Mot de passe familial et vérification de la voix de l’appelant

Non, et c’est une décision assumée. Il n’existe aujourd’hui aucun moyen fiable de distinguer la synthèse de la parole réelle à l’oreille : des systèmes d’entreprise comme Pindrop ou Hiya annoncent leurs chiffres sur de l’audio de studio propre, et sur un appel téléphonique compressé — précisément la situation pour laquelle on les achète — la justesse tombe autour des deux tiers. Nous répondons à une autre question, celle de savoir si la voix correspond à une référence enregistrée, et cette réponse-là, nous la vérifions par la mesure.

Parce qu’un bon clone ressemble à l’original par construction : c’est tout son but. Une correspondance avec la référence signifie seulement qu’aucune contradiction n’a été trouvée. La réfutation, elle, fonctionne dans l’autre sens : si la voix diffère nettement, cela suffit à raccrocher et rappeler soi-même. Toute l’échelle est bâtie autour de cette asymétrie, et non autour d’un pourcentage de ressemblance.

Un mot fixe est sûr jusqu’à la première fuite, et il ne fuit pas par piratage mais par conversation : le « service de sécurité de la banque » demande à une personne âgée de donner le mot de passe familial « pour vérification », et la famille ne l’apprend jamais. Un mot tournant est dérivé du secret commun du cercle et du numéro de la fenêtre de cinq minutes, si bien que ce qui a été dit hier ne vaut plus rien aujourd’hui. Le prix à payer : l’interlocuteur doit avoir la même page ouverte, et c’est pour cela que le mot fixe reste le choix par défaut.

Pas forcément, et c’est pourquoi le mot précédent est toujours affiché à côté du mot courant. La fenêtre dure cinq minutes et les horloges des téléphones dérivent de quelques secondes ; si l’appel commence pile au changement, la personne lit le mot qui vient d’expirer. Correspondre à l’un des deux est normal. Ce qui doit inquiéter, c’est autre chose : un interlocuteur incapable de donner quoi que ce soit, ou qui détourne la conversation de la question.

Un micro sur haut-parleur entend la pièce : les réflexions sur les murs, le traitement du haut-parleur du téléphone et votre propre voix — tout cela modifie le spectre, et c’est justement le spectre que la comparaison utilise. La capture d’onglet prend le son de WhatsApp Web, Telegram Desktop ou Zoom avant le haut-parleur, si bien que la comparaison s’appuie sur la voix et non sur l’acoustique de votre cuisine. La porte n’apparaît que dans les navigateurs capables de partager le son d’un onglet, et l’interrupteur « Partager l’audio » doit être activé dans le sélecteur.

L’enregistrement est analysé par le code de la page dans votre navigateur, et ce qui reste dans la mémoire de l’appareil est une empreinte numérique : coefficients cepstraux moyennés, vitesse de transition entre les sons, forme du spectre à long terme et médiane de la hauteur fondamentale. Ces nombres ne permettent pas de reconstruire la voix : ils suffisent à comparer, pas à réécouter. L’enregistrement lui-même n’est pas conservé après le calcul. Comme sur n’importe quelle page du site, des statistiques techniques d’utilisation sont recueillies pendant le fonctionnement.

La règle qui bat toute technique s’applique toujours : raccrochez et rappelez le numéro de votre propre répertoire, pas celui qui vous a appelé. Si personne ne répond, appelez un deuxième proche avant de faire quoi que ce soit avec de l’argent. Si la personne est vraiment en difficulté, cinq minutes ne changent rien ; si c’est un escroc, la conversation s’arrête là. Tout le reste de cette page existe pour appuyer cette règle, pas pour la remplacer.