Cybersécurité
Détecter une image générée par IA : pourquoi les outils ne suffisent pas
Les images générées par intelligence artificielle sont devenues suffisamment réalistes pour tromper un lecteur pressé, un salarié ou un client. Une photographie d’un dirigeant, une capture d’écran, une preuve de paiement, une image diffusée sur un réseau social ou un document prétendument officiel peuvent désormais être fabriqués en quelques minutes.
8 min de lecture
Introduction
Les images générées par intelligence artificielle sont devenues suffisamment réalistes pour tromper un lecteur pressé, un salarié ou un client.
Une photographie d’un dirigeant, une capture d’écran, une preuve de paiement, une image diffusée sur un réseau social ou un document prétendument officiel peuvent désormais être fabriqués en quelques minutes.
La réaction la plus naturelle consiste à chercher un détecteur capable de répondre automatiquement : « Cette image est-elle réelle ou générée par IA ? »
Le problème est que cette réponse binaire est souvent trompeuse.
En juillet 2026, une analyse de Reuters a montré que le nouvel outil de détection de Meta reconnaissait toutes les images originales produites par son propre modèle Muse Image, mais échouait sur 55 % des mêmes images après un simple recadrage important.
Cette expérience ne signifie pas que les technologies de détection sont inutiles. Elle montre qu’aucun outil ne doit être considéré comme une preuve définitive.
La bonne approche consiste à combiner plusieurs indices techniques, contextuels et humains.
Pourquoi les détecteurs d’images IA peuvent se tromper
Les systèmes de détection reposent généralement sur une ou plusieurs méthodes :
Ces méthodes ont toutes des limites.
Une image peut être :
Chacune de ces opérations peut affaiblir ou supprimer les éléments utilisés par un détecteur.
Le résultat d’un outil doit donc être interprété comme un indice, pas comme un verdict.
- recherche d’artefacts visuels ;
- analyse statistique des pixels ;
- reconnaissance de signatures propres à certains modèles ;
- détection d’un filigrane invisible ;
- lecture de métadonnées ;
- vérification de données de provenance.
- recadrée ;
- redimensionnée ;
- compressée ;
- convertie dans un autre format ;
- capturée à nouveau depuis un écran ;
- retouchée ;
- intégrée dans une capture d’écran ;
- transmise par une plateforme qui supprime les métadonn ées.
Les erreurs les plus fréquentes face à une image douteuse
Croire une image parce qu’elle semble imparfaite
Pendant longtemps, les mains, les yeux, les dents ou les arrière-plans incohérents constituaient des indices fréquents.
Les modèles progressent rapidement. Une image artificielle peut désormais être très propre, tandis qu’une photographie réelle peut comporter des défauts de compression ou de mise au point.
L’absence d’anomalie visible ne prouve rien.
Croire un détecteur parce qu’il affiche un pourcentage précis
Un résultat comme « 92 % de probabilité que l’image soit générée par IA » donne une impression scientifique.
Sans connaître le modèle utilisé, les données de test, le type d’image analysé et les transformations subies, ce chiffre peut être mal interprété.
Vérifier uniquement l’image et pas son histoire
Une image doit être replacée dans son contexte :
Une photographie techniquement réelle peut aussi être utilisée dans un faux contexte.
- Qui l’a publiée ?
- À quelle date ?
- Quelle est la source originale ?
- Existe-t-il une version antérieure ?
- D’autres médias ou témoins crédibles la confirment-ils ?
- Le compte diffuseur est-il authentique ?
Une méthode de vérification en six étapes
Étape 1 — Suspendre l’action
Le premier réflexe n’est pas technique.
Lorsqu’une image accompagne une demande urgente — virement, changement de coordonnées bancaires, achat de cartes cadeaux, transmission d’un mot de passe ou publication immédiate — il faut ralentir.
L’urgence est un outil classique de manipulation.
Ne transférez pas le document, ne payez pas et ne diffusez pas avant d’avoir vérifié la demande par un autre canal.
Étape 2 — Remonter à la source
Cherchez la publication la plus ancienne accessible.
Une image reprise des dizaines de fois peut donner l’impression d’être authentique alors que toutes les publications proviennent de la même source douteuse.
Vérifiez :
- le nom de domaine ;
- l’ancienneté du compte ;
- l’historique des publications ;
- les éventuelles corrections ;
- la présence d’une source primaire ;
- la cohérence entre le texte et l’image.
Étape 3 — Rechercher des versions similaires
Une recherche inversée peut révéler que l’image :
Cette étape est souvent plus utile qu’un détecteur d’IA.
Elle permet de repérer les détournements de contexte, qui représentent une part importante des contenus trompeurs.
- existait plusieurs années auparavant ;
- a été recadrée ;
- provient d’un autre événement ;
- a été utilisée dans un autre pays ;
- a été modifiée ;
- est issue d’une banque d’images.
Étape 4 — Examiner les détails sans leur accorder trop de poids
Zoomez sur :
Ces indices peuvent déclencher un doute, mais ils ne doivent pas suffire à conclure.
Une retouche classique, une faible résolution ou une compression peuvent produire des anomalies similaires.
- les textes présents dans l’image ;
- les logos ;
- les ombres ;
- les reflets ;
- les objets répétés ;
- les perspectives ;
- les contours ;
- les proportions ;
- les arrière-plans.
Étape 5 — Vérifier les données de provenance
Les Content Credentials, basées sur le standard C2PA, permettent d’associer à un contenu des informations sur son origine et son historique de modification.
Lorsqu’elles sont présentes, elles peuvent indiquer :
Elles renforcent la transparence, mais leur absence ne prouve pas que le contenu est faux. Tous les outils et toutes les plateformes ne les conservent pas encore.
De plus, les données de provenance peuvent être supprimées. C’est pourquoi elles doivent être combinées avec d’autres contrôles.
- l’outil utilisé ;
- la date de création ;
- certaines modifications ;
- l’existence d’un traitement par IA ;
- la chaîne de provenance disponible.
Étape 6 — Confirmer par un canal indépendant
Dans un contexte professionnel, cette étape est indispensable.
Si un dirigeant semble demander un paiement, appelez-le sur son numéro habituel.
Si un fournisseur transmet un nouveau RIB, contactez un interlocuteur déjà connu.
Si une image concerne un incident, vérifiez auprès de la personne ou du service responsable.
L’authentification du canal est souvent plus fiable que l’analyse du fichier.
Les risques concrets pour les entreprises
Les faux contenus ne concernent pas uniquement la désinformation politique.
Fraude au faux dirigeant
Une image, une voix ou une vidéo peut renforcer la crédibilité d’une demande de virement.
Faux justificatifs
Factures, captures de paiement, attestations ou pièces administratives peuvent être fabriquées ou modifiées.
Usurpation de marque
Une entreprise peut découvrir de fausses publicités, de faux profils ou de faux témoignages utilisant son identité.
Atteinte à la réputation
Une image trompeuse peut être associée à un dirigeant, un salarié, un produit ou un événement.
Manipulation des équipes
Un contenu visuel peut être intégré dans un courriel de phishing pour rendre une demande plus crédible.
Ce que les entreprises doivent mettre en place
La protection ne repose pas sur l’achat d’un détecteur unique.
Elle repose sur un processus.
Définir les opérations sensibles
Identifiez les demandes qui nécessitent toujours une confirmation indépendante :
- changement de coordonnées bancaires ;
- paiement inhabituel ;
- accès à un compte ;
- ajout d’un administrateur ;
- transfert de données ;
- communication de crise ;
- publication engageant l’entreprise.
Former les équipes
Les salariés doivent savoir qu’une image, une voix et même une visioconférence ne suffisent plus toujours à authentifier une personne.
La formation doit inclure des exemples concrets et des exercices.
Prévoir une procédure de signalement
Un collaborateur qui doute doit savoir à qui transmettre le contenu, sans craindre d’avoir « dérangé pour rien ».
Protéger l’identité visuelle de l’entreprise
Surveillez l’utilisation du nom, du logo, des dirigeants et des campagnes publicitaires.
Conservez les fichiers originaux importants et, lorsque cela est possible, utilisez des mécanismes de provenance.
L’AI Act renforce la transparence des contenus générés
À partir du 2 août 2026, certaines obligations de transparence prévues par l’article 50 de l’AI Act deviennent applicables.
Elles concernent notamment le marquage de certains contenus générés ou manipulés par IA et l’information des personnes exposées à des deepfakes ou à certains textes produits par IA sur des sujets d’intérêt public.
Cette évolution ne supprimera pas les faux contenus.
Elle vise à améliorer la traçabilité et à responsabiliser les fournisseurs et utilisateurs professionnels.
Pour les entreprises, le bon réflexe est de définir dès maintenant une règle simple : lorsqu’un contenu généré ou fortement modifié par IA peut tromper son destinataire, son origine doit être clairement indiquée.
La meilleure défense reste une équipe entraînée
Les outils de détection progresseront, mais les techniques de manipulation progresseront également.
La compétence la plus durable consiste à savoir :
La question n’est donc plus seulement : « Cette image est-elle générée par IA ? »
La question utile est : « Ai-je suffisamment d’éléments indépendants pour lui faire confiance et agir ? »
- identifier une demande inhabituelle ;
- vérifier une source ;
- utiliser plusieurs indices ;
- confirmer par un autre canal ;
- signaler un doute ;
- documenter un incident.
Formez vos équipes aux usages responsables de l’IA
Soft Power Formation aide les entreprises à comprendre les capacités et les limites de l’intelligence artificielle, à protéger leurs données et à adopter les bons réflexes face aux nouveaux risques.
Nos formations s’appuient sur des cas concrets et permettent aux collaborateurs d’utiliser l’IA avec plus d ’efficacité, sans abandonner leur esprit critique.
Recevoir les programmes + un guide IA offert
Pour aller plus loin
Ces ressources internes permettent de prolonger la lecture avec les formations et articles les plus proches du sujet.
Sources de référence
Les sources ci-dessous sont des références officielles ou reconnues utilisées pour cadrer les points de vigilance de cet article.
Passer à la pratique
Passez de la lecture à la pratique
Soft Power Formation accompagne les dirigeants, équipes métiers et profils techniques avec des formations IA concrètes, centrées sur les usages, la sécurité, la gouvernance et l’automatisation.