Comment savoir si une image a été générée par IA (et où chaque vérification échoue)

La photo d'un orage au-dessus d'une ville arrive dans une discussion de groupe, et quelqu'un pose la question qui suit désormais la moitié des images virales en ligne : est-ce que c'est vrai ? Nous créons des images IA toute la journée, nous connaissons donc les deux côtés. Il existe des moyens honnêtes d'augmenter ou de réduire votre confiance dans une image. Il n'existe aucun moyen, ni pour vous ni pour nous, d'en être certain à partir du seul fichier. Voici une liste de vérifications dans l'ordre où nous les ferions, avec la limite de chaque étape écrite à côté.

Étape 1 : regarder avant de zoomer

Commencez par l'image entière à taille normale et demandez-vous si la scène tient debout en tant qu'événement. Qui se serait trouvé là avec un appareil photo ? Le moment est-il trop parfait, chaque élément posé pour la prise de vue ? Les vrais événements laissent en général beaucoup de photos imparfaites. Une scène générée n'en laisse souvent qu'une seule, impeccable.

La limite : c'est une question de contexte, pas de pixels. Un vrai photographe peut obtenir une image parfaite, et un faussaire soigneux peut publier quelques variantes.

Étape 2 : les indices visuels, et pourquoi ils s'effacent

Zoomez maintenant. Les modèles dessinent ce qui est probable, pas ce qui est cohérent, donc les erreurs se concentrent là où une scène a des règles qui doivent tenir sur toute l'image.

• Mains et articulations. Comptez les doigts, puis regardez comment une main tient un objet : une anse de tasse qui traverse un doigt, une bague qui fond dans la peau, un bras sans coude bien net.
• Texte et symboles. Panneaux, étiquettes, plaques d'immatriculation et dos de livres qui ressemblent à de l'écriture de loin mais deviennent des presque-lettres de près. Des logos qui sont presque ceux d'une marque connue.
• Reflets et ombres. Un miroir ou une vitrine qui montre une autre pièce, un reflet où manque la personne qui se tient devant, des ombres qui partent dans deux directions sous un seul soleil.
• Logique de l'éclairage. Un visage éclairé chaudement par la gauche dans une scène dont la seule fenêtre est à droite. Une lumière de contour sur un sujet sans rien derrière lui pour la produire.
• Textures répétées. Briques, feuilles, foules ou motifs de tapis qui se copient eux-mêmes, des visages à l'arrière-plan qui sont le même visage, des cheveux qui se transforment en une traînée lisse.

La limite : ces indices se raréfient à chaque génération de modèles, et ce sont aussi exactement ceux qu'un créateur soigneux corrige. Nous avons même écrit le guide pour cela : corriger les mains et le texte dans les images IA. Les vraies photos ont aussi leurs bizarreries, dues aux objectifs et au traitement des téléphones. Un résultat propre ne prouve rien ; un seul détail étrange ne prouve pas grand-chose.

Étape 3 : lire les données de provenance

Un fichier peut contenir des informations sur son origine. Les photos d'appareil contiennent en général des métadonnées de base comme l'appareil et l'heure de la prise. Il existe en plus un standard ouvert de provenance signée, souvent présenté au public sous le nom de Content Credentials : un enregistrement attaché au fichier qui peut indiquer quel outil l'a créé ou modifié et ce qui a changé en chemin, protégé de sorte que toute falsification soit détectable. Certains appareils photo, logiciels de retouche et générateurs l'écrivent, et certaines plateformes l'affichent sous forme d'une petite étiquette cliquable.

Des outils d'inspection gratuits en ligne vous montreront toute la provenance qu'un fichier contient encore. Si vous trouvez un enregistrement signé indiquant que l'image a été générée ou fortement retouchée, c'est une preuve solide. S'il indique qu'un appareil photo l'a capturée et que la signature est valide, c'est une preuve solide dans l'autre sens.

La limite : l'absence ne signifie rien. Une capture d'écran, un nouvel enregistrement ou une mise en ligne sur la plupart des réseaux sociaux supprime les métadonnées, et beaucoup d'outils ne les écrivent jamais. Les champs de métadonnées simples se modifient en un instant. La provenance vous apprend quelque chose quand elle est présente et valide, et rien du tout quand elle a disparu.

Étape 4 : lancer une recherche d'image inversée

Envoyez l'image, ou un recadrage de sa partie la plus distinctive, à un moteur de recherche d'image inversée et triez les résultats par date. Vous cherchez la copie la plus ancienne. La photo d'un événement réel remonte en général à un média, à un photographe ou à un compte local avec d'autres images du même endroit. Une image générée remonte souvent à une communauté d'art IA, à un compte de partage de prompts, ou à rien de plus ancien que la publication virale elle-même.

La limite : une image toute neuve n'a aucun historique à trouver, qu'elle soit réelle ou non. Le recadrage, l'effet miroir et les filtres peuvent cacher une image à la recherche, et trouver une copie plus ancienne vous dit seulement que l'image est ancienne, pas comment elle a été faite.

Étape 5 : se méfier des applications de détection

Les détecteurs automatiques vous donnent un pourcentage, ce qui semble scientifique. Considérez-le comme un avis de plus. Ils sont entraînés sur les modèles qui existaient au moment de leur création, un redimensionnement ou du bruit peut les tromper, et ils se trompent dans les deux sens, y compris en signalant de vraies photos. N'accusez jamais quelqu'un sur la seule base d'un score de détecteur.

Tout rassembler

1. 01Demandez-vous si la scène tient debout en tant qu'événement, et qui d'autre aurait dû la photographier.
2. 02Vérifiez les mains, le texte, les reflets, la lumière et les textures répétées, surtout à l'arrière-plan.
3. 03Inspectez le fichier pour y trouver une provenance, et rappelez-vous que des données manquantes ne sont pas une preuve.
4. 04Faites une recherche inversée pour trouver la copie la plus ancienne et sa source.
5. 05Pesez le tout. Plusieurs signaux faibles qui vont dans le même sens valent plus qu'un seul qui semble fort.

La réponse honnête, à la fin, est souvent « probablement », pas « certainement ». Ce n'est pas grave. Ce que vous faites de ce « probablement » est la partie utile : ne partagez pas l'image comme un fait, et si vous la partagez, dites ce que vous avez vérifié.

L'autre côté : vos propres rendus

Si vous générez vous-même des images, dans le studio ou ailleurs, la même liste vous indique comment être un bon voisin sur internet. Les gens ne peuvent pas trancher de façon fiable, donc la responsabilité revient à la personne qui publie l'image.

• Signalez-la. Indiquez dans la légende que l'image est générée par IA, et utilisez l'étiquette IA quand une plateforme en propose une. Beaucoup de plateformes l'exigent désormais.
• Ne faites pas passer un rendu pour la photo d'un événement réel, d'un vrai test de produit ou d'une personne réelle. Une scène fictive présentée comme une fiction ne pose pas de problème ; la même image présentée comme une actualité, si.
• Laissez les personnes réelles en dehors sauf si elles ont donné leur accord. Une image réaliste d'une personne identifiable est exactement ce que les gens ne peuvent pas vérifier.
• Gardez vos traces. Conservez le prompt, le modèle et la date de tout ce que vous publiez, pour pouvoir montrer comment une image a été faite si on vous le demande. Notre article sur à qui appartiennent les images générées par IA couvre le reste du volet commercial.

Beaucoup de modèles du catalogue produisent des images qui passent un coup d'œil rapide. C'est ce qui les rend utiles pour le concept art et la narration, et c'est pourquoi l'étiquette compte.