Guides de vérification

Ce que les captures d’écran et la compression JPEG ont changé dans notre test de détection d’images d’IA sur 60 fichiers

Une étude de cas reproductible sur 12 sources et 60 fichiers : captures d’écran, redimensionnement, compression JPEG, réencodage des métadonnées, justificatifs C2PA et résultats de modèles visuels.

Couverture de l’article portant le titre : Ce que les captures d’écran et la compression JPEG ont changé dans notre test de détection d’images d’IA sur 60 fichiers

Les captures d’écran, le redimensionnement et la compression JPEG ne font pas que réduire la taille d’un fichier. Ils créent un fichier différent, peuvent supprimer la provenance intégrée et modifier le score d’un détecteur visuel. Nous avons mené une étude de cas contrôlée sur 60 fichiers pour montrer comment ces changements apparaissaient dans un petit échantillon entièrement documenté.

Ce que nous avons testé

Nous avons sélectionné 12 images sources dans le dépôt public d’échantillons AI Detector Arena : quatre photos d’appareil, quatre images générées par Flux et quatre dérivés visiblement modifiés des photos d’appareil. Les quatre thèmes étaient les animaux, l’art, la nourriture et les paysages.

Chaque source a produit cinq versions :

  • l’original identique octet par octet ;
  • une véritable capture de navigateur affichée dans Chrome à 1280 par 900 pixels ;
  • un redimensionnement limitant le côté le plus long à 1024 pixels ;
  • une exportation JPEG à la qualité 60 ;
  • un réencodage PNG sans métadonnées.

Pour chaque version, nous avons enregistré son hash SHA-256, son format, ses dimensions, sa taille en octets, le nombre de champs EXIF, le résultat C2PA et la sortie brute du modèle visuel local d’AIFakeScan. L’exécution a utilisé c2patool 0.26.60 et `community-forensics-384.onnx` le 25 septembre 2026.

Télécharger le CSV de résultats de 60 lignes. Télécharger l’inventaire des sources. Télécharger les paramètres de l’exécution.

Ce qui est arrivé au résultat du modèle visuel

Le tableau indique le score brut moyen de quatre fichiers dans chaque cellule. Ce sont des observations de cet échantillon, pas des taux de précision ni des probabilités calibrées.

Groupe sourceOriginalCapture d’écranRedimensionnéJPEG qualité 60Métadonnées retirées
Photos d’appareil0.00360.00210.01150.00200.0036
Photos visiblement modifiées0.00630.00140.01450.00310.0063
Images générées par Flux0.99680.85690.71510.52260.9968

Le groupe généré a le plus changé. Une image d’art générée est passée de 0.9978 pour l’original à 0.3240 après redimensionnement et 0.0093 après compression JPEG. Un paysage généré est passé de 0.9900 à 0.4344 dans la capture d’écran. D’autres fichiers générés sont restés proches de 1.0 après les mêmes transformations.

Cette variation explique pourquoi le score d’une capture d’écran ne peut pas être considéré comme celui d’un original non vu. Elle montre aussi pourquoi modifier un fichier jusqu’à ce qu’un détecteur donne la réponse souhaitée n’est pas une méthode de révision valide.

Ce qui est arrivé aux Content Credentials

Les quatre originaux générés contenaient un manifeste C2PA déclarant du contenu généré. c2patool a indiqué que le manifeste était valide, mais son justificatif de signature ne figurait pas dans la liste de confiance locale ; le résultat enregistré était donc valide mais non fiable.

La capture d’écran, le JPEG redimensionné, le JPEG compressé et la version sans métadonnées de chacun de ces quatre fichiers ne contenaient aucun Content Credential intégré. Les huit fichiers sources d’appareil photo et modifiés n’avaient pas non plus de justificatif dans les versions testées.

Ce résultat s’applique à ces voies d’exportation. Il ne signifie pas que tout redimensionnement ou éditeur doit supprimer C2PA. Un processus compatible avec C2PA peut conserver ou remplacer un justificatif. Il ne signifie pas non plus qu’un fichier sans justificatif est authentique.

Ce qui est arrivé aux métadonnées

Aucun des 12 originaux sélectionnés n’exposait de champs EXIF via Pillow. Les versions sans métadonnées ne peuvent donc pas démontrer la suppression d’EXIF d’appareil photo dans cet échantillon. Elles montrent qu’un réencodage aux pixels équivalents change le hash et le conteneur du fichier même lorsque le résultat du modèle visuel local reste identique à six décimales.

Cette limite fait partie du résultat. Nous n’avons pas remplacé le constat par une affirmation de suppression de métadonnées alors que les originaux sélectionnés n’en avaient pas à supprimer.

Ce que nous n’avons pas testé

Les fichiers sélectionnés n’étaient pas documentés comme des produits d’un fournisseur compatible de filigrane propriétaire. Nous n’avons donc pas exécuté de vérification officielle SynthID ni de filigrane d’un autre fournisseur, et ces champs restent vides dans le registre. Vide signifie non exécuté, pas absent.

Nous n’avons pas non plus envoyé ces fichiers sur des plateformes sociales. Aucune conclusion ici ne décrit ce qu’une plateforme donnée conserve ou supprime.

Comment vérifier vos propres versions

  1. Conservez le fichier le plus ancien dont vous disposez avant de l’ouvrir dans un éditeur.
  2. Calculez le hash de chaque version et étiquetez-la. N’écrasez pas l’original.
  3. Utilisez le vérificateur C2PA sur chaque fichier pour voir si un justificatif est présent et si la validation est terminée.
  4. Si l’IA de Google est la source soupçonnée, suivez la voie de vérification SynthID pour chaque version pertinente.
  5. Exécutez le détecteur d’images d’IA et consignez le rapport complet et ses limites au lieu de copier un seul score.
  6. Décrivez le résultat comme s’appliquant au fichier exact vérifié.

Limites de cette étude de cas

L’échantillon contient quatre images par groupe source et quatre thèmes. Il a été choisi pour démontrer une méthode reproductible, pas pour estimer la précision dans la population. Le groupe modifié utilisait une recette de modification visible. Le modèle local est une version de détecteur. Les filigranes de fournisseurs et la diffusion par plateformes sociales n’ont pas été testés. Le registre complet de chaque ligne doit être utilisé pour vérifier les résumés ci-dessus.

Questions fréquentes

Une capture d’écran déjoue-t-elle tous les détecteurs d’images d’IA ?

Non. Dans cet échantillon, certaines captures d’images générées sont restées proches du score original, tandis que d’autres ont beaucoup changé. Une capture d’écran est une nouvelle entrée et doit être signalée comme telle.

L’absence de C2PA prouve-t-elle qu’une image est réelle ?

Non. Cela signifie qu’aucun justificatif utilisable n’a été trouvé dans ce fichier. De nombreux fichiers authentiques et générés n’ont pas de justificatif intégré.

Le score visuel brut est-il un pourcentage de précision ?

Non. C’est une sortie du modèle observée pour un fichier. Cette expérience n’estime ni la sensibilité, ni la spécificité, ni la précision générale.

Questions et réponses

Une capture d’écran déjoue-t-elle tous les détecteurs d’images d’IA ?

Non. Certaines captures d’images générées sont restées proches du score original dans cet échantillon, tandis que d’autres ont beaucoup changé.

L’absence de C2PA prouve-t-elle qu’une image est réelle ?

Non. Cela signifie uniquement qu’aucun justificatif utilisable n’a été trouvé dans ce fichier exact.

Le score visuel est-il un pourcentage de précision ?

Non. C’est une sortie du modèle pour un fichier et cette étude de cas n’estime pas la précision générale.

Sources

  1. AI Detector Arena benchmark dataset — AI Detector Arena
  2. C2PA public test files and verifier context — C2PA
  3. c2patool release 0.26.60 — Content Authenticity Initiative
  4. AIFakeScan 60-row experiment record — AIFakeScan