Le voice cloning (clonage de voix) est une technique d'IA qui reproduit les caractéristiques vocales d'une personne — timbre, intonation, rythme — à partir d'un échantillon audio très bref, parfois de quelques secondes seulement. Les modèles modernes, basés sur des réseaux de neurones profonds, apprennent l'« empreinte » sonore du locuteur et peuvent ensuite synthétiser n'importe quel texte avec cette même voix.
Son importance réside dans la polyvalence des applications qu'il permet :
- Doublage et localisation de contenus audiovisuels sans recourir à de nouveaux acteurs.
- Accessibilité, en récupérant la voix de personnes l'ayant perdue à la suite d'une maladie.
- Assistants et narration personnalisés pour les livres audio ou les jeux vidéo.
La principale nuance est d'ordre éthique et légal. Puisqu'un échantillon minimal suffit, il est facile de cloner la voix de quelqu'un sans son consentement, ce qui ouvre la porte aux fraudes, à l'usurpation d'identité et à la désinformation (ce que l'on appelle les audio deepfakes). C'est pourquoi il convient d'exiger l'autorisation expresse du titulaire de la voix et, lorsque cela est possible, de recourir à des systèmes de marquage ou de vérification permettant de détecter les audios générés artificiellement.