- Les détecteurs d'images IA vous donnent un score de probabilité, pas une preuve définitive : combinez-les avec la recherche d'image inversée et les vérifications visuelles pour une meilleure précision.
- Recherchez les mains contre nature, le texte brouillé, les reflets impossibles et les détails de bijoux bizarres, mais sachez que les générateurs plus récents comme Midjourney et ChatGPT Images 2.5 corrigent une grande partie de ces indices.
- Utilisez Google Lens pour remonter une image à sa source d'origine et sa date de publication : le contexte compte souvent plus que les pixels.
- Content Credentials (C2PA) et le filigrane SynthID de Google sont des normes émergentes, mais ne fonctionnent que si le créateur ou la plateforme les intègre.
Un détecteur d'images IA analyse une photo et retourne un pourcentage estimé de la probabilité qu'elle ait été créée par un générateur comme Midjourney, DALL-E ou Stable Diffusion. Le nombre est une supposition basée sur des motifs que le détecteur a vus auparavant, pas un verdict médico-légal. Un détecteur peut signaler une photo réelle comme étant de l'IA ou manquer une image générée par l'IA entièrement, en particulier une créée avec un modèle plus récent qu'il n'a jamais étudié.
C'est pourquoi aucune méthode unique ne suffit. Pour juger si une photo virale a été générée par l'IA, vous combinez les résultats du détecteur avec les recherches d'image inversée, les vérifications visuelles et le contexte de la source. Ce guide vous guide à travers les quatre approches afin que vous puissiez prendre une décision éclairée sans diplôme en informatique.
Ce que font les détecteurs d'images IA et pourquoi ils ne sont pas définitifs
Un détecteur d'images IA est un logiciel entraîné sur des milliers d'images réelles et générées par l'IA. Il apprend à reconnaître les empreintes digitales statistiques (artefacts de compression, dégradés de couleur, motifs de texture) que les générateurs ont tendance à laisser. Lorsque vous téléchargez une photo, le détecteur la compare à ces motifs appris et génère un score : « 85 % de probabilité d'être générée par l'IA » ou « 20 % de confiance ».
Le problème est double. Premièrement, chaque détecteur n'est aussi bon que son ensemble d'entraînement. S'il n'a jamais vu d'images provenant de les derniers générateurs d'images IA, il manquera leurs indices. Deuxièmement, les photos réelles peuvent déclencher les mêmes motifs statistiques : l'édition intensive, certains capteurs d'appareil photo et la compression JPEG introduisent tous des artefacts qui ressemblent « générés par l'IA » pour l'algorithme.
Cela signifie qu'un score élevé est un drapeau rouge qui mérite d'être étudié, pas un verdict. Et un score faible ne prouve pas que l'image est réelle. Traitez toujours les résultats du détecteur comme un point de données dans un contexte plus large.
Les indices visuels que vous pouvez vérifier vous-même
Avant que les générateurs d'IA ne deviennent courants, repérer un faux était simple : chercher les mains mutilées, le texte sans sens et les reflets contraires à la physique. Ces indices sont toujours utiles, mais ils arrivent avec une fenêtre de fiabilité rétrécissante.
Les mains et les doigts
Les premiers modèles de diffusion avaient du mal avec les mains car les doigts se chevauchent, se plient et se raccourcissent d'une manière qui confond l'entraînement au niveau des pixels. Vous verriez six doigts, des articulations fusionnées ou des pouces sortant des poignets. Vers la mi-2025, les modèles comme Midjourney v7 et ChatGPT Images 2.5 ont appris à rendre les mains correctement la plupart du temps. Une main parfaite ne prouve plus que l'image est réelle, et une main cassée ne prouve plus qu'elle est fausse : certaines photos réelles capturent les doigts en mouvement ou partiellement obscurcis.
Toujours utile à vérifier : zoomez sur les mains visibles. Comptez les doigts. Tracez chaque doigt jusqu'à sa base. Si la géométrie est incorrecte ou qu'un doigt semble disparaître dans une manche sans point de terminaison clair, c'est un point contre l'authenticité.
Texte et signalétique
Les générateurs produisaient autrefois du texte brouillé et de l'alphabet-soupe sur les vitrines, les couvertures de livres et les t-shirts, car ils traitent les lettres comme des textures visuelles plutôt que comme un langage lisible. Les modèles récents se sont améliorés, mais le texte reste un point faible. Recherchez :
- Des mots sans sens qui ressemblent presque à de vrais (« COFFAE » au lieu de « COFFEE »)
- Les lettres qui changent de style au milieu d'un mot
- Des lignes de base courbes ou ondulées où le texte devrait être droit
- Des glyphes répétés dans un motif qui n'a aucun sens sémantique
Si le texte est minuscule, flou ou incliné, même une vraie photo pourrait avoir l'air brouillée. Le contexte compte.
Reflets et ombres
La physique est difficile pour les modèles de diffusion. Une personne se tenant devant un miroir devrait apparaître dans le reflet avec le même costume, la même pose et le même éclairage. Les générateurs d'IA rendent parfois une pose différente, échangent les couleurs des vêtements ou omettent entièrement le reflet. Les ombres devraient tomber dans une direction compatible avec la source de lumière ; les ombres générées par l'IA pointent parfois dans plusieurs directions ou flottent détachées de leurs objets.
Vérifiez toute surface en verre, flaque ou sol brillant. Le reflet a-t-il un sens physique ? L'éclairage est-il cohérent dans la scène ?
Bijoux et détails fins
Les colliers, boucles d'oreilles et chaînes sont un autre point problématique. Les générateurs ont du mal avec la géométrie fine et chevauchante. Vous pourriez voir un fermoir de collier qui ne se connecte à rien, des boucles d'oreilles qui passent par le lobe au lieu de le suspendre, ou des maillons de chaîne qui se fondent en une masse solide. Les dents, les lunettes et les brins de cheveux présentent des problèmes similaires : recherchez les transitions qui défient l'anatomie ou l'optique.
Arrière-plans et bords
Les images générées par l'IA montrent parfois de la « fusion » à la limite entre le sujet et l'arrière-plan. Une épaule peut se fondre dans le papier peint, ou les brins de cheveux peuvent fusionner avec le ciel. Cela se produit parce que le mécanisme d'attention du modèle brouille la distinction entre le premier plan et le contexte. C'est subtil, mais zoomer sur les bords peut le révéler.
Les arrière-plans eux-mêmes peuvent être trop parfaits : pas de câbles errants, pas de désordre, tout arrangé symétriquement d'une manière que les vraies pièces le sont rarement. Ou ils peuvent être incohérents : une bibliothèque où chaque colonne est sans sens, un paysage urbain où les bâtiments ont des perspectives impossibles.
Pourquoi ces indices s'estompent
Chaque indice listé ci-dessus était un drapeau rouge fiable en 2023 et début 2024. Vers la fin 2025 et dans 2026, les générateurs de premier niveau ont comblé la plupart de ces lacunes. Midjourney v7 rend les mains anatomiquement correctes. ChatGPT Images 2.5 peut produire une signalétique lisible. Flux et Stable Diffusion 4.0 gèrent bien mieux les reflets et les bijoux fins que leurs prédécesseurs.
Cela ne rend pas les vérifications visuelles inutiles : cela les rend probabilistes. Une main cassée est toujours une preuve. Une main parfaite n'est plus une preuve d'authenticité. Vous avez besoin de plus de points de données.
Content Credentials et SynthID : les normes émergentes
Deux normes techniques visent à étiqueter les images générées par l'IA au moment de la création, afin que vous n'ayez pas à deviner plus tard.
Content Credentials (C2PA)
Content Credentials est une spécification maintenue par la Coalition for Content Provenance and Authenticity (C2PA). Lorsqu'une caméra, une application d'édition ou un générateur d'IA prend en charge C2PA, il intègre un manifeste cryptographiquement signé dans le fichier image. Ce manifeste enregistre l'outil qui l'a créé, la date et si des modifications ont été apportées. Adobe, Microsoft et Leica l'ont adopté ; certaines caméras Canon et Nikon le livrent avec support C2PA.
Pour vérifier une image pour Content Credentials, téléchargez-la sur une visionneuse compatible ou utilisez une extension de navigateur. Si le manifeste est présent et intact, vous verrez une chaîne de provenance : « Créé par Adobe Firefly le 2026-10-12, pas de modifications. » Si l'image a été modifiée après sa création, la chaîne affiche chaque étape.
Le hic : Content Credentials ne fonctionne que si le créateur les a activés. La plupart des générateurs d'IA n'intègrent pas C2PA par défaut. Les plateformes de médias sociaux suppriment souvent les métadonnées lorsque vous téléchargez une photo, ce qui casse la chaîne. Et un mauvais acteur peut simplement faire une capture d'écran d'une image IA et la réenregistrer, se débarrassant du manifeste. Content Credentials sont un signal positif fort lorsqu'ils sont présents, mais leur absence ne prouve rien.
Google SynthID
SynthID est le système de filigrane de Google pour les images et les textes générés par l'IA. Au lieu d'ajouter une marque visible, il modifie subtilement les valeurs de pixels d'une manière invisible à l'œil humain mais détectable par le décodeur de SynthID. Google intègre SynthID aux images créées via Gemini image generator et a rendu la technologie disponible à d'autres plateformes.
SynthID résiste aux modifications, aux recadrages et à la compression modérés—des techniques qui effacent les filigranes traditionnels. Mais ce n'est pas infaillible. Les filtres intenses, la conversion de l'image vers un format différent plusieurs fois, ou l'impression et la numérisation peuvent dégrader le filigrane en dessous des seuils de détection.
Comme Content Credentials, SynthID est optionnel. Seules les images créées par des générateurs participants le portent, et il n'existe pas de décodeur SynthID public que vous puissiez utiliser chez vous. C'est un outil pour les plateformes et les enquêteurs, pas une première ligne de défense pour les utilisateurs du quotidien.
Recherche d'image inversée : trouver la source
L'un des moyens les plus fiables pour juger une image est de découvrir où elle est apparue en premier et dans quel contexte. Google Lens rend cela simple.
Comment utiliser Google Lens
Sur un smartphone, ouvrez l'application Google ou téléchargez Google Lens. Appuyez sur l'icône de l'appareil photo, puis prenez une photo de l'image sur un autre écran ou téléchargez-la depuis votre galerie. Lens vous montrera des images visuellement similaires de tout le web, ainsi que les pages où l'image exacte apparaît.
Sur un ordinateur de bureau, allez à lens.google.com. Cliquez sur l'icône de téléchargement et sélectionnez le fichier image. Lens retourne une liste de correspondances avec dates et sources.
Ce à quoi prêter attention
Si l'image est en ligne depuis des mois ou des années, il est plus probable qu'il s'agisse d'une vraie photo qui circule à nouveau. Si elle n'apparaît que sur des fils Reddit des 48 dernières heures avec des légendes comme « C'est vrai ? », c'est un mauvais signe.
Vérifiez si la source la plus ancienne est un média crédible, un compte vérifié sur les réseaux sociaux, ou une galerie de stock photo. Si la piste remène à une galerie d'art IA ou à une balise « generated images » sur un forum, vous avez votre réponse.
La recherche inversée capture également les faux recyclés—une image IA de 2024 présentée comme une photo d'actualité en 2026. L'horodatage et le contexte comptent autant que les pixels.
Utilisation de l'outil image-to-prompt
Si vous soupçonnez qu'une image est générée par l'IA, l' outil gratuit image-to-prompt de Convly peut vous aider à comprendre quel prompt aurait pu la créer. Téléchargez l'image et l'outil rétro-conçoit une description textuelle—« un portrait photoréaliste d'une femme en robe rouge, éclairage de studio, faible profondeur de champ ».
Cela ne prouve pas que l'image est générée par l'IA, mais cela vous donne le vocabulaire pour chercher des images IA connues similaires. Collez le prompt reconstitué dans une recherche d'images ou une base de données d'art IA et voyez si vous trouvez des correspondances. Si vous en trouvez, c'est une preuve circonstancielle solide.
Pourquoi vous ne devriez pas vous fier uniquement aux sites Web de détecteurs
Des dizaines de sites web offrent une détection d'images IA gratuite : téléchargez une photo, attendez quelques secondes, obtenez un pourcentage. Ils sont construits sur le même principe—des classificateurs entraînés à rechercher des indices statistiques—mais leur précision varie énormément, et aucun ne publie ses taux de faux positifs ou de faux négatifs.
Une étude indépendante de 2025 a testé huit détecteurs populaires sur un mélange de vraies photos et d'images IA provenant de Midjourney, DALL-E et Stable Diffusion. Le meilleur détecteur a atteint 78% de précision sur ses modèles d'époque d'entraînement mais a baissé à 54% (à peine mieux qu'un pile ou face) sur les images de générateurs lancés après sa date limite d'entraînement. Le pire détecteur a marqué 40% des vraies photos comme IA.
Les détecteurs échouent également de manière prévisible :
- Les vraies photos fortement modifiées obtiennent un score élevé parce que le logiciel de retouche introduit des artefacts que le détecteur associe à la génération.
- Les images IA simples—illustrations plates, arrière-plans minimalistes—obtiennent un score faible parce qu'elles manquent des textures complexes que le détecteur a appris à reconnaître.
- Tweaks adversariaux: ajouter une fine couche de bruit ou appliquer une image via un filtre spécifique peut tromper le détecteur sans changer la façon dont l'image vous apparaît.
Convly n'offre pas de détecteur d'images IA. Si vous choisissez d'en utiliser un, traitez le résultat comme un point de départ. Un score élevé signifie « enquêter davantage », pas « affaire classée ».
Deepfakes et vidéo : un problème connexe
Les images générées par l'IA ne sont qu'un élément d'un puzzle plus large. Les vidéos deepfake—clips échangeant les visages, voix générées par l'IA, présentateurs synthétiques—soulèvent les mêmes questions d'authenticité mais se déploient à 30 images par seconde. Les techniques de vérification chevauchent la détection d'images fixes (artefacts visuels, vérifications de source, métadonnées), mais la vidéo ajoute l'analyse de mouvement et la criminalistique audio au mélange.
Pour un regard plus approfondi sur la façon dont les deepfakes fonctionnent, pourquoi ils sont difficiles à détecter et quels outils existent pour les repérer, lisez le guide de Convly sur deepfakes : la menace et comment les détecter.
Tout assembler : une liste de contrôle
Lorsque vous rencontrez une image que vous souhaitez vérifier, parcourez ces étapes dans l'ordre :
- Effectuez une recherche inversée avec Google Lens. Trouvez la source la plus ancienne et vérifiez le contexte. S'il remène à un média crédible ou s'il est antérieur à l'ère actuelle de la génération IA, il est probablement réel.
- Cherchez Content Credentials ou SynthID. S'ils sont présents, ce sont des preuves solides (bien que l'absence ne prouve rien).
- Inspectez les détails visuels: mains, texte, reflets, bijoux, cohérence de l'arrière-plan. Un défaut n'est pas une preuve, mais un groupe de problèmes augmente la probabilité.
- Téléchargez vers un détecteur d'images IA si vous avez encore des doutes. Un score très élevé (au-dessus de 90%) vaut la peine d'être noté ; un score intermédiaire (40–70%) est du bruit.
- Vérifiez l' image-to-prompt outil pour voir si le prompt reconstitué correspond à des styles ou des tropes d'art IA connus.
- Évaluez le contexte: qui l'a partagé, quand et avec quel énoncé ? Un « cela vient de se produire » essoufflé attaché à une image sans présence web antérieure est un mauvais signe en soi.
Aucun test unique n'est infaillible. Ensemble, ils vous donnent assez de signal pour porter un jugement raisonné.
Questions fréquemment posées
Puis-je faire confiance à un score de détection d'IA de 95 % ?
Un score très élevé signifie que le détecteur a trouvé des motifs qu'il associe fortement à la génération par IA, ce qui mérite d'être approfondi. Mais les détecteurs donnent des faux positifs : les photos réelles très retouchées, certains capteurs d'appareil photo et les images compressées peuvent tous obtenir un score élevé. Utilisez le score comme une entrée, pas comme la décision finale.
Pourquoi certaines images générées par l'IA semblent-elles complètement réelles ?
Les meilleurs générateurs d’images IA en 2026—Midjourney v7 ChatGPT Images 2.5et Flux—ont été entraînés sur des milliards de photos haute résolution et ont appris à imiter l'éclairage, la texture et l'anatomie à un niveau qui trompe l'œil humain dans de nombreux cas. Ils commettent toujours des erreurs, mais ces erreurs sont plus rares et plus subtiles qu'il y a deux ans. À mesure que les modèles s'améliorent, les vérifications visuelles deviennent moins fiables, ce qui explique pourquoi la recherche inversée et les vérifications de métadonnées importent davantage.
Quel est le moyen le plus fiable de vérifier si une image est réelle ?
La recherche d'image inversée avec Google Lens est l'outil le plus utile car il vous indique d'où provient l'image, quand elle a d'abord apparue et dans quel contexte. Une image qui est en ligne depuis des années ou qui provient d'un organe de presse crédible est beaucoup plus susceptible d'être réelle qu'une image sans présence web antérieure. Combinez cela avec des vérifications visuelles et les résultats du détecteur pour le verdict le plus solide.
Les plateformes de médias sociaux étiquettent-elles les images générées par l'IA ?
Certains le font, de façon incohérente. Meta (Facebook et Instagram) a commencé à ajouter des étiquettes « Imagined with AI » en 2024 aux images avec Content Credentials C2PA, mais seulement si les métadonnées ont survécu au téléchargement. X (anciennement Twitter) n'étiquette pas les images IA. TikTok exige que les créateurs divulguent le contenu généré par l'IA mais repose sur l'auto-déclaration. Aucune plateforme n'a un système parfait, donc traitez les étiquettes comme utiles mais non exhaustives.
Puis-je supprimer un filigrane d'IA pour faire passer une image pour réelle ?
Supprimer les métadonnées ou recadrer un filigrane visible est techniquement possible, mais le faire pour tromper les autres, en particulier dans les contextes d'actualité, de publicité ou académiques, est contraire à l'éthique et souvent illégal. De nombreuses juridictions ont maintenant des lois contre la fraude aux deepfakes et les médias synthétiques trompeurs. Au-delà du risque juridique, cela érode la confiance dans l'information visuelle pour tout le monde. Si vous avez généré une image, divulguez-le.
La détection d'images IA s'améliorera-t-elle ?
La détection et la génération sont dans une course aux armements. Chaque fois que les détecteurs apprennent un nouvel indice, les générateurs sont entraînés pour l'éviter. La solution à long terme n'est pas une meilleure détection mais de meilleurs systèmes de provenance : Content Credentials, SynthID et les registres multimédias basés sur la blockchain qui étiquettent l'authenticité à la création. Jusqu'à ce que ces systèmes soient universels, la détection restera probabiliste et imparfaite.