Comment reconnaître une image générée par IA ?
Pour détecter une image générée ou truquée par IA, vérifiez cinq points : la cohérence de la lumière, les zones de flou trop commodes, les frontières du sujet (cheveux, contours fins), les détails qui ne résistent pas au zoom, et la plausibilité du contexte. Aucun indice n'est infaillible seul — c'est leur accumulation qui trahit.
Le cas le plus fréquent : la vraie photo truquée
On imagine la désinformation visuelle comme des images inventées de toutes pièces. La réalité est plus sournoise : la plupart des images trompeuses sont de vraies photos partiellement modifiées. La personne existe, le sourire existe — seul le décor est un mensonge.
Regardez ces deux images. La première est une photo authentique : une touriste face à la mer.
Dans la seconde, je n'ai touché ni à la personne, ni à sa pose, ni à ses vêtements — j'ai simplement demandé à l'IA de remplacer l'arrière-plan par le Colisée. Le résultat est bluffant au premier regard. Et pourtant, il se trahit.
Les cinq indices, appliqués à ce montage
1. La lumière raconte deux histoires.
Sur le montage, observez les arcades du Colisée : elles sont illuminées de l'intérieur, comme en soirée. La femme, elle, est éclairée par une lumière de plein jour, douce et diffuse. Deux moments de la journée cohabitent dans la même image. C'est l'indice le plus fiable : la lumière ne ment pas, et l'IA peine encore à unifier l'éclairage entre un sujet réel et un fond inventé.
2. Le flou tombe toujours au bon endroit.
Le fond romain baigne dans une brume vaporeuse qui masque commodément toutes les zones de transition. L'IA adore la brume : elle « mange » les détails qu'elle ne sait pas dessiner. Une vraie profondeur de champ suit une logique optique progressive ; un flou génératif est décoratif et uniforme.
3. Les frontières du sujet.
Zoomez sur les mèches de cheveux et les fibres du chapeau de paille, là où elles rencontrent le fond. C'est le point faible de tout détourage : les détails fins se simplifient, se dédoublent ou fusionnent avec l'arrière-plan.
4. Les détails ne résistent pas au zoom. Fenêtres du bâtiment, silhouettes lointaines, inscriptions : dans une image générée, ces éléments sont souvent des suggestions de détails plutôt que des détails réels. Nets de loin, absurdes de près.
5. La plausibilité du contexte.
Mon indice préféré, car il ne demande aucune loupe : ce premier plan de végétation luxuriante, quasi tropicale, devant le Colisée ? La géographie proteste avant les pixels. Demandez-vous toujours : cette scène est-elle possible ? Qui l'a publiée, où, avec quelle source ?
Et les images 100 % générées ?
Elles se reconnaissent souvent à un autre symptôme : la perfection. Cet intérieur d'architecte est trop propre, trop rangé — aucune trace de vie, aucun objet déplacé.
Et suivez les poutres du plafond : les perspectives sont presque justes, avec ce léger caoutchouc dans les lignes qui met mal à l'aise sans qu'on sache pourquoi. Ce malaise est un signal : écoutez-le.
Chaque génération de modèles efface une partie de ces défauts.
Ce qui trahissait une image en 2024 ne la trahit plus en 2026. C'est pourquoi la détection visuelle ne suffit plus : l'avenir appartient à la provenance — les Content Credentials (métadonnées de traçabilité que les logiciels Adobe peuvent embarquer), la source de publication, le recoupement.
En photojournalisme, une image sans origine vérifiable est une image suspecte, aussi propre soit-elle.
Savoir les produire, c'est savoir les reconnaître
Ce montage du Colisée, je l'ai réalisé en quelques minutes avec les outils que j'enseigne.
C'est ma conviction de professionnel : on ne détecte bien que ce qu'on sait fabriquer.
Dans ma formation, vous apprenez à maîtriser ces outils — le remplissage génératif, l'extension d'image, le détourage — et, en miroir, à garder l'œil critique qui fait la différence entre un outil créatif et un instrument de tromperie.