ElevenLabs

Description

ElevenLabs est une entreprise d’intelligence artificielle spécialisée dans l’audio. Sa plateforme transforme du texte en parole, modifie ou traduit un enregistrement, produit des voix dans plusieurs langues et permet certains types de clonage vocal. Les usages vont de la narration d’un livre ou d’un article au doublage, au jeu vidéo, à l’accessibilité et aux agents vocaux. La caractéristique spectaculaire est la conservation apparente du timbre, du rythme et de l’émotion : un texte inédit peut sembler prononcé par une voix connue du système. L’entreprise a été fondée en 2022 par les Polonais Mati Staniszewski et Piotr Dąbkowski. Leur motivation déclarée venait de la mauvaise qualité de certains doublages et du souhait de préserver la voix et l’interprétation d’un locuteur à travers les langues. Les modèles modernes de synthèse ne collent pas simplement des syllabes enregistrées. Ils apprennent des représentations de la parole et génèrent une onde audio conditionnée par le texte, la voix et parfois le style. La transcription suit le chemin inverse en convertissant la parole en texte, avec identification possible des locuteurs. Le clonage mérite une distinction précise. Le clonage instantané cherche à imiter rapidement une voix à partir d’échantillons ; le clonage professionnel entraîne une représentation de meilleure qualité avec davantage de données et une procédure de vérification. Selon la documentation actuelle, le clone professionnel doit être celui de la personne qui effectue la vérification, même si un tiers a donné son accord. Le créateur reste responsable de posséder les droits nécessaires pour tout échantillon utilisé. Une similarité convaincante ne signifie ni que la personne a prononcé le message ni qu’elle l’approuve. Cette technologie peut rendre des œuvres accessibles et réduire le coût de localisation, mais elle facilite aussi fraude, harcèlement et désinformation. De faux messages politiques et des imitations de célébrités ont illustré la vitesse à laquelle une voix synthétique peut circuler hors contexte. ElevenLabs décrit plusieurs protections : vérification pour certains clones, blocage de voix à haut risque, traçabilité des générations, modération et outils de détection. Ces barrières réduisent certains abus sans résoudre le problème général, car d’autres modèles existent et les détecteurs peuvent échouer après compression ou modification du signal. Le consentement n’est pas un simple bouton technique. Il concerne l’usage prévu, la durée, les langues, la rémunération, la possibilité de retirer la voix et le sort des contenus déjà publiés. Une organisation doit également indiquer clairement qu’un audio est synthétique lorsque le contexte pourrait tromper. Le rabbit hole d’ElevenLabs mène aux comédiens de doublage, aux droits de la personnalité, aux deepfakes audio, à la biométrie vocale, à la détection et à l’accessibilité. La carte symbolise une rupture fondamentale : la voix n’est plus seulement la trace d’une performance passée, mais un matériau génératif qu’il faut accompagner de provenance et de consentement.

À savoir

ElevenLabs développe des modèles génératifs pour créer, transformer, transcrire et cloner des voix, notamment pour le doublage et les contenus audio.

Sources

• ElevenLabs Docs — présentation et histoire ↗
• ElevenLabs Docs — fonctionnement du clonage vocal ↗
• ElevenLabs — centre de sécurité ↗
• Associated Press — risques de désinformation par clonage vocal ↗

Pour aller plus loin

• Comparer clonage instantané et professionnel ↗

  Pour comprendre données nécessaires, qualité, vérification et limites.

• Étudier la détection des deepfakes vocaux ↗

  Pour découvrir pourquoi un détecteur audio peut être contourné ou perdre en fiabilité.