– Plus réalistes que jamais, rapidement produits et souvent difficiles à distinguer : les médias générés par l’IA inondent les réseaux sociaux. Cependant, plusieurs méthodes permettent de les identifier.
Les intelligences artificielles continuent d’apprendre à un rythme sans précédent, atteignant des niveaux de sophistication tels que la simple identification d’anomalies visuelles ne suffit plus. Une étude de l’Université de la Ruhr à Bochum, de l’Université Leibniz de Hanovre et de la TU Berlin révèle que distinguer les médias générés par l’IA de ceux créés par des humains est devenu un véritable défi.
Henk Van Ess, en collaboration avec le Global Investigative Journalism Network, a publié en septembre 2025 un guide destiné aux journalistes pour les aider à reconnaître ces médias. Évaluateur au sein du Poynter International Fact-Checking Network et membre de l’organisation Bellingcat, il souligne que « les vérifications traditionnelles prennent des heures, voire des jours, tandis que la création d’informations erronées par une IA se fait en quelques minutes ».
Loin de se limiter à une identification unique, il est désormais crucial d’évaluer les probabilités. Van Ess préconise ainsi l’élaboration de standards permettant de créer et de vérifier des preuves audiovisuelles. Au total, il identifie sept catégories de détection de l’IA et propose un processus en trois étapes pour les journalistes, dont certaines méthodes sont applicables au-delà de leur cadre.
1. Vérification initiale
Van Ess conseille de commencer par un « Red Flag Check » de trente secondes qui repose sur un ressenti immédiat lié à l’esthétique et à la qualité. Ce premier regard devrait se concentrer sur des éléments qui semblent « trop parfaits pour être vrais », comme des personnes trop bien maquillées pour certaines situations ou une peau d’une douceur irréelle.
Ensuite, une vérification technique de cinq minutes suit, examinant l’anatomie, la symétrie sans influence d’environnement naturel, la texture de la peau, ainsi que d’autres détails. Enfin, une analyse approfondie vise à identifier des points de vérification, permettant d’évaluer la probabilité, même en l’absence de preuves définitives.
2. Anomalies physiques
Pour repérer les erreurs de l’IA, il est essentiel de comprendre son mode de fonctionnement. Contrairement à un photographe, l’IA compose des images comme un artiste du collage. Elle saisit les éléments visuels, mais pas forcément les règles géométriques et physiques qui régissent la lumière et les ombres dans la réalité. Lors de l’analyse de paysages, la vérification des points de fuite est primordiale.
3. Importance du contexte
Étant donné que l’IA génère des images à partir de motifs visuels, il est vital de remettre en question la logique et les relations spatiales, temporelles et circonstancielles des images. Par exemple, le temps qu’il fait doit correspondre à l’équipement des individus et à la lumière. Les détails en arrière-plan sont également essentiels ; l’Office fédéral de la sécurité informatique met en garde contre des_incohérences dans ces derniers.
4. Vidéo et audio
L’IA peut créer des fichiers audio complets à partir de quelques échantillons sonores, mais ces productions présentent souvent des caractéristiques révélatrices, telles qu’un rythme anormal de parole ou une monotonie. Van Ess recommande d’utiliser des outils comme le « Hiya Deepfake Voice Detector » pour analyser ces contenus.
5. Comportements humains
L’appréhension des comportements humains par les IA reste limitée. En groupe, des personnes de même âge ou d’apparence similaire peuvent indiquer une création synthétique. L’observation des regards peut aussi trahir une manipulation, comme un trop grand nombre de personnes fixant la caméra de manière peu naturelle.
Absence de certitudes absolues
Dans le but d’offrir un outil universel, Van Ess a développé Image Whisperer, un outil assisté par IA qui évalue si une image a été générée par une machine. Bien que cet outil puisse fournir des analyses basées sur des signatures mathématiques, il reste incapable de garantir une certitude à 100 %.
Points à retenir
- Les médias générés par l’IA se distinguent de moins en moins des créations humaines.
- Les vérifications de contenus doivent s’orienter vers l’évaluation des probabilités, et non plus seulement vers l’identification.
- L’analyse des détails physiques et du contexte est essentielle pour détecter les erreurs d’IA.
- Des outils comme le « Hiya Deepfake Voice Detector » peuvent aider à analyser les contenus audio.
- Le comportement des personnages dans les images et vidéos peut fournir des indices sur leur authenticité.
En tant que passionné de communication et d’éthique, je me demande souvent : comment pouvons-nous garantir l’authenticité des contenus dans un monde où la technologie nous épate tout en nous défiant ? L’évolution rapide des outils d’IA remet en question notre rapport à l’information et à ses sources. La vigilance est plus que jamais de mise, et il nous appartient de naviguer avec prudence dans ce paysage numérique en constante transformation.