IA
Comment repérer une image générée par IA
On repère les images IA dans 62 % des cas seulement, et les vieux indices sont morts. Vérifiez la source, cherchez par l'image, lisez le label.
Dernière mise à jour : 2026-11-15 · 7 min de lecture
En bref : regarder ne suffit plus
Il y a quelques années, repérer une image générée par IA était un jeu de société. Comptez les doigts, regardez les mains, trouvez le texte déformé sur le panneau en arrière-plan, et vous aviez votre réponse. Ce jeu est terminé. Les générateurs d'images de 2026 ont appris les mains, le texte, les reflets et la lumière, et les images qu'ils produisent passent un examen rapide sans effort.
Les chiffres le disent clairement. Une étude du AI for Good Lab de Microsoft a demandé à plus de 12 500 personnes de trier des photographies réelles et des images générées par IA, recueillant environ 287 000 jugements — et les participants n'ont eu raison que dans 62 pour cent des cas, à peine mieux que le hasard, sur des images produites par des générateurs de 2024. Les générateurs se sont améliorés depuis. Les yeux humains, non.
Cela ne veut pas dire que la détection est sans espoir. Cela veut dire que la méthode doit changer. La réponse honnête pour 2026 est que regarder l'image est désormais le test le plus faible, et non le plus fort. Les vérifications qui fonctionnent sont celles qui ignorent les pixels et enquêtent sur l'image : d'où elle vient, si elle existe ailleurs, et si elle porte un label de provenance. Cet article explique ces trois vérifications, et ce qu'il faut faire dans le cas fréquent où aucune ne tranche la question.
Pourquoi les vieux indices sont morts
La plupart des guides pour repérer les images IA énumèrent toujours les mêmes indices qu'en 2023 : six doigts, des mains déformées, du texte brouillé, des boucles d'oreilles asymétriques, des reflets impossibles. Certains apparaissent encore, surtout dans les images de générateurs gratuits ou dépassés, et une image avec trois bras reste un indice évident. Mais les générateurs grand public ont d'abord corrigé les défauts les plus célèbres, parce qu'ils étaient les plus embarrassants. Considérer une paire de mains propres comme la preuve qu'une image est réelle est désormais exactement l'inverse de la vérité : les meilleurs générateurs produisent des mains propres à chaque fois.
Le problème plus profond est que les vraies photographies ont aussi des défauts. Une photo authentique peut avoir un panneau déformé, un reflet étrange dans une fenêtre, une main cachée derrière un sac, ou un visage flouté par le mouvement. Juger uniquement sur les défauts revient à signaler de vraies photos comme fausses et à accepter des images fausses comme vraies, souvent le même jour. Les indices n'ont jamais été des preuves fiables. C'étaient des raccourcis qui fonctionnaient tant que les générateurs étaient maladroits, et les générateurs ont cessé d'être maladroits.
Il y a une exception partielle, et elle vaut la peine d'être connue. Une étude de l'Université nationale australienne de juin 2026 a montré qu'enseigner aux gens les qualités générales des visages générés par IA — la peau trop lisse, la symétrie trop parfaite, les yeux étrangement vides — doublait presque leur précision, alors qu'apprendre à traquer des défauts précis n'aidait pas beaucoup. La leçon est de regarder le visage dans son ensemble, pas les doigts. Mais même cela reste une probabilité, pas une preuve, et cela fonctionne surtout pour les visages, pas pour les paysages, les objets ou les scènes.
Ce qui fonctionne vraiment : vérifier la source
La vérification la plus solide coûte trente secondes et ne demande aucune expertise. Demandez-vous d'où vient l'image. Une photographie publiée par une agence de presse, un service gouvernemental ou un photographe à l'historique vérifiable est bien plus fiable que la même image publiée par un compte anonyme apparu la semaine dernière. Faites défiler : le compte a-t-il un historique, ou a-t-il été créé pour publier cette seule image ? L'histoire racontée par l'image correspond-elle à ce que rapportent des sources fiables ?
La deuxième vérification est la recherche d'image inversée. Téléversez l'image, ou recherchez par son adresse, et voyez où elle apparaît ailleurs. Une vraie photographie d'un événement réel a généralement une trace : la même image sur un site d'actualités, le portfolio du photographe, ou une date antérieure. Une image IA n'a souvent aucune trace, ou une trace qui mène vers une galerie IA ou une publication sur les réseaux sociaux sans source. Une recherche inversée permet aussi de démasquer la plus vieille astuce : une vraie photographie datant de plusieurs années, présentée comme si elle venait d'hier.
La troisième vérification est le contexte autour de l'image. La légende avance-t-elle une affirmation qu'aucune source fiable ne confirme ? L'image est-elle la seule preuve d'une affirmation extraordinaire ? Est-elle partagée par des comptes qui ont intérêt à ce que vous y croyiez ? Aucun de ces éléments ne prouve qu'une image est fausse, mais ensemble ils vous disent à quel point lui faire confiance — ce qui est la question qui compte vraiment.
La provenance : le label qui voyage avec l'image
Le développement le plus important de 2026 n'est pas un meilleur détecteur, mais un label. La norme C2PA, connue des utilisateurs sous le nom de Content Credentials, intègre dans le fichier image lui-même un enregistrement signé : quel appareil photo ou logiciel l'a créée, quand, et si l'IA a été impliquée. Les appareils des grands fabricants et les outils d'Adobe et d'autres écrivent désormais ces identifiants, et vous pouvez les lire dans un navigateur ou une application en cliquant sur la petite icône Content Credentials.
Le SynthID de Google fonctionne de la même façon, de l'autre côté : il intègre un filigrane invisible dans les images créées par les outils d'IA de Google, les identifiant comme générées par IA même si le fichier est renommé, recadré ou repartagé. Les deux systèmes sont différents, mais l'idée est la même : au lieu de deviner à partir des pixels, lisez le label que l'image porte avec elle.
Le problème est la couverture. Un label n'aide que si l'image en possède un, et la plupart des images IA partagées sur les réseaux sociaux en 2026 n'en ont toujours pas, parce que les plateformes suppriment les métadonnées quand elles recompressent les fichiers. La loi pousse dans la bonne direction : la loi européenne sur l'IA interdit les images intimes non consensuelles créées par IA à partir du 2 décembre 2026, et la loi américaine TAKE IT DOWN exige des plateformes qu'elles retirent ces images dans les 48 heures suivant une demande. Mais la provenance est une solution lente, et pour l'instant l'absence de label ne prouve rien. Un label manquant signifie qu'il faut revenir à la source et à la recherche inversée.
Que faire quand on n'arrive toujours pas à savoir
Souvent, après ces trois vérifications, vous ne saurez toujours pas. C'est le résultat normal en 2026, et la bonne réponse est d'agir en fonction de cette incertitude au lieu de la résoudre par instinct. Ne partagez pas l'image comme un fait. Ne l'utilisez pas pour trancher un débat. Si l'affirmation compte — un événement d'actualité, un produit, une personne accusée de quelque chose — attendez qu'une source fiable la confirme, et vérifiez si l'une d'elles l'a déjà fait.
Si l'image est utilisée pour nuire à quelqu'un, signalez-la. Les plateformes ont des procédures de signalement pour les images intimes non consensuelles et les médias trompeurs, et la loi TAKE IT DOWN donne aux victimes aux États-Unis un recours légal pour un retrait sous 48 heures. Si vous avez créé vous-même une image IA, dites-le : un label clair protège votre public et ne vous coûte rien. L'époque où l'on repérait les fausses images à l'œil nu se termine. L'époque où l'on vérifie la source, et où l'on étiquette honnêtement, est celle dans laquelle nous sommes maintenant.
Questions fréquentes
Peut-on encore repérer une image IA grâce aux mains ?
Pas de façon fiable. Les premiers générateurs dessinaient souvent des doigts en trop ou déformés, mais les générateurs grand public de 2026 ont largement corrigé les mains, le texte et les reflets. Une image avec des erreurs évidentes au niveau des mains est probablement créée par IA, mais des mains propres ne prouvent rien — les meilleurs générateurs les produisent à chaque fois. Jugez la source et la provenance, pas les doigts.
Quelle est la précision des gens pour repérer les images IA ?
À peine mieux que le hasard. Une étude du AI for Good Lab de Microsoft, avec plus de 12 500 personnes et environ 287 000 jugements, a montré que les participants triaient les images réelles et IA correctement dans seulement 62 pour cent des cas, sur des générateurs de 2024. Enseigner les qualités générales des visages IA a presque doublé la précision dans une étude de 2026 de l'Université nationale australienne, mais cela reste une probabilité, pas une preuve.
Qu'est-ce qu'une recherche d'image inversée, et en quoi aide-t-elle ?
C'est une recherche par l'image elle-même au lieu de mots : vous téléversez l'image ou collez son adresse, et le moteur de recherche montre où elle apparaît ailleurs. Une vraie photographie a généralement une trace — un site d'actualités, un portfolio, une date antérieure. Une image IA n'a souvent aucune trace, ou une trace qui mène vers une galerie IA. Cela permet aussi de repérer de vieilles photos réelles présentées comme nouvelles.
Que sont les Content Credentials et SynthID ?
Ce sont des labels de provenance qui voyagent avec l'image. Les Content Credentials de la C2PA intègrent un enregistrement signé de ce qui a créé l'image et de l'implication de l'IA, lisible dans un navigateur ou une application. Le SynthID de Google intègre un filigrane invisible dans les images créées par les outils d'IA de Google. Les deux n'aident que si l'image porte encore le label — les réseaux sociaux le suppriment souvent lors de la recompression.

