Images générées par intelligence artificielle : ce que révèlent les signaux cachés
Une image spectaculaire circule sur les réseaux sociaux, accompagnée d’une légende alarmante. Avant de la partager, il est utile de distinguer les indices visibles des empreintes numériques intégrées au fichier : ils ne répondent pas aux mêmes questions.
Selon Google, SynthID Detector a été ouvert au public le 7 octobre 2026 afin de rechercher des marques dans des images, des vidéos et des fichiers audio. Cet outil élargit l’accès à la vérification, mais son résultat renseigne sur la provenance, pas automatiquement sur l’authenticité de toute la scène.
Repères pour lire un signal :
- Présence éventuelle d’un filigrane numérique intégré au média
- Différence entre provenance technique et vérité de la légende
- Résultat dépendant de l’outil ayant créé le fichier
- Vérification complémentaire du lieu, de la date et du contexte
Le portail reprend un principe présenté par Google en mai 2025 auprès de testeurs, notamment des journalistes, des chercheurs et des professionnels des médias. Son ouverture mondiale, annoncée en anglais, facilite désormais l’accès à cette recherche au-delà de ces premiers cercles.
| Signal observé | Ce qu’il peut indiquer | Ce qu’il ne prouve pas |
|---|---|---|
| Filigrane SynthID détecté | Une marque associée à un contenu pris en charge | Que toute la scène a été fabriquée |
| Aucun filigrane retrouvé | Aucune marque reconnue par cet outil | Que l’image est authentique |
| Métadonnées de provenance | Des informations sur l’origine ou les modifications | Que la légende est exacte |
| Artefacts visibles | Des détails pouvant justifier un examen attentif | Une preuve certaine de génération artificielle |
Filigrane dans les pixels : comment fonctionne SynthID
Une fois la provenance prise en compte, il faut comprendre ce que le détecteur recherche. À la différence d’une reconnaissance fondée sur l’apparence, SynthID cherche un signal numérique incorporé au média au moment de sa création.
Une marque imperceptible plutôt qu’un logo visible
Selon Google DeepMind, le filigrane d’image est intégré aux pixels et n’apparaît pas comme une étiquette dans un coin. Pour l’audio, le principe repose sur une marque conçue pour rester inaudible. Le fichier doit être analysé par un système capable de retrouver cette signature.
Cette méthode se distingue des signaux visuels souvent cités, comme des mains déformées, des inscriptions incohérentes ou des reflets étranges. Ces artefacts peuvent attirer l’attention, mais les modèles récents les produisent moins systématiquement. Ils ne constituent donc pas un test stable à eux seuls.
Une résistance annoncée, mais pas universelle
Google présente le marquage des images et des vidéos comme conçu pour résister à des opérations courantes, notamment le recadrage, certains filtres et la compression avec perte. Cela ne signifie pas que chaque transformation préserve la marque dans toutes les circonstances.
Selon l’aide officielle de Gemini, des retouches minimes, des contenus très simples ou des modifications répétées peuvent compliquer la détection. Une capture d’écran ou une copie recompressée ne se comporte pas nécessairement comme le fichier d’origine. La qualité du signal dépend donc aussi du parcours du média.
Étapes courantes de traitement :
- Création de l’image par un outil compatible
- Insertion du signal numérique dans le contenu visuel
- Éventuelles modifications ou republications du fichier
- Analyse du média transmis au détecteur
Détection des images générées : comprendre les limites des outils
Le fonctionnement du filigrane explique pourquoi un résultat négatif ne clôt pas l’enquête. Un détecteur ne peut retrouver que les marques qu’il sait reconnaître, dans les fichiers où elles subsistent.
Une couverture liée aux outils compatibles
Google indique que le portail recherche SynthID dans des contenus produits par ses propres services et par des partenaires annoncés, dont OpenAI, NVIDIA et Kakao. Apple a été mentionné comme partenaire ultérieur. Cette compatibilité ne garantit pas la détection de tous les fichiers issus de chaque entreprise.
La présence du marquage dépend du produit, de la fonction utilisée et du média concerné. La fonction de vérification intégrée à Gemini est distincte du portail public : l’aide de Google précise qu’elle reconnaît actuellement les contenus des outils Google. Il faut donc vérifier quel service a examiné le fichier.
Provenance et authenticité ne sont pas synonymes
Les Content Credentials, fondés sur la norme C2PA, peuvent documenter l’origine et certaines étapes de traitement d’un fichier. Selon la C2PA, la validation de ces informations ne constitue pas un jugement sur la véracité du contenu. Une provenance documentée ne certifie ni la légende ni le contexte.
Imaginons une photographie réelle dont le ciel a été remplacé par une création artificielle. La détection peut signaler une intervention, sans établir si les bâtiments sont réels, où la photo a été prise ou si sa date est correcte. Un indice sur la fabrication ne remplace pas la vérification journalistique.
Questions utiles devant un résultat :
- Quel détecteur a analysé le fichier transmis ?
- Le média a-t-il été recadré ou recompressé ?
- La marque concerne-t-elle une partie ou l’ensemble du contenu ?
- La légende est-elle confirmée par d’autres sources ?
| Méthode | Information recherchée | Limite principale |
|---|---|---|
| SynthID Detector | Présence d’un filigrane compatible | Ne couvre pas toutes les générations de modèles |
| Content Credentials | Provenance et étapes documentées | Ne confirme pas la vérité du récit associé |
| Examen visuel | Incohérences ou détails suspects | Les modèles corrigent progressivement certains défauts |
| Recherche inversée | Publications antérieures et contexte disponible | Les copies modifiées peuvent compliquer les correspondances |
Vérifier une image avant de la partager
Ces limites invitent à intégrer le détecteur dans une démarche plus large, plutôt qu’à lui demander un verdict définitif. Pour un lecteur comme pour une petite rédaction, quelques vérifications simples réduisent le risque de relayer une image trompeuse.
Conserver le fichier et retracer sa circulation
Commencez par retrouver, si possible, la publication d’origine et conservez son lien. Un fichier téléchargé directement et une copie republiée plusieurs fois peuvent différer, notamment par leur compression ou leurs métadonnées. Cette distinction aide à interpréter une détection absente.
Vérifiez ensuite l’image avec l’outil disponible et consignez le résultat, le nom du service ainsi que la version du fichier examinée. Une réponse positive, négative ou incertaine ne permet pas la même formulation. Évitez notamment de présenter un résultat négatif comme une certification d’authenticité.
Recouper le contexte avant toute republication
Recherchez si l’image est apparue auparavant, puis confrontez la date, le lieu et la légende à des sources indépendantes. Pour une scène d’actualité, des articles locaux, des images comparables ou des déclarations des personnes concernées peuvent apporter des éléments que le filigrane ne fournit pas.
La prudence compte particulièrement lorsque le partage peut nuire à quelqu’un ou amplifier une rumeur. Si le doute persiste et que l’enjeu est important, demandez l’origine du fichier ou attendez des confirmations. Dans une publication, décrivez le contrôle réalisé au lieu d’affirmer qu’une image est « certifiée vraie ».
Contrôles avant republication :
- Retrouver la source la plus proche du fichier original
- Noter l’outil utilisé et le résultat exact
- Comparer la date, le lieu et la légende avec des sources fiables
- Signaler toute incertitude au lieu de la masquer
Empreintes numériques et signaux visuels : lire les résultats avec méthode
Après les contrôles pratiques, le point décisif reste la manière de communiquer ce que l’on sait. Un outil peut signaler une trace de génération, mais il ne détermine pas seul l’intention de l’auteur ni l’usage fait de l’image.
Les informations fournies décrivent aussi des travaux techniques publiés en 2025 sur SynthID-Image, notamment des essais de qualité visuelle et de résistance à certaines transformations. Ces résultats concernent une variante évaluée dans un cadre de recherche et de partenariat ; ils ne valent pas test indépendant du portail public.
OpenAI a également annoncé l’usage de signaux de provenance, notamment des Content Credentials et SynthID, pour des images prises en charge par ChatGPT, Codex et son API. Ces dispositifs complètent les métadonnées, qui peuvent disparaître lors de certaines opérations comme une capture d’écran. Leur présence n’abolit toutefois pas les limites de couverture.
Pour un média, une formulation précise protège la confiance du lecteur : « un filigrane compatible a été détecté » décrit un constat, tandis que « cette image est fausse » dépasse ce que le résultat établit. La détection apporte un élément de preuve à examiner, pas un verdict sur la réalité.
Sources : Google, annonce de l’ouverture de SynthID Detector, 7 octobre 2026 ; Google DeepMind, présentation de SynthID ; C2PA, document explicatif sur les Content Credentials.
Rester informé comme un choix réfléchi, pas comme un réflexe
Qu'il s'agisse de croiser une source, de vérifier une image ou de prendre du recul émotionnel, chaque geste de vérification mérite d'être cultivé. Comprendre les mécanismes réels de la désinformation permet d'en tirer aussi un bénéfice concret : une lecture plus sereine de l'actualité et une meilleure résistance aux manipulations.
Pour aller plus loin
- Vérifier l'adéquation entre l'émotion suscitée et la rigueur des faits avancés
- Comparer la source avec d'autres médias reconnus avant de la croire
- Anticiper le biais de confirmation qui pousse à ne croire que ce qui nous arrange
- Privilégier les organismes de fact-checking dès le moindre doute
