Le 1er novembre, « Sept à huit » a diffusé une vue de Genève apparemment générée par IA. Comment reconnaître une image générée par IA quand même une rédaction s'y laisse prendre ? Voici quatre réflexes, à la portée de tous, et leurs limites.
Que s'est passé dans « Sept à huit » sur TF1, et que sait-on vraiment ?
Dans un reportage consacré au chef Danny Khezzar, TF1 a montré une dizaine de secondes d'une vue de Genève jugée fausse par la RTS. Selon la RTS, l'image, « apparemment générée par IA », montre un second lac qui n'existe pas et omet la cathédrale Saint-Pierre. L'information a aussi été relayée par la veille d'ActuIA.
Ce que la RTS rapporte de la réponse de TF1 est plus intéressant que l'image elle-même. D'après elle, la rédaction a indiqué que l'image avait été achetée sur Adobe Stock par un journaliste de la société qui produit l'émission. TF1 regrette une « erreur » et précise que l'image a été retirée de la plateforme après le signalement.
Deux précautions s'imposent. Le mot « apparemment » vient de la RTS : nous ne disposons pas d'une expertise technique indépendante de l'image. Et ce que nous savons de la réaction de TF1 passe par la RTS, pas par un communiqué que nous aurions lu nous-mêmes.
Cet épisode dit quelque chose d'utile : l'image n'a pas été repérée par un logiciel, mais par des téléspectateurs romands qui connaissent leur ville. Le premier détecteur, c'est donc votre connaissance du réel. Les quatre réflexes ci-dessous partent de là.
Réflexe 1 : remonter à la source d'origine
Avant d'examiner une image, demandez-vous qui l'a publiée en premier. Une photo crédible a presque toujours un auteur, une agence, une date et un lieu. Une image qui circule sans aucun de ces éléments mérite un doute proportionné à ce qu'elle prétend prouver.
Dans le cas de Genève, la chaîne était : banque d'images, producteur, chaîne, téléspectateur. Chaque maillon a supposé que le précédent avait vérifié. C'est le piège classique : plus la chaîne est longue, plus la question « qui a vérifié ? » se perd.
Pour une image d'illustration, la question change de nature. Une vue de ville, un paysage après une inondation ou la photo d'un produit « vu sur un site » peuvent aujourd'hui être fabriqués sans que personne n'ait voulu tromper. Ce qui compte alors est l'usage : une illustration d'ambiance n'a pas les mêmes enjeux qu'une image censée prouver un événement.
Réflexe 2 : lancer une recherche d'image inversée
La recherche d'image inversée (Google Lens, Google Images, TinEye, Bing Visual Search) retrouve les endroits où une image est déjà apparue. En quelques secondes, vous voyez si elle existe ailleurs, avec quelle légende et à quelle date.
Faites l'opération ainsi : enregistrez l'image ou faites une capture, importez-la dans l'outil, puis triez les résultats par ancienneté. Une photo « d'actualité » qui existe déjà depuis trois ans avec une autre légende est un signal fort.
Un résultat vide ne prouve rien. Une image générée la veille n'a pas d'historique, mais une vraie photo inédite non plus. La recherche inversée sert surtout à détecter les images recyclées, un problème plus courant que la génération pure.
Réflexe 3 : examiner les détails, en sachant ce qu'on cherche
Les indices visuels restent utiles, mais ils s'effacent à mesure que les modèles progressent. Les « six doigts » des premières générations sont devenus rares. Le conseil de « chercher les défauts » seul est donc périmé : cherchez plutôt les incohérences avec le monde réel.
| Ce qu'on examine | Ce qu'on cherche | Piège |
|---|---|---|
| Lieu | Monuments manquants ou en trop, géographie impossible (le cas du second lac) | Il faut connaître le lieu ou le comparer à une carte |
| Texte | Enseignes, panneaux, étiquettes illisibles ou aux lettres déformées | Les modèles récents écrivent mieux qu'avant |
| Mains, visages | Doigts, dents, boucles d'oreille asymétriques | De moins en moins fréquent |
| Ombres, reflets | Directions de lumière contradictoires, reflets absents | Une retouche classique produit les mêmes défauts |
| Raccords | Motifs qui se répètent, objets qui fusionnent avec le décor | Une image compressée brouille aussi les détails |
Pour comparer un lieu, ouvrez une carte satellite ou la vue au sol du même endroit : c'est exactement ce qui aurait permis de repérer Genève. Si vous voulez un second regard, vous pouvez aussi demander à un assistant multimodal de lister des points à contrôler, à condition de lui interdire de conclure :
Tu es un vérificateur d'images. Je te joins une image.
1. Décris ce que tu vois, sans interpréter.
2. Liste les éléments à contrôler : lieu, texte lisible, mains et visages,
ombres et reflets, objets qui fusionnent.
3. Pour chaque élément, indique ce qui paraît cohérent ou incohérent
ET ton niveau d'incertitude.
4. Ne conclus pas « réelle » ou « générée par IA » : dis-moi quelles
vérifications externes (source, recherche inversée, carte) trancheraient.Cette réponse reste une aide à l'observation. Un assistant peut se tromper avec aplomb, et il n'a aucun moyen de savoir d'où vient le fichier.
Réflexe 4 : chercher si l'usage d'IA est signalé
Regardez la légende, le crédit et les mentions autour de l'image. Un média sérieux précise généralement quand une image est générée ou illustrative. Certaines images embarquent aussi des métadonnées de provenance de type Content Credentials (norme C2PA), qui indiquent comment elles ont été produites.
Ces informations sont fragiles : une capture d'écran, un export ou un partage sur un réseau social peuvent les faire disparaître. Leur présence est un bon indice. Leur absence n'en est pas un contre.
Et l'absence de mention n'est pas la preuve d'une tromperie. Dans l'affaire TF1, c'est une image achetée sur une banque d'images qui a été diffusée, et TF1 parle d'« erreur ». Entre l'oubli, la chaîne de sous-traitance et la mauvaise foi, ne tranchez pas à la place des faits.
Peut-on s'en remettre aux détecteurs d'images IA ?
Non, pas seuls. Les détecteurs d'images calculent une probabilité, avec des faux positifs (une vraie photo jugée fausse) et des faux négatifs (une image générée qui passe). Comme pour les détecteurs de texte, aucun n'est fiable à 100 %.
L'offre s'étoffe pourtant. Selon le Blog du Modérateur, Pangram vient de lancer des modèles de détection d'images et de vidéos, annoncés le 5 novembre. Nous n'avons pas d'évaluation indépendante de leurs performances, et nous ne les recommandons ni ne les écartons : à tester, comme n'importe quel outil.
Notre position de formateurs, qui voient comment ces réflexes sont appliqués (ou non) en entreprise : un détecteur est utile comme un indice de plus, jamais comme un tampon « vrai » ou « faux ». Le danger est double. Un score élevé peut accuser à tort une vraie photo, et un score faible peut rassurer à tort devant une image fabriquée. La vérification fiable reste un faisceau : source, historique, cohérence, mention, et seulement ensuite outil.
À quel moment faut-il vraiment vérifier ?
Vérifiez en proportion de l'enjeu. Pour une image d'ambiance dans un reportage, un doute léger suffit. Pour une image qui prouve un événement, accuse quelqu'un, justifie un achat ou circule avant un vote, les quatre réflexes valent quelques minutes.
- Parents et enseignants : transformez le cas Genève en exercice. Montrez la vue, demandez aux élèves ce qui cloche, puis faites-leur vérifier avec une carte. Ils retiennent le raisonnement, pas la liste d'artefacts.
- Étudiants : citez l'image avec sa source primaire, pas avec la page où vous l'avez trouvée.
- Entreprises : si vous achetez des visuels sur des banques d'images, la question « qui vérifie l'origine ? » doit avoir un responsable. Nous construisons ce type de règle dans nos formations en entreprise, sur mesure, à partir de vos usages réels. Les particuliers peuvent monter en compétence avec la formation IA pour particuliers. Pour cadrer un besoin précis, passez par la page contact.
Questions fréquentes
Comment reconnaître une image générée par IA sans outil ?
Commencez par la cohérence : lieu comparé à une carte, texte lisible sur les enseignes, mains, ombres, reflets. Demandez-vous ensuite qui a publié l'image en premier et si une légende ou un crédit en précise l'origine. Aucun de ces indices n'est une preuve seul.
Un détecteur d'images IA est-il fiable ?
Pas à 100 %. Un détecteur donne une probabilité, avec des faux positifs et des faux négatifs, et ses résultats se dégradent quand les générateurs évoluent. Utilisez-le comme un indice à recouper avec la source et le contexte, jamais comme un verdict.
ChatGPT ou Gemini peuvent-ils me dire si une image est générée par IA ?
Ils peuvent aider à décrire des incohérences visibles, mais leur réponse peut être erronée ou trop assurée. Servez-vous-en pour lister des points à vérifier, pas pour trancher.
Une image sans mention « IA » est-elle forcément réelle ?
Non. L'absence de mention peut venir d'un oubli, d'une image achetée sur une banque d'images ou d'une métadonnée perdue en route. Inversement, l'absence de mention ne prouve pas une volonté de tromper.