Comment savoir si une photo est générée par IA ?

Commencez par écrire ce que la photo est censée prouver

Avant d’agrandir les pixels, formulez l’affirmation à vérifier. La photo est-elle présentée comme une scène prise aujourd’hui, comme le portrait d’une personne précise, comme la preuve d’un dommage ou simplement comme une illustration ? Une même image peut être authentique et pourtant accompagner une légende fausse.

Cette distinction évite une conclusion trop large. Une recherche peut montrer qu’une photographie existait déjà trois ans plus tôt sans dire si elle a été retouchée. À l’inverse, un signal de génération par IA ne permet pas d’identifier l’auteur, le lieu ou l’intention de publication.

• Notez la légende, le compte, l’URL et la date de consultation.
• Séparez la question sur le fichier de la question sur l’événement raconté.
• Définissez ce qui changerait votre décision et les éléments encore manquants.

Conservez la meilleure copie disponible

Téléchargez légalement le fichier le plus ancien et le mieux défini auquel vous avez accès. Évitez de le réenregistrer dans une messagerie ou un éditeur : une nouvelle compression peut supprimer des métadonnées et créer des bords qui ressemblent à des anomalies. Gardez aussi la capture de la publication complète, car le nom du compte, l’heure et le texte donnent un contexte que le fichier seul ne contient pas.

Si vous ne disposez que d’une capture d’écran, conservez-la, mais notez cette limite. Les éléments de l’interface, le redimensionnement et la compression font partie de la copie analysée. Ils peuvent réduire la valeur d’une recherche technique sans rendre le document inutile.

Recherchez l’image entière, puis les détails utiles

Une recherche visuelle peut retrouver des pages qui utilisent la même image ou une version proche. Google Lens accepte un fichier, une URL ou une image présente sur une page. Commencez par la photo entière, puis essayez des recadrages qui isolent un bâtiment, un vêtement, un véhicule ou un arrière-plan distinctif.

Comparez les dates, les cadrages et les légendes. Une publication ancienne peut révéler qu’une photo réelle a été recyclée pour un autre événement. L’absence de résultat ne prouve pas que l’image est nouvelle ou synthétique : elle peut ne pas avoir été indexée, être privée ou avoir été fortement modifiée.

• Aide Google : effectuer une recherche à l’aide d’une image
• Aide Google : obtenir des informations sur une image

Remontez à la source plutôt qu’au premier compte qui l’a partagée

Le premier résultat de recherche n’est pas forcément la source. Ouvrez les pages, vérifiez leurs dates et cherchez la publication la plus ancienne que vous puissiez confirmer. Comparez la photo avec d’autres images du même lieu ou du même événement et regardez si une agence, une institution ou l’auteur supposé a publié une version complète.

Quand l’outil « À propos de cette image » est disponible, il peut indiquer depuis quand Google voit une image similaire et comment d’autres sites la décrivent. Utilisez ces informations comme des pistes. Elles ne remplacent pas la lecture des pages ni la vérification de leur fiabilité.

Lisez les métadonnées et les Content Credentials avec prudence

Les métadonnées classiques peuvent indiquer un appareil, un logiciel ou une date, mais elles peuvent être modifiées ou supprimées. Une date EXIF n’est donc pas une preuve autonome. Vérifiez qu’elle est cohérente avec le reste du dossier et ne concluez rien de définitif lorsqu’elle manque.

Les Content Credentials fondées sur le standard C2PA peuvent enregistrer de façon signée des informations de provenance et certaines modifications. Leur validation peut apporter un élément utile sur l’historique déclaré du fichier. Elle ne garantit pas que toute la chaîne de sources soit disponible. Inversement, l’absence de credentials ne prouve pas une génération par IA : les plateformes, captures et exports peuvent retirer ces données.

• C2PA : questions fréquentes sur les Content Credentials

Traitez les défauts visuels comme des questions, pas comme un verdict

Des doigts incohérents, un texte déformé, un reflet impossible ou un contour instable peuvent justifier une vérification. Aucun de ces détails n’est une signature universelle. Les générateurs récents réussissent parfois ces éléments, tandis qu’une vraie photo compressée, prise en mode portrait ou retouchée classiquement peut paraître étrange.

Transformez l’anomalie en vérification concrète. Si un logo paraît incorrect, comparez-le avec des images officielles. Si l’éclairage semble impossible, cherchez d’autres vues de la scène. La question utile n’est pas « est-ce bizarre ? », mais « quelle observation indépendante pourrait confirmer ou contredire ce détail ? ».

• Ne déclarez pas une photo réelle parce que les mains sont réussies.
• Ne déclarez pas une photo synthétique à cause d’un seul bord ou reflet.
• Distinguez une génération complète, une retouche locale et une fausse légende.

Utilisez le détecteur comme un signal séparé

Un détecteur compare le fichier transmis avec les caractéristiques apprises sur des images réelles et synthétiques. Son résultat dépend notamment du modèle, de la qualité du fichier et des transformations subies. Il peut produire des faux positifs et des faux négatifs. Un score élevé justifie un examen plus poussé ; un score faible ne certifie ni la photo ni ce qu’elle raconte.

Dans DeepfakePolicy, l’analyse standard présente le résultat du détecteur, les informations disponibles sur le fichier et les limites de l’examen. Elle ne réalise pas automatiquement une recherche d’image inversée. Depuis le rapport, vous pouvez ajouter une recherche dans les sources publiques contre des crédits supplémentaires, ou effectuer votre propre recherche visuelle. Gardez ces constats séparés dans votre conclusion.

Le rapport ne constitue pas une expertise universelle de retouche et ne permet pas d’affirmer qu’une photo a ou n’a pas été modifiée dans Photoshop. Il ne révèle pas non plus l’identité ou l’intention de la personne qui a créé ou publié le fichier.

• Ouvrir le détecteur d’images IA
• NIST : panorama des techniques de transparence des contenus synthétiques

Exemple fictif : une vraie photo, mais une mauvaise légende

Imaginons une photo partagée dans un groupe avec la légende « la rue principale après l’orage de ce matin ». Vous conservez le message et le fichier reçu. Une recherche sur l’image entière ne donne rien de clair, mais un recadrage du bâtiment au fond retrouve un article publié deux ans plus tôt dans une autre ville.

Le fichier transmis ne contient pas de provenance exploitable et l’analyse technique ne fournit pas de signal assez solide pour conclure à une génération par IA. La conclusion raisonnable n’est donc ni « photo authentique » ni « photo IA ». Vous pouvez établir que cette copie a été utilisée avec un contexte qui ne correspond pas à la source retrouvée. La question d’une éventuelle retouche reste ouverte.

Si l’image déclenche un paiement, une sanction, un refus de dossier ou une accusation, arrêtez la décision automatique. Conservez les sources, faites relire le dossier et cherchez l’original auprès de l’auteur ou de l’organisme concerné.

Rédigez une conclusion qui dit ce qui est établi

Terminez par trois blocs courts : ce que vous avez observé, ce que les sources externes confirment et ce qui reste incertain. Indiquez la copie examinée, la date, les outils utilisés et les limites. Évitez les formulations « prouvé réel » ou « fraude confirmée » lorsqu’un seul signal technique est disponible.

Une bonne conclusion mène à une action proportionnée : demander le fichier original, contacter la source par un canal indépendant, conserver l’image sans la repartager, ou transmettre le dossier à une personne compétente. Le but n’est pas de produire une certitude artificielle, mais de rendre la prochaine vérification évidente.

• Établi : faits directement visibles ou confirmés par une source vérifiable.
• Signal : résultat technique avec son incertitude et ses limites.
• Ouvert : information absente, contradictoire ou impossible à vérifier avec les éléments disponibles.