En bref : repérer un contenu généré par IA repose sur un faisceau d’indices, jamais sur une preuve unique. On observe d’abord les détails visuels (mains, textes, reflets, incohérences), puis on vérifie l’origine du fichier (métadonnées, norme C2PA, filigranes), et enfin on s’appuie sur des outils de détection, en gardant à l’esprit leurs limites et leurs faux positifs. Aucun de ces moyens n’est fiable à 100 % : la bonne pratique consiste à croiser les signaux et à remonter à la source.

Pourquoi c’est devenu si difficile

En quelques années, la qualité des images et vidéos synthétiques a fait un bond spectaculaire. Les défauts grossiers d’hier (doigts en trop, visages déformés) se raréfient à mesure que les modèles progressent. Résultat : l’œil seul ne suffit plus, et il devient risqué d’affirmer qu’un contenu est authentique ou truqué sur la seule base d’une impression. Cette difficulté alimente la désinformation, car une image frappante circule vite avant toute vérification.

Il faut donc raisonner en enquêteur : additionner des indices, douter des certitudes et accepter qu’une partie des contenus restera impossible à trancher avec certitude.

Les indices visuels à examiner

Certains détails trahissent encore régulièrement une génération par IA. Prenez le temps d’agrandir l’image et d’inspecter :

• Les mains et les doigts : nombre inhabituel, articulations étranges, fusion entre deux doigts ;
• Les textes : enseignes, pancartes ou étiquettes où les lettres sont déformées ou illisibles ;
• Les reflets et les ombres : miroirs incohérents, ombres portées dans la mauvaise direction, sources de lumière contradictoires ;
• Les arrière-plans : motifs qui se répètent bizarrement, objets qui se fondent les uns dans les autres, perspectives impossibles ;
• Les détails fins : dents, oreilles, bijoux, textures de peau trop lisses ou au contraire incohérentes.

Pour une vidéo, surveillez en plus les clignements d’yeux peu naturels, la synchronisation des lèvres avec le son, les contours qui tremblent autour du visage et les objets qui apparaissent ou disparaissent entre deux images. Attention toutefois : ces indices se raréfient, et une vraie photo retouchée peut aussi présenter des bizarreries. L’absence de défaut ne prouve rien.

Vérifier l’origine : métadonnées et C2PA

Au-delà du visuel, la piste la plus solide consiste à remonter à l’origine du fichier. C’est l’objet de la norme C2PA (parfois présentée sous le nom Content Credentials) : un appareil ou un logiciel compatible inscrit dans le fichier un historique signé, indiquant comment l’image a été créée et modifiée. Des outils comme Content Credentials Verify permettent d’inspecter ce manifeste.

Deux limites majeures, cependant :

• La couverture reste partielle : une grande partie des images en circulation ne porte aucune chaîne C2PA intacte ;
• Les métadonnées se perdent facilement : une simple capture d’écran, un envoi via messagerie ou une publication sur un réseau social peuvent les effacer.

Conséquence essentielle : l’absence de métadonnées ne prouve pas qu’une image est truquée, pas plus que leur présence ne garantit une photo authentique (une vraie photo retouchée par IA peut passer entre les mailles).

Les filigranes invisibles

Autre approche : le filigrane invisible, inséré dans le contenu au moment de sa génération. Le système SynthID de Google en est l’exemple le plus connu ; il a été adopté par plusieurs acteurs et résiste à un recadrage, à des retouches de couleur ou à une compression modérée. Certains navigateurs permettent désormais de vérifier une image d’un clic droit.

Là encore, la prudence s’impose : un résultat négatif ne signifie pas qu’un contenu est authentique. Le plus souvent, cela veut simplement dire qu’aucun filigrane n’était présent, par exemple parce que l’image a été créée par un outil qui n’en pose pas.

Les outils de détection et leurs faux positifs

Il existe enfin des détecteurs automatiques, qui analysent une image et estiment une probabilité qu’elle soit synthétique. Ils peuvent aider, mais avec de sérieuses réserves :

• Leur fiabilité varie selon le modèle qui a généré l’image, et chute sur des contenus récents ou peu courants ;
• Ils produisent des faux positifs (une vraie photo signalée comme IA) et des faux négatifs (un faux non détecté) ;
• Beaucoup sont des services commerciaux dont les taux de précision ne sont pas validés par des évaluations indépendantes et publiques.

Un verdict de détecteur doit donc être traité comme un indice supplémentaire, pas comme une preuve. Se fier aveuglément à un seul outil peut mener à accuser à tort un photographe ou, à l’inverse, à valider un montage.

Les bons réflexes face à la désinformation

La méthode la plus efficace ne repose pas sur un gadget, mais sur une démarche :

• Cherchez la source d’origine : qui a publié ce contenu en premier, et dans quel contexte ?
• Faites une recherche d’image inversée pour retrouver des versions antérieures ou un démenti ;
• Recoupez avec des médias fiables : un événement réel est rarement illustré par une seule image isolée ;
• Méfiez-vous des contenus qui provoquent une émotion forte : colère ou indignation sont les leviers favoris de la manipulation ;
• Dans le doute, ne partagez pas : mieux vaut attendre que de propager une fausse information.

En combinant observation visuelle, vérification de l’origine et recul critique, on réduit nettement le risque de se faire tromper, sans jamais prétendre à une certitude absolue.

Ce qu’il faut retenir

• Aucune méthode n’est fiable à 100 % : il faut croiser plusieurs signaux avant de conclure.
• Les indices visuels (mains, textes, reflets, incohérences) aident, mais se raréfient avec le progrès des modèles.
• Les métadonnées C2PA et les filigranes (comme SynthID) renseignent sur l’origine, mais disparaissent au partage et ne couvrent pas tout.
• Les outils de détection produisent des faux positifs et des faux négatifs : ce sont des indices, pas des preuves.
• Le meilleur réflexe reste de remonter à la source, de faire une recherche inversée et de ne pas partager dans le doute.