Fondée en décembre 2024, Label4.AI s’impose comme un acteur stratégique de la cybersécurité. Entre recherche scientifique de pointe et expertise réglementaire, la startup déploie des solutions innovantes pour détecter les deepfakes et sécuriser les contenus numériques. Retour sur un modèle unique, issu de la recherche publique ( Inria et CNRS), qui place la rigueur scientifique au service de la lutte contre la fraude boostée à l’IA. Présentation avec Nicolas Bodin, son CEO.
Pouvez-vous présenter Label4.ai ?
Label4.ai a été fondée il y a un peu plus d’un an avec une équipe présentant un équilibre entre des profils juridiques/affaires publiques issus des médias et des services en ligne, et des profils fortement ancrés dans la tech et la recherche scientifique.
Notre cœur d’activité est la détection de contenus générés ou manipulés par l’IA avec une expertise historique sur l’identification et le marquage des contenus par watermark (tatouage numérique).
L’enjeu, au niveau « cyber », est simple : savoir quand l’IA est utilisée alors qu’elle ne le dit pas. Cela concerne d’abord les deepfakes, avec des applications multiples.
La spécificité de Label4.ai repose sur son lien intrinsèque avec la recherche publique française et européenne, à travers notamment l’Inria, le CNRS et des Universités européennes.
Notre évolution du watermark vers la détection de deepfakes s’inscrit dans une suite logique. LArtificial Intelligence ACT européen (article 50) auquel Label4.ai participe en tant que co-rédacteur du code de conduite auprès de la Commission européenne) prévoit que les contenus générés doivent être marqués via des techniques robustes et lisibles par machine, de manière à les reconnaître comme tels. Cependant, tant que l’obligation légale n’est pas appliquée (horizon fin 2026), les acteurs hésitent à l’intégrer. Nous nous sommes donc tournés vers le « filet de sécurité » : la détection passive. Au lieu de simplement chercher un tatouage (détection active), nous déterminons la nature du contenu en fonction des éléments statistiques et structurels de l’image ou de l’audio.
Une technologie agile et calibrée pour le terrain
Comment fonctionne techniquement l’analyse de contenu par Label4.ai ?
La solution repose sur de l’analyse forensic. Nous avons un détecteur en point d’entrée qui reconnait d’abord le type de contenu (image, photo, document, video, audio). Ensuite, une quinzaine de détecteurs spécialisés s’activent selon la pertinence. Pour les clients en « on-prem » (installation locale), nous packageons uniquement les modules dont ils ont besoin. Nous pouvons ensuite calibrer la solution sur les documents types du client afin d’en optimiser la précision.
La solution s’entraîne au fur et à mesure grâce à deux types d’amélioration. D’abord une veille active de notre part pour intégrer les patterns de création des nouveaux modèles d’IA via des datasets de recherche. Ensuite, un cycle spécifique au client : tous les trois mois, nous analysons les cas de faux négatifs ou positifs rencontrés pour affiner les algorithmes au plus près de leurs usages réels.
Quelles typologies de clients adressez-vous ?
Nous travaillons exclusivement en B2B car nous estimons que la responsabilité de déterminer le vrai du faux ne doit pas reposer sur le consommateur.
Nous nous focalisons sur le secteur banque, assurance et finance car les fraudes boostées à l’IA y sont une extension de la fraude existante.
Nous accompagnons également les grandes entreprises exposées aux risques de deepfakes, tels que les « arnaques au président ». Nous travaillons aussi sur la détection « live » pour vérifier l’identité d’un interlocuteur lors d’un appel.
Nous proposons soit une automatisation pour les gros volumes (banques, assurances), soit un accès SaaS pour des détections ponctuelles (e-commerce, vérification de notes de frais…).
Pour nos clients qui traitent des données sensibles, nous effectuons des livraisons « dockerisées » en local (on-prem) pour que les données ne sortent jamais de leur environnement.
Comment se matérialisent concrètement vos partenariats avec l’INRIA et le CNRS ?
Tous nos chercheurs associés viennent de l’un ou de l’autre. Un de nos cofondateurs est directeur de recherche à l’INRIA de Rennes et médaillé de l’Académie des sciences. Nous avons aussi une convention CIFRE avec le CNRS (un doctorant réalise sa thèse chez nous et en laboratoire) et des accords de partage de propriété intellectuelle.
Ces collaborations nous offrent un appui R&D bien plus puissant que si nous étions seuls. Cette méthode scientifique rigoureuse impose que tout ce que nous annonçons soit prouvé. Nous ne disons pas seulement « c’est de l’IA ». Nous démontrons pourquoi, avec quel niveau de certitude et quelles traces ont été détectées, cette explicabilité et auditabilité sont des aspects très importants pour la majorité de nos clients, nos réponses ne sont pas basées sur de l’IA générative mais sur la science, il n’y a ni biais ni hallucinations. Dans notre secteur d’intervention, le taux de faux positifs est clé : il est souvent préférable de laisser planer un doute sur une fraude plutôt que de disqualifier par erreur un contenu authentique.
Une consécration européenne au Forum InCyber (FIC) 2026
Label4.AI a remporté le prix de la recherche et le « coup de cœur du jury » au FIC (Forum InCyber) 2026. Que représente cette reconnaissance ?
C’est la première fois qu’une entreprise reçoit deux prix, c’est très flatteur. Cela prouve que nous traitons un problème réel et que notre positionnement comme « catalyseur de la science » est reconnu. Cette reconnaissance au FIC 2026, un événement majeur en Europe, nous apporte une crédibilité déterminante auprès de nos futurs partenaires.
Publié le 16 avril 2026 par ANDRÉ Guillaume
Nos autres articles
Dernières actualités et moments forts
du campus cyber breton sont ici !
Besoin d’aide ou de conseils sur le sujet ?
L’équipe de Bretagne Cyber Alliance est là pour vous orienter vers le meilleur interlocuteur de l'écosystème !