On ne peut plus repérer de façon fiable une image générée par IA à l'œil nu. La bonne question en 2026, c'est : d'où vient le fichier ? Les données de provenance, le traçage de la source et quelques vérifications gratuites valent mieux que de scruter les mains et les ombres.
Les preuves sont sans appel. Dans le quiz en ligne « Real or Not », environ 12 500 joueurs ont rendu quelque 287 000 verdicts, avec une précision moyenne de 62 %, ce que les auteurs qualifient de « capacité modeste, à peine supérieure au hasard » (arXiv). Un tirage à pile ou face donne 50 %.
Ce guide présente ce qui fonctionne encore : les Content Credentials, le filigrane SynthID de Google, les étiquettes des plateformes, la recherche d'image inversée et les outils de détection, avec leurs vraies limites. Il se termine par une routine applicable en quelques minutes à n'importe quel clip viral suspect, ainsi qu'un calculateur de confiance et un arbre de décision qui vous indique la prochaine vérification à faire.
Pourquoi les indices visuels ne sont plus fiables
La checklist classique : doigts en trop, panneaux illisibles, boucles d'oreilles dépareillées, peau cireuse. C'étaient des artefacts des anciens générateurs, et les nouveaux ne cessent de s'améliorer. Le secteur est d'ailleurs bien rempli, comme le montre notre classement des générateurs d'images IA.
Les auteurs du quiz ont constaté que les participants peinaient surtout face aux images « sans artefacts évidents ni indices stylistiques ». Les joueurs réussissaient le mieux sur les portraits et le moins bien sur les paysages naturels et urbains (arXiv). Une photo de rue sans visage à examiner est donc le cas le plus difficile, et c'est aussi le genre d'image qui sert à simuler un événement d'actualité.
Les portraits sont plus faciles, mais pas faciles. Une autre étude de 2026, menée auprès de 1 664 participants qui ne jugeaient que des portraits issus de deux générateurs, rapporte une précision moyenne de 85,2 %. Même là, la précision baissait avec l'âge et était plus faible sur téléphone que sur PC, et les portraits de ChatGPT-4o étaient plus difficiles et plus longs à classer que ceux d'Imagen 3 (arXiv). Or c'est sur téléphone que la plupart des gens croisent un faux.
La confiance en soi est un mauvais guide. Dans cette étude sur les portraits, les personnes qui s'estimaient plus sûres d'elles et plus exposées à l'IA obtenaient de meilleurs scores, mais c'était une expérience web menée auprès de volontaires, pas une mesure de ce que vous ferez face à une image piégeuse ce soir. Voyez votre intuition comme un signal pour vérifier, pas comme un résultat.
Rien de tout cela ne signifie qu'il faut arrêter de regarder. Un texte qui ne colle pas avec le lieu, un éclairage incohérent, une scène qui contredit la légende : tout cela mérite d'être signalé. Servez-vous-en pour éveiller le soupçon, pas pour trancher dans un sens ou dans l'autre.
Commencez par la provenance, pas par les pixels
Le standard C2PA, commercialisé sous le nom de Content Credentials, est « un standard technique ouvert permettant aux éditeurs, aux créateurs et aux consommateurs d'établir l'origine et les modifications d'un contenu numérique » (C2PA). Lorsqu'un appareil photo ou un outil d'IA signe un fichier, l'historique de sa création et de ses modifications le suit. Pour lire cet historique, glissez le fichier dans l'outil de vérification Content Credentials officiel, qui accepte JPEG, PNG, WebP, HEIC, MP4, MOV et d'autres formats, et montre comment le contenu a évolué dans le temps. Son propre avertissement mérite d'être pris au sérieux : les Content Credentials sont encore en cours de déploiement, donc la plupart des fichiers que vous vérifierez n'en porteront pas. Notre annuaire propose aussi une page dédiée à l'outil Content Credentials.
La signature peut intervenir dès la prise de vue, comme dans une application d'édition ou un générateur d'images. Cela inverse la question habituelle : au lieu d'essayer de prouver qu'une photo est fausse, c'est la source qui peut prouver qu'elle est authentique. Encore faut-il que le credential survive jusqu'à votre écran, et c'est là que le parcours ci-dessous se brise.
Le piège, c'est l'étape quatre. L'explication officielle du standard est franche : à la question de savoir si les métadonnées de provenance peuvent être supprimées, elle répond « Oui, c'est possible », et précise que les credentials sont facultatifs (explication C2PA). Une capture d'écran, un réenregistrement ou un réencodage par la plateforme peut effacer l'historique. La réponse de la spécification, ce sont les credentials durables, qui ajoutent un filigrane ou une recherche par empreinte pour retrouver l'historique dans le stockage cloud.
Deux autres mises en garde du même document. Personne ne devrait présumer qu'un contenu est fiable « uniquement parce qu'il utilise des Content Credentials ». Et la provenance « ne peut pas vous dire si le contenu numérique est vrai, exact ou factuel ». Une photo signée d'une scène mise en scène reste la photo signée d'une scène mise en scène.
Le second type de provenance est un filigrane caché dans les pixels. Google DeepMind explique que SynthID intègre des filigranes imperceptibles dans les images, l'audio, le texte et la vidéo, et que les marques des images et des vidéos sont conçues pour résister au recadrage, aux filtres, aux changements de fréquence d'images et à la compression avec perte (Google DeepMind). Google affirme avoir désormais marqué plus de 180 milliards d'images et de vidéos, ainsi que 240 000 ans d'audio. La même annonce a ouvert à tous, en anglais, le portail Google SynthID Detector, pour les contenus issus de Google ou de partenaires comme OpenAI, NVIDIA et Kakao (Google).
La vérification la plus simple passe par Gemini. D'après la page d'aide de Google, vous importez un fichier sur gemini.google.com (ou dans l'application Android), puis vous demandez s'il a été créé ou modifié par l'IA de Google. Les vidéos doivent durer moins de 90 secondes, le quota est d'environ 10 vérifications d'images et 10 de vidéos sur toute période glissante de 24 heures, et les captures d'écran doivent être recadrées au plus près (Aide Gemini). Le même outil résume les Content Credentials lorsqu'un fichier en contient.
La lecture du résultat est asymétrique. Un résultat positif signifie que tout ou partie du fichier a été créé ou modifié par l'IA de Google. Un résultat négatif ne signifie presque rien, car Gemini « ne peut actuellement reconnaître que les contenus créés par les outils d'IA de Google » et un autre système a très bien pu produire l'image.
Une provenance positive est une preuve solide. Une provenance absente ne dit rien, et la plupart des faux qui circulent n'en ont aucune. Cette asymétrie est l'habitude la plus utile de tout ce guide.
Ce que les étiquettes des plateformes disent (et ne disent pas)
Les étiquettes sont ce que la plupart des internautes voient réellement, et elles sont plus faibles qu'il n'y paraît, car elles dépendent de l'honnêteté des créateurs ou de la survie des métadonnées à l'envoi.
- YouTube exige que les créateurs signalent les contenus réalistes modifiés ou synthétiques via un paramètre « utilisation d'IA » dans YouTube Studio. La plateforme peut aussi appliquer elle-même une étiquette pour les contenus produits avec ses propres outils d'IA ou porteurs de métadonnées C2PA, et l'étiquette peut apparaître sur le lecteur ou seulement dans la description développée (Aide YouTube).
- Meta affiche une étiquette « Infos IA » sur Facebook, Instagram et Threads lorsqu'elle détecte des indicateurs d'IA conformes aux standards du secteur ou lorsque l'auteur le déclare lui-même. Dans sa mise à jour de 2024, Meta a indiqué que les contenus simplement retouchés avec l'IA porteraient l'étiquette dans le menu de la publication, car la mention d'origine « Made with AI » s'était retrouvée sur des photos avec de simples retouches mineures (Meta).
- TikTok exige que les créateurs étiquettent les contenus d'IA réalistes, et étiquette automatiquement ceux réalisés avec ses effets d'IA ou importés avec des Content Credentials. Une fois l'étiquette automatique appliquée, le créateur ne peut pas la retirer (Assistance TikTok).
Le schéma est clair. Les trois plateformes s'appuient sur les métadonnées C2PA ou sur l'auto-déclaration : un créateur honnête ou un générateur d'un grand laboratoire sera étiqueté, alors que quelqu'un qui supprime les métadonnées et ne dit rien ne le sera généralement pas. YouTube indique que les créateurs qui omettent régulièrement de déclarer leurs contenus s'exposent à la suppression de contenus ou à une suspension du Programme Partenaire, mais c'est une sanction après coup.
Une étiquette est utile quand elle est là, et muette quand elle est absente. La même logique hiérarchise toutes les preuves que vous croiserez.
Remontez à la source avant de vous fier au fichier
La plupart des faux viraux s'effondrent sur le contexte, pas sur l'expertise technique. Demandez-vous qui l'a publié en premier, quand, et avec quelle légende. Un clip spectaculaire sans auteur d'origine, sans lieu et avec mille republications est une affirmation fragile, quoi que disent les pixels.
La recherche d'image inversée est l'outil de base. TinEye affirme parcourir plus de 86 milliards d'images et propose des extensions de navigateur pour lancer une recherche par clic droit. Google Lens accepte une photo, une image ou une capture d'écran. Lenso.ai propose des modes de recherche distincts pour les lieux, les personnes, les doublons et les images similaires. Copyseeker offre une recherche web gratuite et une extension Chrome. Lancez-en au moins deux, car leurs index diffèrent.
Ce que vous cherchez, c'est la plus ancienne copie. Si une photo « de la tempête d'hier » apparaît sur un site de photos de stock il y a deux ans, l'affaire est réglée. Si elle n'apparaît nulle part avant cette publication, c'est un signal léger et non une preuve, puisqu'une photo vraiment nouvelle n'a pas non plus d'historique. Pour une vidéo, extrayez trois ou quatre images clés et cherchez-les une à une.
Vérifiez ensuite l'affirmation elle-même. Un média ou une cellule de vérification des faits rapporte-t-il le même événement avec ses propres images ? La météo, les enseignes, la langue et les points de repère correspondent-ils au lieu indiqué ? Le compte est-il récent, ou publie-t-il beaucoup de clips spectaculaires ? Dix minutes passées sur l'historique de l'auteur vous en apprennent souvent plus que n'importe quel détecteur.
Ce que les outils de détection peuvent (et ne peuvent pas) faire
Un détecteur est un modèle entraîné sur des générateurs connus, qui renvoie une probabilité. Ce n'est pas un test de laboratoire. Notre annuaire en recense beaucoup, dont l'extension Chrome gratuite Hive AI Detector pour le texte, les images, l'audio et la vidéo, l'extension UncovAI, DeepfakeDetection.io et Sealed Rose, qui analyse la vidéo image par image. Le panorama complet figure dans notre classement des détecteurs de contenu IA, et le hub de cette catégorie en donne la liste complète.
Les éditeurs affichent de gros chiffres. BitMind affirme sur son site atteindre 95 % de précision sur des deepfakes réels (BitMind). Sensity décrit un système multicouche qui analyse les visuels, la structure du fichier, les métadonnées et l'audio, et précise que ses rapports comportent des scores de confiance. Considérez tout chiffre d'éditeur comme une simple allégation. Un seul chiffre vedette ne dit rien du comportement de l'outil sur votre capture d'écran compressée, ni de la fréquence à laquelle il signale de vraies photos.
Les travaux indépendants dressent un tableau plus sévère. Le benchmark Deepfake-Eval-2024 a testé des détecteurs sur des médias ayant réellement circulé en ligne, et constaté que les modèles open source de pointe perdaient environ 50 % de leur AUC sur la vidéo, 48 % sur l'audio et 45 % sur les images par rapport aux benchmarks précédents. Les modèles commerciaux et affinés s'en sortaient mieux, mais restaient en deçà des analystes forensiques humains (arXiv). Une autre évaluation de 2025 a trouvé que moins de la moitié des détecteurs testés dépassaient 60 % d'AUC, le pire se situant au niveau du hasard, et que des retouches basiques comme la compression JPEG ou l'amélioration d'image peuvent nettement réduire les performances (arXiv).
Les erreurs vont dans les deux sens. Une vraie photo très compressée, agrandie ou retouchée peut paraître étrange à un classifieur, tout comme un faux peut sembler propre. Les propres étiquettes de Meta se sont trompées sur de vraies photos avec de légères retouches par IA.
Le contexte change aussi la réponse. Un outil réglé pour les échanges de visages peut passer à côté d'un paysage entièrement synthétique, et un outil conçu pour la vérification d'identité, comme un contrôle de vivacité sur un selfie, résout un autre problème que celui qui analyse un mème viral. Lisez la page de chaque outil pour savoir ce qu'il couvre avant de vous fier à un résultat, et attendez-vous à ce que de nouveaux générateurs déjouent les anciens détecteurs, le temps que l'éditeur rattrape son retard.
Bien utilisés, les détecteurs servent à départager. Lancez-en deux. Accordez moins de poids au résultat quand votre fichier est une capture d'écran ou un clip réencodé. N'accusez jamais quelqu'un d'avoir truqué un contenu parce qu'un score affichait 87 %, et pesez toujours le résultat d'un détecteur en dessous d'un credential ou d'un filigrane détecté.
Une routine pour une image ou une vidéo virale suspecte
Choisissez le parcours qui correspond à ce que vous avez sous les yeux, puis suivez les étapes dans l'ordre. Arrêtez-vous dès que vous obtenez une réponse décisive, comme un credential vérifié ou un original antérieur.
- Faites une pause avant de réagir. Les faux sont conçus pour être partagés vite, et l'urgence est le signal qu'il faut ralentir.
- Récupérez la meilleure copie possible. Une capture d'écran a perdu ses métadonnées : cherchez donc la publication ou le fichier d'origine, et notez le compte, le lien et l'heure.
- Lisez l'étiquette. Cherchez dans le lecteur, la description et le menu de la publication une étiquette IA sur YouTube, les applications Meta ou TikTok.
- Passez le fichier dans un outil de vérification Content Credentials, et notez le signataire et l'historique des modifications s'il y en a un.
- Lancez une vérification SynthID dans Gemini pour les images, ou pour les vidéos de moins de 90 secondes.
- Faites une recherche d'image inversée sur l'image ou sur quatre images clés, et trouvez la plus ancienne copie.
- Vérifiez l'affirmation. Cherchez un média reconnu ou un service de fact-checking disposant de ses propres images du même événement, et testez le lieu, la date et la météo.
- Lancez deux détecteurs et traitez la réponse comme un élément de départage.
- Décidez comment la qualifier : vérifiée, probablement fausse ou non confirmée. Partagez-la en ces termes, ou ne la partagez pas.
Le calculateur ci-dessous transforme cette routine en un indice de confiance approximatif. La provenance et le traçage de la source rapportent le plus de points, les détecteurs le moins. Un score élevé n'est toutefois pas une garantie, car la provenance peut être falsifiée et une source d'apparence solide peut se tromper.
Trois situations, étape par étape
Ces cas sont illustratifs et ne rapportent pas d'incidents réels, mais chacun reflète la façon dont les faux se présentent.
Une photo de tempête dans votre groupe familial. Elle montre une rue principale inondée au crépuscule, et la légende cite votre ville. Vous ne pouvez pas vérifier les pixels, alors passez au contexte. Une recherche inversée retrouve la même rue dans un blog de voyage vieux de deux ans, avec le trottoir sec et les mêmes enseignes. C'est décisif : la photo est ancienne ou la scène est mise en scène, et dans les deux cas la légende est fausse. Il aura fallu environ deux minutes, sans aucun détecteur.
Une vidéo d'un responsable politique tenant des propos scandaleux. Le clip dure 40 secondes, en format vertical, avec des sous-titres incrustés, et il a été republié partout. Cherchez une étiquette, puis vérifiez si un média rapporte la même déclaration à partir d'une source plus longue et plus large. Les déclarations réelles de personnalités publiques ont presque toujours un original plus long et plusieurs témoins. Si les seules copies sont des republications recadrées, qualifiez-la de non confirmée. Si vous voulez une vérification technique, recadrez sur le visage et lancez une vérification SynthID plus deux détecteurs, puis gardez en tête qu'un résultat négatif ne la blanchit pas pour autant.
Une photo de profil d'un inconnu qui demande de l'argent. Faites d'abord une recherche inversée sur la photo. Les photos volées sur de vrais comptes sont une alternative courante aux visages générés, et une correspondance avec un autre nom règle la question. Si la photo est propre, demandez un appel vidéo en direct et une action improvisée, comme brandir un mot écrit à la main. Un détecteur de deepfakes peut servir d'indice supplémentaire, mais l'appel est plus probant que tout le reste.
Que faire une fois votre décision prise
Si vous êtes sûr que c'est faux et que ça se propage, signaler vaut mieux que citer la publication. TikTok propose un parcours de signalement dans l'application et sur le web, et sa page d'aide précise que les contenus d'IA réalistes non étiquetés et l'usurpation d'identité par IA relèvent de ses Règles de la communauté (Assistance TikTok). Citer un faux pour le démonter lui donne souvent plus de portée que n'en gagne le démenti.
Si vous n'êtes pas sûr, dites-le franchement. « Je ne peux pas confirmer que c'est authentique » est une très bonne légende, et elle vous évite de devoir vous corriger plus tard. Si vous publiez vous-même des images faites avec l'IA, étiquetez-les et gardez les credentials activés. Selon les générateurs, ils ne les ajoutent pas toujours, alors consultez sa documentation avant de compter dessus.
Vidéo et audio demandent encore plus de prudence
Un court clip est le format le plus difficile à vérifier dans l'urgence. Les plateformes recompressent les envois, les créateurs recadrent et ajoutent des sous-titres, et la version qui vous parvient peut être la dixième copie d'un contenu. Le réencodage supprime les métadonnées et, d'après les évaluations citées plus haut, peut dégrader la précision des détecteurs. Gemini n'accepte que les clips de moins de 90 secondes : pour une vidéo plus longue, découpez le moment suspect ou demandez l'original complet.
Demandez la version la plus longue et de meilleure qualité possible. Un faux qui tient six secondes en recadrage vertical a souvent un original plus long qui raconte une autre histoire, et un événement réel a généralement plusieurs angles filmés par des personnes différentes.
Ralentissez le clip. Observez la bouche par rapport à l'audio, le rythme des clignements, les contours là où les cheveux ou les lunettes rencontrent l'arrière-plan, et tout texte qui scintille d'une image à l'autre. Ces contrôles attrapent encore les faux bâclés et justifient un signalement, pas un verdict, pour les mêmes raisons que pour les images fixes.
Le clonage de voix est un problème à part. Pindrop cible les voix deepfake dans les données clients et la lutte contre la fraude, et Facia associe détection de deepfakes et contrôles de vivacité pour la vérification d'identité. Pour votre sécurité personnelle, le geste humain compte plus que n'importe quel outil. Si un appel vidéo ou un message vocal vous réclame de l'argent, raccrochez et rappelez sur un numéro que vous connaissez déjà.
Pour mieux comprendre les enjeux, le livre de Nina Schick, Deepfakes: The Coming Infocalypse, explore l'essor de cette technologie et ses effets sociaux. Pour ce que savent faire les générateurs, consultez nos guides comparatif des générateurs d'images IA et les meilleurs générateurs d'images IA, ainsi que notre sélection de détecteurs de contenu.
Questions fréquentes
Peut-on déterminer de façon fiable si une image est générée par IA en la regardant ?
Non. Dans le quiz Real or Not, les joueurs ont atteint une précision moyenne de 62 % sur environ 287 000 verdicts (arXiv). Les indices visuels peuvent éveiller le soupçon, mais la confirmation vient des données de provenance et du traçage de la source.
L'absence de filigrane ou de Content Credential prouve-t-elle qu'une image est authentique ?
Non. Les credentials sont facultatifs et peuvent être supprimés, et la vérification SynthID de Gemini ne reconnaît que les contenus de l'IA de Google. L'absence de marqueur ne dit rien, dans un sens comme dans l'autre.
Les détecteurs d'images IA gratuits sont-ils précis ?
Parfois, et vous ne pouvez pas savoir quand. Les éditeurs citent des chiffres comme 95 %, alors que les tests indépendants sur des médias réels ont constaté de fortes chutes de précision et une sensibilité à la compression. Utilisez deux outils et traitez le résultat comme un élément de départage.
La recherche d'image inversée indique-t-elle si une image est générée par IA ?
Pas directement. Elle montre où l'image apparaît ailleurs et depuis quand. Une photo qui surgit bien avant l'événement qu'elle prétend montrer est fausse, et une photo sans aucun historique est simplement non prouvée.
Peut-on encore vérifier la capture d'écran d'une image IA ?
À peine. Une capture d'écran n'a aucun credential intégré, et les détecteurs perdent en efficacité après recadrage et réencodage. SynthID est conçu pour résister à bon nombre de ces modifications, mais la page d'aide de Google recommande tout de même de recadrer au plus près et d'éviter les collages. Le mieux est de retrouver la publication d'origine et de partir de là.
Que faire si je n'arrive toujours pas à trancher ?
Qualifiez-la de non confirmée et ne l'amplifiez pas. Attendez un média ou un service de fact-checking disposant d'images indépendantes. Attendre vous coûte un peu de rapidité, alors que partager un faux coûte sa réputation à quelqu'un.