Vérifier si une image a été générée par IA : ce que les détecteurs voient, et ce qu'ils ne voient pas

La détection d'image ne fonctionne pas en reconnaissant des sujets ou en repérant des doigts en trop. Elle analyse une structure statistique de bas niveau : distribution du bruit, artefacts fréquentiels, traces laissées par le processus de suréchantillonnage d'un générateur. Ces signaux sont invisibles à l'œil et résistent à une retouche légère — c'est pourquoi un détecteur peut signaler une image d'apparence parfaitement banale, et tout aussi bien laisser passer une image manifestement synthétique pour un œil humain.

La cause la plus fréquente d'un résultat peu fiable est que le fichier a subi une recompression. Une capture d'écran d'une capture d'écran, une image enregistrée depuis une application de messagerie, ou une photo réencodée par un réseau social ont vu la structure de bas niveau dont dépendent les détecteurs partiellement effacée. Testez toujours l'original de la meilleure qualité disponible. Si vous ne disposez que d'une vignette téléchargée, la réponse honnête est que le fichier ne peut tout simplement pas être évalué.

Les formats courants comme le JPG, le PNG ou le WebP ne conservent pas la même quantité de signal exploitable. Les formats sans perte en gardent davantage ; une compression JPEG poussée en efface davantage. La résolution joue pour la même raison : une petite image contient moins de preuve statistique. C'est pourquoi une même photo peut donner des résultats différents selon sa taille — non pas parce que le détecteur est incohérent, mais parce que chaque fichier contient réellement une quantité de preuve différente.

Les détecteurs et les humains se trompent différemment, ce qui les rend complémentaires. L'humain excelle à repérer l'impossible sur le plan sémantique : un texte qui se dissout en formes, des reflets incohérents entre eux, un bijou qui se confond avec la peau, des ombres tombant dans des directions incompatibles. Le détecteur excelle à repérer un résidu statistique qu'aucun regard ne remarque. Combiner les deux, et considérer un désaccord entre eux comme un signal à approfondir, est bien plus fiable que de se fier à l'un seul.

Quand elle est disponible, la preuve de provenance l'emporte sur n'importe quel score. Où le fichier est-il apparu pour la première fois, qui l'a publié, l'auteur d'origine a-t-il un historique, existe-t-il une version antérieure ailleurs, les métadonnées intégrées ont-elles survécu. Une recherche d'image inversée qui retrouve la photo publiée deux ans plus tôt tranche la question comme aucun pourcentage ne le peut. La détection est la plus utile précisément quand la provenance fait défaut — et c'est aussi là qu'il faut la présenter avec son incertitude.

Si un jugement doit être partagé ou avoir des conséquences, consignez ce que vous avez testé et ce que vous avez trouvé : la version du fichier, sa résolution et son format, le score, les anomalies visuelles relevées, et toute preuve de provenance. Des outils comme NotGPT renvoient une probabilité pour une image téléversée, et conserver un bref historique des vérifications rend les résultats comparables dans le temps. Une conclusion qui consigne son propre fondement peut être réexaminée ; un simple pourcentage lâché dans un message de chat ne le peut pas.