Journalistes et fact-checkeurs : vérifier une image ou une vidéo virale générée par IA

1. DépôtVotre image est envoyé directement à TruthScan, jamais à nous.
2. AnalyseScore de probabilité IA et carte de chaleur des zones suspectes.
3. VerdictRésultat en quelques secondes, avec rapport détaillé.

Le risque concret pour une rédaction

Publier une image générée comme si elle était réelle coûte une rectification, une perte de confiance et parfois un procès ; refuser de publier une image réelle parce qu'un outil l'a jugée « probablement IA » coûte une information. Les deux erreurs se produisent. Les images générées d'actualité — catastrophes, conflits, personnalités dans des situations inventées — sont conçues pour être crédibles et émotionnelles, et les détecteurs, utiles, ne sont ni infaillibles ni opposables. La méthode ci-dessous est celle que recommandent les équipes de vérification : le détecteur y tient une place, pas la première.

La méthode en quatre étapes

1. Remonter à la source : qui a publié l'image en premier, quand, avec quelle légende ? Un compte créé récemment, une image sans auteur ni lieu ni heure, ou une « exclusivité » sans autre témoin sont des signaux. Cherchez d'autres images du même événement sous d'autres angles.
2. Recherche d'image inversée (Google Lens, TinEye, Yandex) : l'image existe-t-elle déjà, dans un autre contexte, à une autre date ? Une image réelle sortie de son contexte est plus fréquente qu'une image générée.
3. Métadonnées et provenance : sur un fichier d'origine, les EXIF (appareil, date, GPS) et les Content Credentials C2PA renseignent l'origine ; les images de ChatGPT, Gemini, Sora et Veo en portent. Les plateformes les suppriment : leur absence ne prouve rien.
4. Analyse par détecteur : score de probabilité et carte de chaleur. Retenez la carte autant que le score : une zone chaude localisée signale une retouche (élément ajouté, visage remplacé) sur une photo réelle — le cas le plus difficile à trancher sans outil.

Les indices visuels qui restent utiles

• Texte, plaques, panneaux, uniformes : caractères déformés ou inventés, insignes approximatifs.
• Foules et second plan : visages répétés, membres fondus, véhicules déformés.
• Lumière et ombres : incohérentes entre premier plan et arrière-plan, absence d'ombre portée.
• Détails géographiques : architecture, signalisation, végétation, côté de circulation qui ne correspondent pas au lieu annoncé.
• Résolution et cadrage : une « photo prise sur le vif » trop nette, trop bien composée, sans flou de mouvement.

Comment citer un résultat de détecteur

Un score n'est pas une conclusion : écrivez « l'outil X attribue à l'image une probabilité de génération de N %, avec des zones suspectes autour de … », en précisant la version de l'image analysée (originale ou recompressée) et en le rapprochant des autres éléments (source, recherche inversée, témoins). Ne publiez jamais un verdict fondé sur un détecteur seul, dans un sens comme dans l'autre. Pour la vidéo, le détecteur vidéo et le détecteur de deepfake suivent la même logique ; pour un extrait audio, la page voix IA ou humaine.

Outils et volume

Pour une rédaction, l'analyse par API permet de traiter les images entrantes en volume ; le plan gratuit suffit pour des vérifications ponctuelles. Nos fact-checks d'images virales appliquent cette méthode à des cas documentés, avec les sources citées, et notre gabarit de fact-check est réutilisable.

Questions fréquentes

Comment vérifier si une image virale est générée par IA ?

Remontez à la première publication, faites une recherche d'image inversée, lisez les métadonnées si le fichier est d'origine, puis analysez l'image avec un détecteur pour obtenir un score et une carte de chaleur. Croisez ces éléments ; aucun ne suffit seul.

Un détecteur d'image IA est-il une preuve ?

Non. C'est une estimation probabiliste, sensible à la compression et aux images mixtes. Citez-le comme une source parmi d'autres, avec son score, la version de l'image analysée et les zones signalées, jamais comme un verdict.

Les images de presse générées ont-elles des filigranes ?

Celles issues de ChatGPT, Gemini, Sora ou Veo portent des métadonnées C2PA et parfois un filigrane invisible (SynthID) ou visible. Les plateformes suppriment les métadonnées ; les modèles ouverts n'en mettent pas. L'absence de marque ne prouve rien.

Que faire d'une photo réelle dont une partie a été modifiée ?

C'est le cas le plus délicat : le score global peut rester modéré. Regardez la carte de chaleur, comparez avec d'autres photos du même événement et, pour un visage, utilisez le détecteur de deepfake.

Peut-on analyser des images en volume ?

Oui, via l'API de TruthScan pour une rédaction ou une plateforme ; le plan gratuit couvre les vérifications ponctuelles. Ce site ne stocke aucune image ; les analyses se font directement chez TruthScan.