Guides de vérification

Photo générée par IA ou photo réelle : que vérifier en premier

Comparez une photo générée par IA à une photo réelle à l’aide de l’historique de la source, des registres de modification et des preuves du fichier. Découvrez quels indices comptent et lesquels peuvent tromper.

Trois fiches illustrées distinguant la capture par appareil photo, la modification assistée par IA et la génération complète par IA

Une comparaison entre photo générée par IA et photo réelle doit commencer par la façon dont l’image a été créée, pas par son apparence convaincante. Recherchez la source et le fichier originaux, examinez les registres de création disponibles et utilisez les observations visuelles ou les résultats d’un détecteur comme preuves de soutien. Envisagez aussi une troisième possibilité : une photographie réelle partiellement modifiée par IA.

Cette troisième catégorie compte. Un appareil photo peut avoir capturé la personne tandis qu’un générateur a fourni l’arrière-plan. Qualifier toute l’image de réelle ou de fausse peut masquer la modification précise à examiner.

Je trouve la comparaison plus utile lorsqu’elle répond à une question précise : cette scène a-t-elle été photographiée, quelque chose a-t-il été ajouté, ou l’histoire qui l’accompagne est-elle exacte ? Ces questions nécessitent des preuves différentes.

Que signifie une photo réelle dans cette comparaison ?

Dans ce guide, une photographie d’origine appareil photo signifie qu’un appareil a capturé la scène sous-jacente. Elle peut tout de même avoir été recadrée, corrigée en couleur ou retouchée. Une image entièrement générée représente une scène synthétisée par un modèle. Une photographie modifiée par IA combine des éléments capturés par appareil photo avec un ajout, un retrait ou un remplacement généré.

Ce sont des catégories de travail, pas des étiquettes automatiques attribuées par un outil d’envoi. Un fichier peut contenir un mélange et son historique peut être indisponible. Si les preuves n’établissent pas la méthode de production, utilisez « inconnu » plutôt que de forcer une réponse binaire.

Catégorie de productionQuestion à examinerPreuves utiles à demander
Photographie d’origine appareil photoQu’a-t-on réellement capturé ?Fichier original et contexte de la source
Photographie modifiée par IAQu’est-ce qui a changé après la capture ?Version antérieure et historique de modification
Image entièrement généréeQui l’a générée et l’a déclaré ?Déclaration du créateur et registre de génération
Historique inconnu ou mixteQuelles parties restent sans preuve ?Meilleur matériel source et affirmations précises

Pour l’enquête plus large étape par étape, consultez notre guide pour détecter les images générées par IA. Ici, nous nous concentrons sur le choix des preuves qui distinguent ces catégories de production.

Quelles preuves permettent de distinguer génération et modification ?

Demandez un registre qui porte sur le changement que vous soupçonnez. Une version antérieure peut montrer la même personne dans un autre décor. Un créateur peut déclarer qu’une illustration est générée. Un historique de fichier peut enregistrer une modification assistée par IA. Attribuez chaque constat à sa source et décrivez sa portée.

Les Content Credentials sont des registres signés de l’historique de création et de modification. La FAQ de la Content Authenticity Initiative explique que les outils compatibles peuvent enregistrer la génération par IA ou la capture par appareil photo et les modifications ultérieures. Les justificatifs ne sont pas un verdict universel sur les fausses photos, et leur absence n’identifie pas la méthode de production.

Utilisez le vérificateur C2PA pour examiner les registres compatibles du fichier, puis vérifiez leur validation, leur signataire et les actions. Un registre valide concernant une modification doit être signalé comme une modification ; ce n’est pas automatiquement une preuve que toute la scène a été générée.

La présentation de C2PA sépare aussi la provenance de la vérité des faits. Un historique signé ne certifie pas une légende, un lieu ou une histoire. Les métadonnées ordinaires d’appareil photo sont un autre type d’indice et ne doivent pas être considérées comme équivalentes à un historique signé.

Comment comparer un original à une copie partagée ?

Déterminez d’abord quel fichier vous avez. Une capture d’écran est une nouvelle capture du contenu affiché. Ses propres champs de fichier ne décrivent pas la scène originale. Une copie recadrée ou exportée peut aussi manquer du contexte nécessaire pour interpréter un défaut apparent.

Si le créateur fournit une version antérieure, comparez la composition complète avant d’agrandir les détails. Notez les différences entre les sujets, l’arrière-plan, les positions des objets et les contours. Demandez quelle opération a causé le changement au lieu de supposer que toute différence visible vient de l’IA.

Carte des preuves séparant la capture par appareil photo, les modifications ultérieures et les affirmations de la légende, avec une question de vérification différente pour chacune
Illustration originale du processus AIFakeScan · AIFakeScan

Cette carte des preuves est conceptuelle. Elle ne montre ni résultat de détecteur ni paire d’images réelle et synthétique testée.

Un registre de comparaison utile indique la source des deux fichiers, s’il s’agit d’images complètes ou de recadrages, et le changement précis examiné. Si vous n’avez qu’une capture d’écran compressée, notez cette limite au lieu de considérer que l’original non vu a été examiné.

Peut-on reconnaître les photos d’IA par les mains, la peau ou le texte ?

Ces détails peuvent guider un examen plus attentif, mais ne doivent pas décider du cas. Comparez le détail suspect à son environnement et demandez-vous si le flou, la perspective, l’éclairage ou une modification conventionnelle offrent une autre explication.

Pour un portrait, examinez le contact entre les doigts et les objets tenus, la relation entre les lunettes et le visage ou les lettres qui devraient rester cohérentes sur un même objet. Évitez de transformer une peau lisse ou un visage inhabituel en accusation. Décrivez l’incohérence observée avant de lui attribuer une cause.

Pour une image de paysage ou de propriété, examinez comment les structures se rejoignent et comment les reflets correspondent à la scène. Une rambarde qui se fond dans un mur est une observation utile à examiner. Un bâtiment visuellement cohérent ne prouve toujours pas que le bien proposé existe.

L’inspection visuelle a la même limite dans les deux sens : un détail étrange n’établit pas une génération par IA et une apparence réaliste n’établit pas une origine appareil photo. Recherchez si possible des preuves sur l’historique de production.

Comment la recherche de source et les filigranes aident-ils ?

La recherche inversée d’image peut révéler une publication antérieure, une déclaration du créateur ou une autre légende. Les conseils de Google sur le contexte des images expliquent les informations disponibles via About this image. Utilisez les correspondances pour examiner la chronologie et le contexte ; ne considérez pas une date d’indexation comme une date de capture certifiée.

Si une image précède l’événement nommé dans une nouvelle publication, vous avez peut-être contesté la légende sans établir quoi que ce soit sur l’IA. L’absence de correspondance accessible laisse aussi la source non résolue, au lieu de prouver une génération.

Les vérifications de filigranes répondent à une question plus limitée. Selon la vérification du 12 octobre 2026, les instructions de vérification Gemini de Google décrivent la recherche de filigranes SynthID compatibles dans les médias envoyés. La couverture SynthID documentée concerne le contenu d’IA de Google. Lisez le résultat réel de la vérification ; l’avis général d’un chatbot sur l’apparence ne constitue pas la même vérification.

Une marque détectée peut concerner la génération ou la modification : conservez donc la portée indiquée. L’absence de marque n’exclut pas d’autres systèmes. Notre guide SynthID explique comment suivre une voie officielle de vérification.

Quelle place pour un détecteur de photos d’IA ?

Utilisez un détecteur après avoir identifié le fichier et la question. Lisez ses catégories de preuves et sa couverture, puis comparez son résultat à l’historique de la source. Ne remplacez pas une question précise sur une modification par un score portant sur toute l’image.

Le détecteur d’images AIFakeScan peut examiner les preuves compatibles du fichier. Notre méthodologie explique les limites actuelles de la bêta : la calibration et l’évaluation sont incomplètes, les résultats fondés uniquement sur des indices passifs restent incertains et aucun pourcentage de précision validé ni aucune probabilité mesurée d’IA n’est revendiqué.

Si un résultat reste non résolu, demandez un meilleur original ou un historique plus clair. Si deux outils divergent, gardez leurs constats séparés. Le guide des résultats d’image incertains propose des étapes suivantes sans transformer l’incertitude en verdict.

Quelle conclusion écrire pour une image mixte ?

Prenons un scénario illustratif de portrait. Un créateur fournit une photographie antérieure prise par appareil photo et déclare avoir remplacé son arrière-plan par un décor généré. Votre question est de savoir si le portrait final montre la personne photographiée à cet endroit.

Une conclusion prudente est : « Le créateur décrit un portrait d’origine appareil photo avec un arrière-plan de remplacement généré. L’image finale n’établit pas que la personne a été photographiée dans le décor représenté. » Cela explique le changement pertinent sans suggérer que le visage de la personne a nécessairement été généré.

Considérons maintenant une capture d’écran sans original, déclaration ou résultat utile de recherche. Le résultat approprié est un historique de production non résolu. Le constat incertain d’un détecteur ne peut pas combler ces faits manquants.

Je résumerais une comparaison entre photo générée par IA et photo réelle avec quatre champs :

  • Origine : quelles preuves soutiennent la capture par appareil photo ou la génération ?
  • Modifications : quelles preuves soutiennent un ajout, un retrait ou un remplacement ?
  • Contexte : l’image étaye-t-elle la date, le lieu ou l’affirmation qui l’accompagne ?
  • Lacunes : qu’est-ce qui n’a pas pu être vérifié et quel matériel permettrait de le résoudre ?

Ces exemples expliquent la méthode ; ils ne sont pas des expériences rapportées ni des affirmations sur l’image d’une personne particulière.

Questions fréquentes

Une photographie réelle peut-elle aussi être modifiée par IA ?

Oui. Une image d’origine appareil photo peut contenir des ajouts ou des remplacements générés. Décrivez la modification étayée et sa portée au lieu de supposer qu’une seule étiquette explique tout le fichier.

Le nom d’un appareil photo dans les métadonnées prouve-t-il qu’une photo est réelle ?

Un champ d’appareil photo seul n’établit pas l’historique complet de la scène représentée. Vérifiez la source originale et les registres de production disponibles avant d’affirmer l’authenticité.

Les Content Credentials prouvent-elles qu’un événement a eu lieu ?

Elles peuvent fournir un historique attribué et vérifiable concernant un fichier. Elles n’établissent pas indépendamment la vérité des faits de l’événement ou de la légende.

Un détecteur d’IA peut-il identifier exactement quelle partie a été modifiée ?

Seulement s’il propose et exécute explicitement une vérification de localisation adaptée. Un indice portant sur toute l’image ne localise pas automatiquement une petite région générée.

Que faire si vous n’avez qu’une capture d’écran ?

Conservez sa source, recherchez l’image sous-jacente et demandez un original si possible. Indiquez que les conclusions s’appliquent à la copie examinée et notez l’historique manquant.

Votre prochaine étape

Choisissez l’affirmation sur la production à vérifier, réunissez le meilleur fichier et comparez les preuves d’origine, de modifications et de contexte. Utilisez le détecteur d’images pour les vérifications compatibles et suivez notre liste de vérification vidéo lorsque l’affirmation dépend du mouvement ou de la parole.

Questions et réponses

Une photographie réelle peut-elle aussi être modifiée par IA ?

Oui. Une image d’origine appareil photo peut contenir des ajouts ou des remplacements générés. Décrivez la modification étayée et sa portée au lieu de supposer qu’une seule étiquette explique tout le fichier.

Le nom d’un appareil photo dans les métadonnées prouve-t-il qu’une photo est réelle ?

Un champ d’appareil photo seul n’établit pas l’historique complet de la scène représentée. Vérifiez la source originale et les registres de production disponibles avant d’affirmer l’authenticité.

Les Content Credentials prouvent-elles qu’un événement a eu lieu ?

Elles peuvent fournir un historique attribué et vérifiable concernant un fichier. Elles n’établissent pas indépendamment la vérité des faits de l’événement ou de la légende.

Un détecteur d’IA peut-il identifier exactement quelle partie a été modifiée ?

Seulement s’il propose et exécute explicitement une vérification de localisation adaptée. Un indice portant sur toute l’image ne localise pas automatiquement une petite région générée.

Que faire si vous n’avez qu’une capture d’écran ?

Conservez sa source, recherchez l’image sous-jacente et demandez un original si possible. Indiquez que les conclusions s’appliquent à la copie examinée et notez l’historique manquant.

Sources

  1. Content Authenticity Initiative FAQ
  2. C2PA Content Credentials explainer
  3. Google Search guidance on image context
  4. Google Gemini AI verification instructions