Une voix de directeur financier qui réclame un virement urgent, un candidat en visio dont le visage ne correspond à personne, une photo virale produite par un générateur d’images : ces cas ne relèvent plus de la science-fiction. Resemble AI s’est positionné sur ce problème. L’éditeur, fondé en 2019 pour produire des voix synthétiques dans le jeu vidéo, a basculé vers la détection : ses offres commerciales de synthèse et de clonage de voix ne sont plus vendues, et ses modèles vocaux, dont Chatterbox, restent seulement accessibles en libre accès pour la recherche.
Quel problème Resemble AI règle aujourd’hui, et pour qui
Le produit répond à une question simple : ce média a-t-il été fabriqué ou modifié par une IA ? Il s’adresse d’abord aux équipes qui subissent les deepfakes comme un risque opérationnel : fraude au président, usurpation d’identité lors d’un recrutement à distance, faux sinistres envoyés à un assureur, comptes frauduleux sur une place de marché. L’éditeur cible nommément les centres de contact, les opérateurs télécom, la finance, la santé, les médias et le secteur public.
Pour une équipe marketing, l’intérêt est plus indirect. La plateforme sert surtout aux équipes confiance et sécurité, modération ou communication de crise, qui doivent vérifier un contenu avant de le relayer ou de réagir à une fausse vidéo de leur dirigeant. Si votre besoin est de produire des voix off, l’outil ne vous concerne plus : tournez-vous vers les générateurs présentés dans notre sélection d’outils de génération de voix par IA.
Comment fonctionne la plateforme
Tout passe par un compte unique sur l’application de l’éditeur et une clé d’API. Côté technique, la documentation décrit un envoi de fichier (150 Mo au maximum) sur un point d’accès de détection, qui renvoie un identifiant ; il suffit ensuite d’interroger le résultat jusqu’à ce que l’analyse soit terminée. Le même appel peut produire le rapport explicatif Intelligence, qui détaille ce qui a déclenché l’alerte : prosodie anormale, défaut de synchronisation labiale, texture de peau lissée, ou montage après capture.
Au-dessus de cette brique, Resemble AI propose des outils prêts à l’emploi :
- Meetings : un module qui rejoint les visios Teams, Zoom, Google Meet et Webex à partir du calendrier, Google ou Outlook, et alerte par e-mail, Slack, Teams ou SMS. Dans Teams, il fonctionne nativement, sans robot visible dans la réunion.
- Investigator : des agents d’enquête qui combinent les preuves de détection et rendent un verdict, une action recommandée et un niveau de confiance, avec sept modèles d’enquête fournis et la possibilité d’en créer.
- Extension Chrome : un bouton d’analyse sur les images, vidéos et sons de Facebook, X, TikTok, Instagram ou LinkedIn, en bêta publique avec 4 analyses gratuites par jour.
- Agent Detection : un script à coller sur un site, ou via Google Tag Manager, qui sépare visiteurs humains et agents IA d’après le comportement de navigation.
Enfin, le Watermarker insère un filigrane invisible dans l’audio, l’image, la vidéo et le texte, signe un manifeste C2PA et lit les marqueurs SynthID de Google. L’éditeur le présente comme une réponse aux obligations de transparence de l’article 50 de l’AI Act européen.
Cas d’usage concrets par profil
- Direction financière et équipe fraude : couvrir automatiquement les réunions avec des participants externes, et suivre la consigne affichée en cas d’alerte (rappel par un canal vérifié avant tout paiement).
- Centre de contact : analyser les appels entrants en parallèle, sans détourner ni retarder la conversation, pour repérer une voix clonée qui tente une prise de contrôle de compte.
- Équipe modération d’une plateforme : traiter par lot les images et vidéos signalées, avec une carte de chaleur pour justifier la décision.
- Rédaction ou service communication : vérifier une image ou une vidéo virale avant publication, depuis l’extension Chrome ou l’interface web.
- Éditeur de logiciel : brancher la détection dans son produit avec les SDK Python, Node.js ou JavaScript, ou piloter l’API depuis Cursor et Claude Code grâce au serveur MCP.
Face à Pindrop, Reality Defender et Sensity
Resemble AI publie lui-même des comparatifs face à trois acteurs de la détection. Pindrop vient de la sécurité des centres d’appels et reste centré sur la voix au téléphone ; Resemble AI couvre en plus la vidéo, l’image et les visios. Reality Defender vise lui aussi une détection multimodale pour les grands comptes, avec une approche commerciale orientée entreprise ; l’atout de Resemble AI tient à son entrée sans abonnement et à ses tarifs à la seconde publiés. Sensity s’est construit sur l’analyse de visages et la vérification d’identité, alors que Resemble AI s’appuie sur son passé dans la voix de synthèse pour l’audio.
Pour un besoin ponctuel de vérification d’images, des outils plus légers existent ; notre sélection de logiciels pour détecter les images IA en recense plusieurs. Resemble AI se justifie lorsque la vérification doit être continue, intégrée aux appels et aux visios, et traçable pour un audit.
Les limites à connaître
Le premier point concerne le changement de cap : les anciens utilisateurs de la synthèse vocale ne trouveront plus d’offre commerciale de clonage ou de lecture de texte, la documentation de cette époque n’étant conservée qu’à titre historique. Si vous cherchez cet usage, consultez plutôt notre dossier sur le clonage de voix par IA.
Ensuite, l’outil reste en anglais, de l’interface à la documentation, et ses prix sont affichés en dollars sans précision sur les taxes. Les taux de précision publiés (99,5 % sur l’audio, 98,2 % sur la vidéo récente) sont des chiffres de l’éditeur, et la précision annoncée varie selon la plateforme de visio : 97 % sur Teams et Zoom, 91 % sur Google Meet, 90 % sur Webex. L’extension Chrome prévient elle-même que les médias très compressés donnent souvent un résultat incertain. Côté assistance, aucun chat ni numéro de téléphone n’est publié.
Quel plan choisir
Le plan Flex suffit pour évaluer la détection ou pour un volume faible : pas d’abonnement, des crédits prépayés qui n’expirent pas, et un paiement à la seconde d’audio ou de vidéo, ou à l’image. Il exclut en revanche l’envoi de gros fichiers et le traitement par lot. Dès que la détection passe en production, Team (5 utilisateurs) divise par plus de deux le coût de la détection audio et vidéo et ouvre le traitement par lot ; le calcul se fait donc sur votre volume mensuel.
Business (20 utilisateurs) se justifie surtout pour l’authentification unique et la couverture des réunions de toute l’organisation. Les déploiements sur site, sans connexion externe, et les SLA ne figurent que dans l’offre Enterprise, sur devis : c’est le passage obligé pour une banque, un opérateur ou une administration qui ne peut pas envoyer ses enregistrements dans le cloud.