Comment reconnaître une image générée par IA
L’essentiel
Guide sur méthodes et limites pour établir si une image est générée ou modifiée par IA, recours aux métadonnées et Content Credentials (C2PA), approche…
Clara Blaise
9 min
Ce guide explique les méthodes et limites actuelles pour reconnaître une image générée par IA ; il n’est pas un mode d’emploi pour identifier ou retrouver une personne. Réponse directe : il n’existe pas de preuve formelle unique qu’une image est « vraie » ou « fausse » ; on dispose d’éléments probants (métadonnées, Content Credentials) et d’analyses probabilistes qui aident à établir un faisceau d’indices. Date de relevé : 23/09/2026.
- Qu’est‑ce qu’une « image générée par IA » ?
- Ce que les outils peuvent (et ne peuvent pas) faire
- Méthode fiable pour vérifier une image
- Content Credentials (C2PA) : que vérifient-ils ?
- Quand un détecteur peut tromper — cas concrets
- Aspects juridiques en France et UE
- Que faire si mon image circule ?
- Outils et ressources
- FAQ
Qu’est‑ce qu’une « image générée par IA » ?
Une image générée par IA recouvre plusieurs réalités techniques. D’une part, l’image entièrement synthétique, produite sans photographe humain à partir d’un modèle génératif. D’autre part, la retouche ou transformation réalisée par des outils d’IA : inpainting, upscaling, colorisation ou autre opération qui modifie une image existante. Enfin, le terme hypertrucage désigne les manipulations qui visent à altérer la réalité perçue, proches des deepfakes.
La distinction technique n’est pas strictement identique à la distinction juridique. Une image de synthèse peut ne pas relever du même régime qu’une image manipulée si la loi exige une mention de synthèse ou si elle recoupe des interdictions précises. L’article 50 du AI Act (règlement (UE) 2024/1689) traite de la transparence pour les contenus générés ou manipulés par IA et introduit le concept d’hypertrucage.
Pour les praticiens et responsables conformité, retenir la séparation : « synthèse » = création ex nihilo ; « manipulation » = altération d’une source préexistante ; « hypertrucage » = manipulation destinée à tromper par ressemblance ou substitution. Les obligations de marquage et de transparence varient selon ces catégories, et la date de référence pour l’état du droit repris ici est le 23/09/2026.
Ce que les outils peuvent (et ne peuvent pas) faire
Les dispositifs courants se répartissent en trois familles fonctionnelles. Premièrement, les classifieurs probabilistes dits « détecteurs d’images IA » : ils évaluent, sur la base d’un modèle entraîné, la probabilité qu’une image soit générée ou manipulée. Deuxièmement, les vérificateurs de provenance et les Content Credentials (C2PA) : ils lisent un manifeste ou un filigrane attestant de la chaîne de création déclarée. Troisièmement, les outils de recherche inversée ou d’investigation publique qui aident à retrouver une publication antérieure.
Ces outils aident, mais ne garantissent rien. Les détecteurs restent probabilistes : aucun n’atteint une fiabilité absolue. Leur performance chute face à des images recompressées, recadrées ou traitées après génération. Les benchmarks publics (NIST Open Media Forensics, DeepfakeBench) montrent des baisses de performance sur les cas « in the wild » et sur les images produites par modèles récents. Le C2PA atteste une provenance déclarée, mais n’établit pas la vérité matérielle de l’image si la chaîne de provenance elle‑même est manipulée.
Pour les usages opérationnels, un outil sert d’indice, jamais de preuve. Un détecteur peut orienter une enquête, un Content Credential peut faciliter la traçabilité, mais la décision finale repose sur un croisement d’éléments documentaires, techniques et contextuels.
Méthode fiable pour vérifier une image
Proposer une procédure claire aide les équipes juridiques, de conformité et de communication. Voici un ordre recommandé d’actions à mener, conçu comme une checklist séquentielle :
Rechercher une source originale via recherche inversée d’images ou archive de publications.
Vérifier métadonnées embarquées et présence de Content Credentials (C2PA).
Analyser indices visuels et incohérences : ombres, perspectives, détails anatomiques ou textuels qui semblent hors contexte.
Utiliser détecteurs d’images IA comme indicateurs complémentaires, en veillant à documenter la version et la date de l’outil consulté.
Croiser avec publications externes : article initial, timestamp, dépôt sur un serveur horodaté.
Chaque étape doit être documentée. Conserver captures d’écran horodatées, copies d’entêtes HTTP quand possible et rapports d’outils. Les détecteurs doivent être présentés dans un rapport comme éléments d’information circonstanciels : « indice » et non « preuve ».
Pour la communication interne et externe, préparer des blocs prêts à coller pour signalement et retrait facilite la réponse rapide. Ces blocs incluent demandes d’effacement adressées au responsable de la plateforme et signalements aux autorités compétentes quand le contenu est illicite.
Content Credentials (C2PA) : que vérifient-ils ?
Le C2PA est une spécification technique pour attacher une provenance à un fichier média. Concrètement, un Content Credential peut contenir un manifeste signé qui liste des métadonnées de création, d’édition et de publication. L’adoption de la spécification s’est accélérée en 2026, avec un guide d’implémentation publié la même année.
Ce que le C2PA atteste : une chaîne de provenance déclarée et signée, permettant d’identifier des étapes de création et de modification. Ce que le C2PA n’atteste pas : la véracité matérielle d’une scène ou l’absence de manipulation en dehors de la chaîne documentée. Si la chaîne de provenance est fausse ou compromise, le Content Credential ne suffit pas à valider l’image.
Il faut donc lire les Content Credentials comme un document de traçabilité : utile, souvent fiable, mais soumis aux conditions de sa propre chaîne d’émission et de stockage.
Quand un détecteur peut tromper — cas concrets
Plusieurs situations courantes montrent les limites opérationnelles des détecteurs :
Image recompressée et repostée : la recompression efface des traces d’origine et diminue la sensibilité des classifieurs.
Capture d’écran d’une image marquée : le flou apporté par la capture peut masquer les métadonnées et tromper les outils.
Image retravaillée par un outil récent : les modèles récents produisent des artefacts différents, souvent non couverts par des benchmarks anciens.
Les études et bancs d’essai publics relèvent systématiquement une dégradation « in the wild ». Ces études servent surtout à calibrer une pratique prudente : les résultats instrumentaux exigent vérification contextuelle avant toute décision juridique ou communication publique.
[hbs_exemple_figure]
Aspects juridiques en France et UE
Résumé opérationnel daté 23/09/2026. L’AI Act (règlement (UE) 2024/1689) impose des obligations de transparence des contenus générés ou manipulés par IA et introduit la notion d’hypertrucage. Le règlement omnibus (règlement (UE) 2026/1744) fixe des obligations complémentaires : marquage des contenus de synthèse applicable au 02/08/2026, interdictions spécifiques (nudification / CSAM généré par IA) applicables au 02/12/2026, et le report des dispositions « haut risque » pour la biométrie au 02/12/2027.
En droit français, la CNIL publie des guides et fiches pratiques sur l’hypertrucage et rappelle les voies de signalement. Le Code pénal comporte des dispositions visant la diffusion de contenus illicites ; la question du consentement et de la mention d’origine peut entraîner des responsabilités pénales ou civiles selon les circonstances. La mention « c’est un faux » ne suffit pas à neutraliser certaines infractions, notamment en matière de contenus sexuels illicites.
Ces rappels ne remplacent pas une consultation juridique détaillée. Les dates et articles cités ci‑dessous servent de point d’entrée pour la vérification : AI Act 2024/1689, omnibus 2026/1744, et les pages CNIL dédiées à l’hypertrucage.
Que faire si mon image circule (ou que j’ai reçu une image truquée) ?
Bloc opérationnel imprimable, destiné aux équipes et aux victimes.
Étapes pratiques immédiates :
Conserver preuves : captures horodatées, URL, copies locales des pages.
Signaler à la plateforme où le contenu circule via son formulaire de retrait.
Demander le retrait au responsable de traitement hébergeant le contenu.
Signaler aux autorités compétentes : CNIL (rubrique « Plaintes ») et PHAROS pour contenus illicites.
Envisager dépôt de plainte si une infraction est caractérisée.
Pour l’assistance aux victimes, vérifier les numéros et formulaires officiels le jour J. Le guide rappelle de documenter chaque action et de conserver les traces d’envoi des demandes de retrait. Conserver captures d’écran horodatées est indispensable pour toute procédure ultérieure.
Outils et ressources
Catégories d’outils à connaître (liste de classes, sans vanter un produit) :
Recherche inversée d’images.
Validateurs de Content Credentials / lecteurs C2PA.
Détecteurs d’images IA (classifieurs probabilistes).
Outils d’analyse de métadonnées et d’horodatage.
Les liens officiels utiles à consulter régulièrement : spécification C2PA, guide d’implémentation C2PA, pages CNIL sur l’hypertrucage, AI Act et omnibus sur EUR-Lex, NIST Open Media Forensics et publications de benchmarks. Mettre à jour la liste d’outils et vérifier prix/fonctions le jour de la publication.
FAQ
Q : Un détecteur m’affiche une forte probabilité d’IA : puis-je l’utiliser en justice ?
R : Un détecteur fournit un indice technique. En procédure, il faut l’inscrire dans un faisceau d’éléments : provenance, métadonnées, témoignages, horodatage et, si nécessaire, expertise technique indépendante.
Q : Que vérifie un manifeste C2PA ?
R : Il atteste des étapes documentées de création et d’édition signées. Il ne prouve pas la matérialité d’une scène si la chaîne elle‑même est manipulée.
Q : Que risque quelqu’un qui produit une nudification sans consentement ?
R : Depuis l’omnibus, certaines pratiques sont interdites et soumises à sanctions ; la qualification dépend des faits et du cadre pénal applicable. Se référer aux textes et à la CNIL pour la procédure de signalement.
Pour aller plus loin
Côté création, notre test d’outil : Utiliser Dall-e 3 pour booster votre marketing visuel.
Clara Blaise
recherche par image, reconnaissance faciale, vie privée et droit à l'image
Clara teste les moteurs de recherche par image et de reconnaissance faciale, et suit ce que la CNIL, le RGPD et l'AI Act permettent vraiment. Chaque test est refait sur ses propres photos avant publication.
Voir tous les articles de Clara Blaise →
Mis à jour le 23 septembre 2026
