Une image réaliste circule, accompagnée d’une légende très précise. Peut-on savoir si elle a été produite avec une IA ? Google élargit l’accès à SynthID Detector, son outil de recherche de filigranes imperceptibles dans les médias. Dans sa présentation mise à jour le 29 octobre, l’entreprise décrit une disponibilité mondiale en anglais et une prise en charge des contenus de plusieurs partenaires.
Le résultat peut apporter un indice utile sur la fabrication d’un fichier. Il ne répond pas, à lui seul, à la question la plus importante : l’histoire racontée avec ce fichier est-elle exacte ?
Une vérification fondée sur un marquage
Dans la présentation de Google DeepMind, SynthID repose sur des filigranes intégrés aux images, vidéos et sons générés. Le Detector permet de vérifier les contenus issus de Google ou des partenaires cités, dont OpenAI, NVIDIA, Kakao et Apple. L’annonce initiale est datée du 7 octobre et le texte a été actualisé le 29. Il faut donc distinguer cette ouverture documentée des outils qui prétendent deviner l’origine de n’importe quel fichier uniquement à partir de son apparence.
Cette différence fixe la portée du service. La recherche d’un marquage reconnu ne constitue pas un examen universel de toutes les images présentes sur Internet. Une absence de signal ne doit pas être transformée en certificat d’authenticité.
Le lecteur doit aussi examiner la formulation du résultat affiché. Une détection, une incertitude ou une absence de correspondance ne décrivent pas la même situation. Résumer tous les cas par « vrai » ou « faux » efface précisément les limites utiles.
L’origine du média et le sens de sa légende restent séparés
Une photographie réalisée avec un appareil peut être présentée comme récente alors qu’elle date de plusieurs années. Elle peut montrer le bon lieu sans correspondre à l’événement évoqué. Aucun filigrane de génération n’est nécessaire pour produire ce type de tromperie.
À l’inverse, une illustration créée avec une IA peut accompagner un article exact si son rôle est compris. Le problème apparaît lorsqu’elle est utilisée comme la preuve visuelle d’un événement qu’elle ne documente pas. La qualité du rendu ne permet pas de résoudre cette confusion.
La vérification doit donc porter aussi sur la source de publication, la date et le contexte. Qui diffuse le fichier ? Où la scène est-elle censée se dérouler ? Existe-t-il des informations indépendantes qui confirment ce qui est annoncé ? Ces questions gardent leur valeur même après un passage dans un détecteur.
Comparer les fichiers ne suffit pas toujours
Les retouches et les versions successives compliquent l’examen. Un média peut avoir été recadré, réencodé ou intégré à un montage. Il est utile de rechercher la version d’origine lorsqu’elle est disponible, plutôt que de travailler uniquement sur une capture reçue dans une conversation.
La méthode rejoint les précautions décrites pour comparer deux versions avec une IA. Ce que l’outil ne signale pas peut compter autant que ce qu’il détecte. La lecture humaine doit conserver les éléments qui pourraient modifier l’interprétation.
Il faut également éviter de multiplier les envois à des services inconnus. Un fichier professionnel ou privé peut contenir des informations qui ne doivent pas être téléversées sans examen. Le choix de l’outil et les conditions d’utilisation font partie de la décision.
Le nom du fichier peut enfin tromper sur son origine. Une copie renommée ou reçue plusieurs fois peut avoir perdu les informations qui accompagnaient la première publication. Retrouver cette chaîne de diffusion aide à comprendre ce qui est réellement examiné.
Un indice à ranger dans une enquête plus large
Pour un usage courant, le résultat peut être conservé avec le fichier examiné et la date du contrôle. Cette trace aide à expliquer ce qui a été vérifié, sans prétendre avoir établi davantage. Un lien vers un résultat ou une capture doit rester relié à la bonne version du média.
Les équipes éditoriales peuvent aussi définir plusieurs niveaux de confiance. Une illustration, une photographie de contexte et une image présentée comme preuve n’appellent pas le même travail de vérification. Le risque vient souvent du rôle attribué au visuel, pas seulement de sa méthode de création.
SynthID Detector élargit l’accès à un contrôle auparavant plus spécialisé. C’est un apport utile dans un environnement où les fichiers se fabriquent et se transforment facilement. Sa meilleure utilisation reste mesurée : documenter un indice de provenance, puis poursuivre les vérifications sur le contexte et sur les affirmations que l’image est censée soutenir.
Je suis Romain, rédacteur passionné par tout ce qui touche au high-tech, à la crypto, et à l’innovation. Diplômé d’une école de marketing à Paris, je mets ma plume au service des dernières tendances et avancées technologiques.
