Repérer une image générée par intelligence artificielle : méthodes de vérification accessibles

18/11/2026

Pourquoi l’identification d’une image générée par IA demande de la méthode

Une image produite ou retouchée par une intelligence artificielle peut aujourd’hui imiter une photographie, une illustration, une affiche publicitaire ou un visuel destiné aux réseaux sociaux. La difficulté ne consiste donc plus seulement à repérer une anomalie spectaculaire. Il faut établir un faisceau d’indices, vérifier l’origine du fichier et comparer l’image avec des sources indépendantes.

Cette précaution est importante pour les entrepreneurs, les indépendants et les salariés. Une fausse image peut être utilisée dans une publicité, une présentation commerciale, un dossier de candidature, une publication professionnelle ou une fausse information liée à une marque. La partager sans vérification peut nuire à la réputation d’une personne ou d’une organisation, voire contribuer à une escroquerie.

Aucun indice isolé ne permet de conclure avec certitude dans tous les cas. Une main bien dessinée, un texte incohérent ou une lumière étrange peuvent signaler une génération artificielle, mais une photographie compressée, retouchée ou prise dans de mauvaises conditions peut présenter les mêmes défauts. Les outils de détection automatisée donnent des indications, pas une preuve définitive.

Commencer par examiner les détails que les générateurs maîtrisent moins bien

La première vérification est visuelle. Elle ne nécessite pas de logiciel spécialisé, mais elle doit être réalisée à une taille suffisante. Ouvrez l’image dans sa résolution la plus élevée disponible et observez les zones complexes : mains, visages, bijoux, objets en arrière-plan, enseignes, écrans et textes imprimés.

Les signes suivants méritent une attention particulière :

  • Les mains et les doigts : nombre de doigts incohérent, articulations peu naturelles, doigts fusionnés ou position impossible.
  • Les textes : lettres déformées, mots proches d’un terme réel mais dépourvus de sens, typographie qui change au sein d’une même enseigne.
  • Les visages : oreilles asymétriques, lunettes qui se fondent dans la peau, dents trop régulières, boucles d’oreilles différentes ou contours du visage instables.
  • Les objets : montres sans cadran cohérent, fermetures impossibles, câbles qui disparaissent, poignées mal raccordées ou meubles dont la perspective ne correspond pas à la pièce.
  • Les ombres et les reflets : ombre orientée dans une autre direction que la lumière principale, reflet absent dans une vitre ou miroir, surface brillante qui ne reflète pas correctement son environnement.
  • Les répétitions : personnes qui semblent avoir des vêtements identiques, motifs copiés dans le décor ou arrière-plan composé d’éléments similaires.

Zoomez ensuite sur les bords. Une silhouette générée peut présenter un contour flou, une mèche qui se prolonge dans un objet ou une transition anormale entre le sujet et l’arrière-plan. Ces indices sont utiles, mais ils ne suffisent pas si l’image a été redimensionnée, filtrée ou retravaillée.

Analyser la cohérence de la scène avant de chercher un outil

Une image crédible raconte une scène cohérente. Posez-vous des questions simples : la source lumineuse est-elle la même pour tous les éléments ? Les personnes ont-elles une posture compatible avec leur environnement ? La profondeur de champ correspond-elle à la distance des objets ? Les inscriptions sont-elles réellement lisibles ?

Pour un visuel professionnel, examinez également la cohérence du message. Une image censée représenter un lieu précis doit-elle montrer une architecture, une signalétique ou un paysage identifiable ? Les vêtements, les véhicules et les objets visibles correspondent-ils à l’époque annoncée ? Une publication qui affirme qu’une image montre un événement récent doit être comparée avec les comptes rendus, les photographies prises sous d’autres angles ou les archives disponibles.

Il est utile de séparer deux questions souvent confondues : l’image est-elle générée par IA ? et la légende est-elle vraie ? Une photographie authentique peut être associée à un faux contexte. À l’inverse, une illustration générée peut être utilisée de manière transparente dans une campagne ou un article. Vérifier l’image implique donc d’examiner à la fois sa fabrication et l’affirmation qui l’accompagne.

Consulter les informations techniques du fichier

Les métadonnées peuvent apporter un indice sur l’origine d’une image. Sur un ordinateur, les propriétés du fichier permettent parfois de voir sa date de création, son logiciel d’enregistrement, ses dimensions et son profil colorimétrique. Certaines images conservent également des informations EXIF, notamment lorsqu’elles proviennent d’un appareil photo ou d’un smartphone.

Un logiciel associé à la génération ou à la retouche d’image peut attirer l’attention, mais son absence ne prouve rien. Les plateformes sociales suppriment souvent une partie des métadonnées lors de la mise en ligne. Une capture d’écran, une conversion en JPEG ou un simple passage par un outil de compression peut également les faire disparaître.

Le standard C2PA, soutenu par une communauté d’acteurs de la création numérique et de la technologie, permet d’associer à un fichier des informations de provenance signées. Ces informations peuvent indiquer qu’une image a été créée, modifiée ou exportée avec certains outils. Elles sont plus solides qu’une simple indication inscrite dans le nom du fichier, car elles reposent sur une chaîne de provenance vérifiable. Toutefois, leur absence ne signifie pas que l’image est authentique. Une personne peut produire une photographie réelle sans utiliser ce standard, et des métadonnées peuvent être perdues au cours de la diffusion.

Dans un contexte professionnel, conservez le fichier original reçu, son nom, la date de téléchargement et la source déclarée. Cette précaution facilite une vérification ultérieure et évite de travailler uniquement à partir d’une capture d’écran.

Retrouver l’origine grâce à la recherche d’image inversée

La recherche d’image inversée consiste à soumettre une image, ou une partie de celle-ci, à un moteur capable de retrouver des occurrences visuelles similaires. L’objectif n’est pas seulement de savoir si l’image est générée par IA. Il s’agit surtout de repérer sa première apparition connue, des versions antérieures ou une légende différente.

La démarche peut être menée en plusieurs étapes :

  1. Enregistrez l’image dans sa meilleure qualité disponible.
  2. Effectuez une recherche avec l’image entière.
  3. Recommencez en recadrant un élément distinctif : bâtiment, logo, objet, visage ou arrière-plan.
  4. Comparez les dates de publication, les légendes et les recadrages.
  5. Recherchez des sources indépendantes qui décrivent le même événement.

Un résultat ancien ne prouve pas que l’image est fausse. Il peut simplement s’agir de la première copie encore indexée. En revanche, une image présentée comme prise lors d’un événement récent, mais retrouvée dans un contexte antérieur sans rapport, constitue un signal fort de réutilisation trompeuse.

La recherche peut échouer si l’image est inédite, très recadrée, privée, peu indexée ou fortement modifiée. Elle doit donc être combinée avec l’examen des détails, des métadonnées et de la source de publication.

Comparer plusieurs détecteurs sans leur attribuer une certitude excessive

Des services spécialisés évaluent la probabilité qu’une image ait été générée ou modifiée par une IA. Leur fonctionnement varie : certains analysent les pixels, d’autres recherchent des caractéristiques statistiques ou des signatures associées à certains modèles. Ces outils peuvent être utiles pour établir une première hypothèse, en particulier lorsqu’une image est présentée comme une photographie documentaire.

Le résultat doit cependant être interprété avec prudence. Les performances dépendent du générateur utilisé, de la résolution, du recadrage, de la compression et des retouches. Une image réelle peut être classée à tort comme artificielle après un traitement important. Une image générée peut, elle, échapper à la détection après plusieurs modifications.

Pour limiter les erreurs :

  • utilisez plusieurs analyses plutôt qu’un seul score ;
  • conservez les résultats et la date de l’analyse ;
  • ne transformez pas une probabilité en affirmation certaine ;
  • vérifiez si l’outil indique ses limites et le type d’images évaluées ;
  • ne téléversez pas de documents confidentiels, de données personnelles ou de visages privés sans avoir examiné les conditions du service.

Le National Institute of Standards and Technology, aux États-Unis, étudie les risques et les limites des méthodes de détection des contenus synthétiques. Ses travaux rappellent qu’une évaluation fiable dépend du contexte, des données utilisées et de la résistance des outils aux transformations.

Évaluer la source, le compte et le contexte de publication

L’image ne doit jamais être séparée de la personne ou du compte qui la diffuse. Vérifiez la date de création du compte, son historique, la présence d’une source précise et la cohérence de ses publications antérieures. Un profil récemment créé, qui publie de nombreuses images sensationnelles sans indication de lieu ni de date, mérite davantage de prudence qu’une publication documentée et recoupée.

Examinez le vocabulaire employé dans la légende. Les formules très générales, l’absence de lieu exact, les dates contradictoires et l’appel à partager rapidement sont des signaux de faible fiabilité. Une image censée montrer une décision publique, un produit, un accident ou une personnalité doit être confrontée à des sources primaires ou à plusieurs sources indépendantes.

Pour une utilisation commerciale, demandez au fournisseur du visuel :

  • quelle est l’origine du fichier ;
  • quels outils ont servi à le créer ou à le modifier ;
  • si des personnes réelles ou des éléments protégés apparaissent ;
  • quels droits d’utilisation sont accordés ;
  • si une mention de contenu généré ou retouché doit être conservée.

Cette vérification ne répond pas uniquement à la question de l’authenticité. Elle concerne aussi le droit à l’image, les droits d’auteur, la transparence envers le public et le risque de présenter une représentation fictive comme une scène réelle.

Mettre en place une procédure simple pour une entreprise ou une équipe

Une petite structure peut formaliser une vérification sans acheter immédiatement un outil spécialisé. L’essentiel est de définir quand un contrôle est nécessaire et quelles traces doivent être conservées.

Une procédure opérationnelle peut suivre ce modèle :

  1. Classer le niveau de risque : un visuel décoratif n’appelle pas le même contrôle qu’une image utilisée pour une preuve, une actualité, une publicité ou une décision commerciale.
  2. Identifier la source : conserver l’URL de publication dans les documents internes, le nom du compte, la date et le fichier reçu, sans diffuser de données personnelles inutilement.
  3. Examiner l’image : vérifier les mains, textes, ombres, perspectives, reflets et détails répétitifs.
  4. Contrôler la provenance : consulter les métadonnées disponibles et rechercher une signature de provenance, sans considérer son absence comme une preuve.
  5. Effectuer une recherche inversée : tester l’image entière puis un ou deux recadrages.
  6. Obtenir une validation humaine : demander un second regard lorsqu’une publication peut engager la réputation, les finances ou la sécurité.
  7. Documenter la décision : noter les indices observés, les résultats obtenus et le niveau de confiance retenu.

Dans une charte éditoriale ou marketing, il est pertinent de préciser qu’une image illustrative peut être utilisée si elle est présentée comme telle, mais qu’elle ne doit pas être présentée comme la photographie d’un fait réel sans vérification. Cette distinction protège le public et réduit les malentendus.

Les erreurs fréquentes qui conduisent à une mauvaise conclusion

La première erreur consiste à croire qu’une image artificielle comporte toujours des défauts évidents. Les modèles progressent et les retouches humaines peuvent corriger certains détails. La deuxième consiste à croire qu’une photographie réaliste est nécessairement authentique. Une image peut être générée avec un haut niveau de réalisme ou combiner une photographie réelle et des éléments artificiels.

La troisième erreur est de confondre les signes de compression avec les signes de génération. Des blocs, du flou ou des contours irréguliers peuvent apparaître après l’envoi dans une messagerie ou la publication sur une plateforme. La quatrième est de se fier à un score isolé produit par un détecteur dont la méthode et les limites sont inconnues.

Enfin, il ne faut pas modifier l’image avant de conserver l’original. Les recadrages et annotations sont utiles pour l’analyse, mais ils peuvent supprimer des métadonnées ou compliquer la comparaison avec d’autres versions. Conservez donc toujours une copie intacte, puis travaillez sur des duplicatas.

FAQ : vérifier une image générée par IA

Un défaut dans les doigts suffit-il pour conclure ?

Non. C’est un indice, pas une preuve. Une photographie floue, une main masquée ou une déformation optique peut produire un résultat comparable. Il faut croiser cet indice avec la provenance, le contexte, les métadonnées et une recherche d’image.

Une image sans métadonnées est-elle forcément générée par IA ?

Non. Les réseaux sociaux, les messageries, les captures d’écran et les logiciels de compression suppriment fréquemment ces informations. L’absence de métadonnées signifie seulement que cette piste n’est pas exploitable.

Les détecteurs en ligne donnent-ils une réponse certaine ?

Non. Ils fournissent généralement une estimation qui peut varier selon la résolution, le recadrage, les retouches et le modèle de génération. Utilisez-les comme un élément parmi d’autres et conservez une formulation prudente.

Que faire si l’image présente un risque de fraude ?

Ne la relayez pas. Conservez le fichier et les informations de publication, vérifiez les faits auprès de sources indépendantes et demandez un avis professionnel si l’image concerne un paiement, un contrat, une usurpation d’identité ou une atteinte potentielle aux droits d’une personne.