Les méthodes d’apprentissage profond ont connu un important développement au cours des dernières années. En particulier, les Réseaux Antagonistes Génératifs (en anglais GAN – Generative Adversarial Networks), sont maintenant capables de générer des images naturelles et de créer de fausses identités dans des images ou dans des vidéos. Pour des raisons évidentes, l’identification des vidéos falsifiées est essentielle pour éviter les manipulations d’informations. Dans cette thèse nous voulons proposer des méthodes de détection des Deepfakes se basant sur les traces laissées dans les images par les réseaux génératifs et les méthodes d’encodage et de compression de la vidéo, et faisant appel à des approches neuronales spécifiques intégrant les mécanismes d’attention.