Les 350 000 appâts anti-arnaque par IA de l'Australie prennent les fraudeurs à leur propre jeu
Une entreprise en Australie a constitué une main-d’œuvre inhabituelle : 350 000 agents d’intelligence artificielle dont le seul travail est de faire perdre du temps aux escrocs. La firme, Apate.ai, tire son nom de la déesse grecque de la tromperie, et ses bots sont conçus pour n’être trompés qu’en apparence. Chaque agent se fait passer pour une personne ordinaire — jeune ou âgée, homme ou femme — avec des accents différents, plusieurs langues et sa propre personnalité, selon un rapport du média scientifique chinois Guokr.
La cible n’est pas le public mais l’industrie de la fraude elle-même. Quand un appel frauduleux arrive, ou qu’un site de phishing demande des informations, un personnage d’IA répond. Il discute, hésite, demande des précisions, oublie un mot de passe, lit mal un numéro. Le but est d’occuper l’escroc le plus longtemps possible, ce qui coûte du temps et de l’argent à l’opération frauduleuse tout en laissant la ligne téléphonique plus tranquille aux personnes réelles. La même approche s’étend à la fraude à l’investissement et aux faux sites web, où les bots peuvent remplir des formulaires avec des informations plausibles mais inutiles.
Le scambaiting n’est pas nouveau. Pendant des années, des amateurs ont répondu à des courriels frauduleux par des histoires élaborées et de fausses identités, partageant les résultats en ligne. Ce qui change ici, c’est l’échelle. Une seule personne peut gérer une ou deux conversations à la fois ; un réseau de centaines de milliers d’agents logiciels peut en gérer beaucoup simultanément, 24 heures sur 24, en plusieurs langues. L’entreprise affirme que les personnages varient suffisamment pour qu’un escroc ne puisse pas facilement les distinguer les uns des autres.
L’idée se situe à une intersection délicate entre sécurité et éthique. Les défenseurs de l’approche soutiennent que les escrocs sont des criminels qui profitent de la peur et de la confusion, et que les ralentir protège les victimes. Les critiques pourraient se demander si la tromperie automatisée, même contre des malfaiteurs, risque de normaliser la pratique, ou si un bot qui se fait passer pour une personne âgée vulnérable pourrait attirer des représailles contre de vraies personnes. Le rapport ne tranche pas ces questions, et la technologie est encore jeune.
Pour les utilisateurs ordinaires, la leçon pratique est plus simple. La meilleure défense contre un appel frauduleux reste la même : raccrocher, ne pas partager de codes ni de coordonnées bancaires, et signaler le numéro. Un leurre d’IA ne supprime pas la nécessité de cette prudence. Mais il ajoute une nouvelle couche à une vieille course aux armements — une course où les fraudeurs doivent désormais se demander si la voix à l’autre bout du fil est bien une personne.
Ce qui rend l’histoire remarquable, c’est l’économie. Les opérations de fraude reposent sur le volume ; si suffisamment d’appels sont traités par des bots qui ne paient jamais, le coût de chaque arnaque réussie augmente. C’est la même logique que celle des filtres anti-spam et des applications de blocage d’appels, appliquée à la conversation plutôt qu’à la livraison. Savoir si cela fonctionne à grande échelle dépendra de la rapidité avec laquelle les escrocs apprendront à détecter les voix synthétiques.
Pour les lecteurs du monde entier, ce cas rappelle que le premier rôle de masse de l’IA pourrait ne pas être d’écrire des essais ou de générer des images, mais de se retrouver au milieu de transactions ordinaires, y compris malhonnêtes. Les prochaines années montreront si les leurres automatisés deviennent un outil standard pour les banques et les télécoms, ou s’ils restent une expérience ingénieuse menée par une entreprise au nom classique.