
Comment savoir si une partie d’une photo a été modifiée avec l’IA
Vous soupçonnez une modification partielle par IA ? Comparez les images, vérifiez les Content Credentials et interprétez les détecteurs sans exagérer leurs résultats.
Guides pratiques sur les médias créés par IA, leur origine, les filigranes, les deepfakes et les limites de la détection.

Vous soupçonnez une modification partielle par IA ? Comparez les images, vérifiez les Content Credentials et interprétez les détecteurs sans exagérer leurs résultats.

Une vidéo imitant un bulletin de Sky News a usurpé l’identité de Yalda Hakim. Vérifiez les vidéos virales dans les archives et les déclarations directes.

Apprenez à examiner les métadonnées, les étiquettes de logiciel et les Content Credentials, et comprenez ce qu’elles peuvent ou non révéler sur les images d’IA.

Découvrez comment vérifier la source, le lieu et le fichier original d’une photo de voyage, et distinguer les indices d’IA des preuves avant de faire confiance à une image de destination.
Un processus pratique après une analyse d’image d’IA incertaine : vérifiez la couverture, conservez l’original, examinez les justificatifs et les filigranes et documentez le contexte de la source.
Interprétez les états du vérificateur C2PA, la confiance dans le signataire et les déclarations d’IA, puis rédigez une note de preuve claire sans confondre provenance et preuve d’authenticité.

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.

Vérifiez SynthID avec le Detector officiel ou la procédure d’image de Gemini. Comprenez la couverture des médias, les versions de fichiers et les vérifications propres aux fournisseurs.

Découvrez ce que les C2PA Content Credentials enregistrent, comment les signatures et les liaisons aux contenus sont vérifiées et ce que des identifiants valides ou absents peuvent prouver ou non.

Découvrez le fonctionnement des filigranes d’IA visibles et invisibles, ce qu’un signal positif peut établir et pourquoi leur absence ne prouve pas l’authenticité.