Après le clonage de sa voix par IA, combien la défense de ses droits est-elle difficile ?
Shen Anyu et sa femme ont essayé tout ce qui leur venait à l’esprit : collecter les vidéos et les captures d’écran, lister les liens contrefaits un par un, contacter les auteurs des téléchargements, porter plainte auprès des plates-formes, consulter un avocat, préparer des poursuites.
Les résultats des contacts avec les auteurs des téléchargements sont mitigés : une minorité a supprimé les vidéos, la plupart les ont tout simplement ignorées. L’un d’eux a répondu : « Ne m’embête pas. Je peux faire des vidéos encore meilleures avec une autre voix et t’écraser. » Un autre a proposé d’acheter la licence de la voix clonée, comme si la violation de droits était une simple « occasion commerciale à régulariser ».
Les canaux de plainte des plates-formes sont quasiment inexistants. Wei Yiyuan raconte qu’une fois, une plainte a abouti ; elle a cru avoir trouvé une voie. « Après ça, j’ai copié des liens comme une folle. » Mais toutes les plaintes suivantes sont restées lettre morte. « Chaque jour, je collectais des preuves, je soumettais des plaintes. Et chaque jour, j’étais un peu plus désespérée. »
La voie juridique est tout aussi ardue. En 2024, l’avocat pékinois Ren Xiangyu a plaidé la première affaire chinoise de violation de droits par clonage vocal IA, un cas qui a ensuite été retenu par la Cour suprême comme jurisprudence. Le jugement est clair : le clonage vocal non autorisé constitue une violation des droits de la personnalité ; posséder les droits d’auteur d’un enregistrement ne donne pas le droit d’utiliser librement la voix du comédien de doublage. Mais Ren Xiangyu admet que la situation de Shen Anyu est bien plus complexe que celle de la première affaire — l’affaire initiale impliquait un plaignant disposant de plus de 50 heures d’enregistrement et d’un défendeur clairement identifié. Aujourd’hui, n’importe qui peut cloner une voix à partir de trois secondes d’audio et la diffuser via d’innombrables comptes anonymes. L’identité des contrevenants est quasi impossible à tracer, et le coût économique de la défense des droits (la seule expertise vocale judiciaire coûte au moins 10 000 yuans) dépasse de loin les dommages et intérêts potentiels.
« Le coût de la violation est trop bas, » dit Ren Xiangyu.
« Je vais peut-être mener cette bataille toute ma vie »
Certains conseillent à Shen Anyu : puisque ta voix a déjà été clonée, autant l’autoriser toi-même et en tirer profit. Certains comédiens de doublage qui ont perdu leur travail se sont effectivement reconvertis dans l’enseignement des techniques de clonage vocal.
Shen Anyu refuse.
« Je ne pense pas que l’IA soit une mauvaise chose. C’est un outil, » dit-il. « Mais c’est l’usage qu’on en fait qui pose problème. » Après avoir partagé son histoire en ligne, il a reçu des messages de nombreux comédiens de doublage et même de travailleurs d’autres secteurs confrontés à des difficultés similaires. Ces voix l’ont conforté dans sa détermination. Il consacre de plus en plus de temps à documenter les violations et à préparer des poursuites.
Il s’attend à ce que ce combat judiciaire soit difficile. « Cela pourrait prendre des années, peut-être toute une vie, » dit-il. « Je me prépare à perdre, mais j’espère au moins changer quelque chose. »
Pour compenser la perte de revenus, Shen Anyu et sa femme ont commencé à produire leurs propres vidéos courtes. Sa préférée parle du poète de la dynastie Song du Sud, Xin Qiji — un général et poète dont la vie n’a jamais été à la hauteur de ses ambitions. En l’enregistrant, Shen Anyu s’est surpris à insuffler ses émotions dans les vers.
Pendant ces quelques minutes, il utilisait sa propre voix pour dire ce qu’il voulait dire.
Note de l’auteur : cet article a été rédigé à partir du reportage original de Sixth Tone, des discussions sur Hacker News et de plusieurs rapports techniques sur la synthèse vocale par IA. Les explications techniques sont volontairement vulgarisées ; les jugements professionnels s’appuient sur des recherches académiques publiques et des rapports sectoriels. Les positions des différentes parties sont issues d’interviews ou de déclarations publiques. Mon objectif est de présenter la complexité du phénomène sans prendre parti — la technologie de la synthèse vocale par IA offre une créativité stupéfiante tout en créant des dilemmes éthiques sans précédent. Comment trouver l’équilibre entre les deux ? Il n’y a pas de réponse toute faite aujourd’hui.
Références :