The China Mail - Angle mort de l'IA: quand les outils échouent à détecter leurs propres faux

USD -
AED 3.672499
AFN 63.000191
ALL 82.732897
AMD 367.370222
ANG 1.790403
AOA 917.000027
ARS 1479.320334
AUD 1.451179
AWG 1.80125
AZN 1.702522
BAM 1.716442
BBD 2.015885
BDT 123.112028
BGN 1.69088
BHD 0.377375
BIF 2972.662249
BMD 1
BND 1.295099
BOB 6.916495
BRL 5.177031
BSD 1.000921
BTN 93.946202
BWP 13.602176
BYN 2.902892
BYR 19600
BZD 2.012989
CAD 1.419305
CDF 2267.501389
CHF 0.81025
CLF 0.023471
CLP 922.497696
CNY 6.79815
CNH 6.801275
COP 3438.325508
CRC 454.429769
CUC 1
CUP 26.5
CVE 96.770372
CZK 21.30115
DJF 178.235113
DKK 6.563395
DOP 58.809075
DZD 133.424898
EGP 49.573325
ERN 15
ETB 161.36601
EUR 0.878425
FJD 2.266102
FKP 0.757679
GBP 0.757155
GEL 2.644969
GGP 0.757679
GHS 11.285269
GIP 0.757679
GMD 72.999814
GNF 8770.020624
GTQ 7.63614
GYD 209.469481
HKD 7.84175
HNL 26.780464
HRK 6.617801
HTG 130.8175
HUF 310.796966
IDR 17860.6
ILS 3.00205
IMP 0.757679
INR 94.360502
IQD 1311.158892
IRR 1375250.000146
ISK 126.490033
JEP 0.757679
JMD 157.637457
JOD 0.708976
JPY 161.737499
KES 129.518627
KGS 87.45036
KHR 4017.727851
KMF 434.000243
KPW 900.00035
KRW 1535.290194
KWD 0.30961
KYD 0.834087
KZT 485.637808
LAK 21969.371188
LBP 89630.523498
LKR 336.443021
LRD 182.31603
LSL 16.452675
LTL 2.95274
LVL 0.60489
LYD 6.42503
MAD 9.385493
MDL 17.746281
MGA 4233.621484
MKD 54.091886
MMK 2099.260826
MNT 3579.633879
MOP 8.085217
MRU 39.945588
MUR 47.249987
MVR 15.449582
MWK 1735.574181
MXN 17.53725
MYR 4.088021
MZN 63.901804
NAD 16.452675
NGN 1376.12995
NIO 36.83356
NOK 9.941701
NPR 150.313748
NZD 1.771324
OMR 0.384497
PAB 1.000921
PEN 3.41305
PGK 4.39247
PHP 61.312038
PKR 278.550353
PLN 3.766602
PYG 6109.087718
QAR 3.648427
RON 4.603103
RSD 103.014612
RUB 78.979933
RWF 1465.794901
SAR 3.758743
SBD 8.051953
SCR 14.057835
SDG 599.999866
SEK 9.73359
SGD 1.293945
SHP 0.746601
SLE 24.798006
SLL 20969.503664
SOS 572.030366
SRD 37.483002
STD 20697.981008
STN 21.501602
SVC 8.757734
SYP 110.532098
SZL 16.443021
THB 33.377973
TJS 9.263329
TMT 3.5
TND 2.966607
TOP 2.40776
TRY 46.6165
TTD 6.802405
TWD 31.859804
TZS 2632.322612
UAH 44.926675
UGX 3673.702225
UYU 40.177279
UZS 12022.46698
VES 620.752985
VND 26300
VUV 119.209429
WST 2.780882
XAF 575.678617
XAG 0.017058
XAU 0.000246
XCD 2.70255
XCG 1.803853
XDR 0.715959
XOF 575.678617
XPF 104.664531
YER 238.625013
ZAR 16.46445
ZMK 9001.193995
ZMW 18.029751
ZWL 321.999592
  • AEX

    -6.9400

    1060.73

    -0.65%

  • BEL20

    7.4500

    5739.78

    +0.13%

  • PX1

    -46.3700

    8384.87

    -0.55%

  • ISEQ

    -103.9100

    13938.48

    -0.74%

  • OSEBX

    -15.5200

    1900.57

    -0.81%

  • PSI20

    -21.0600

    9136.18

    -0.23%

  • ENTEC

    -5.8300

    1416.23

    -0.41%

  • BIOTK

    42.8700

    4287.2

    +1.01%

  • N150

    -28.4100

    4149.42

    -0.68%

Angle mort de l'IA: quand les outils échouent à détecter leurs propres faux
Angle mort de l'IA: quand les outils échouent à détecter leurs propres faux / Photo: © AFP

Angle mort de l'IA: quand les outils échouent à détecter leurs propres faux

Lorsque des Philippins indignés ont utilisé un assistant virtuel ("chatbot") dopé à l'IA pour vérifier la photo virale d'un parlementaire impliqué dans un scandale de corruption, l'outil n'a pas détecté qu'elle était fabriquée. Il l'avait pourtant lui-même générée.

Taille du texte:

Les internautes se tournent de plus en plus vers des chatbots pour vérifier des images en temps réel. Mais ces outils échouent souvent, interrogeant sur leurs capacités à détecter les images factices, à un moment où les grandes plateformes réduisent la vérification humaine.

Dans de nombreux cas, ils identifient comme authentiques des images générées par l'IA, ce qui accentue la confusion dans un univers numérique saturé de faux visuels.

Les outils de vérification "sont principalement entraînés sur des schémas linguistiques et manquent de la compréhension visuelle nécessaire pour identifier correctement les images générées ou manipulées", explique Alon Yamin, PDG de Copyleaks, une plateforme de détection de contenus IA.

"Les chatbots donnent souvent des évaluations incohérentes ou trop générales, ce qui les rend peu fiables pour des tâches comme la vérification ou l'authentification."

Aux Philippines, une image fabriquée a ainsi circulé sur les réseaux sociaux impliquant Elizaldy Co, ex-député impliqué dans une vaste affaire de corruption concernant des projets fictifs de contrôle des inondations, qui auraient coûté des centaines de millions de dollars au contribuable.

La photo montrait l'ex-député au Portugal, alors qu'il aurait dû se trouver aux Philippines à la disposition de la justice. Lorsque des internautes ont interrogé l'assistant IA de Google pour savoir si la photo était authentique, l'IA a répondu à tort par l'affirmative.

Elizaldy Co n'est en réalité jamais réapparu en public depuis le début de l'enquête.

Les vérificateurs de l'AFP ont retrouvé le créateur de l'image et établi qu'elle avait été précisément générée par l'IA de Google.

Google n'a pas répondu aux sollicitations de l'AFP sur ce sujet.

- "Distinguable de la réalité" -

L'AFP a trouvé d'autres occurrences d'IA incapables de reconnaître leurs propres créations.

Lors des violentes manifestations du mois dernier au Cachemire pakistanais, des internautes ont partagé une image censée montrer des hommes marchant avec des drapeaux et des torches.

Une analyse de l'AFP a révélé qu'elle avait été créée avec le modèle Gemini de Google. Mais Gemini et Copilot (Microsoft) l'ont identifiée comme authentique.

"Ces modèles (d'IA) sont programmés uniquement pour bien imiter", explique à l'AFP Rossine Fallorina, du centre de recherche Sigla. "En un sens, ils ne peuvent que générer des choses qui imitent correctement. Ils ne peuvent pas déterminer si cette imitation est réellement distinguable de la réalité".

Plus tôt cette année, le Tow Center for Digital Journalism de l'université américaine Columbia a testé sept chatbots IA – dont ChatGPT, Perplexity, Gemini et Grok (une IA appartenant à Elon Musk) – sur 10 photos de photojournalistes.

Tous ont échoué à identifier correctement la provenance des images qui leur étaient soumises, selon l'étude.

- "Choqué" -

L'AFP a retrouvé l'auteur de la fausse photo d'Elizaldy Co, qui a dépassé le million de vues sur les réseaux: un développeur web philippin qui affirme l'avoir créée "pour s'amuser" avec Nano Banana, le générateur d'images IA de Gemini.

"Malheureusement, beaucoup de gens y ont cru", confie-t-il, sous couvert d'anonymat pour éviter les représailles. "J'ai modifié mon post en précisant +image générée par IA+ pour stopper la propagation, car j'étais choqué par le nombre de partages."

Ces cas montrent à quel point les photos générées par IA peuvent être indiscernables des images réelles. Et la tendance inquiète, alors que les internautes délaissent les moteurs de recherche traditionnels au profit des outils IA pour s'informer et vérifier des contenus.

Le géant américain Meta, qui contrôle Facebook et Instagram, a annoncé en début d'année la fin de son programme de fact-checking aux Etats-Unis pour le remplacer par un système de "notes de communauté", écrites par des utilisateurs, sur le modèle du réseau social X d'Elon Musk.

L'AFP collabore en revanche toujours avec Meta dans 26 langues, en Asie, Amérique latine et dans l'Union européenne.

Les chercheurs estiment que les modèles d'IA peuvent aider les fact-checkers professionnels à géolocaliser rapidement des images et repérer des indices visuels. Mais ils avertissent qu'ils ne peuvent pas remplacer le travail humain.

"On ne peut pas compter sur les outils IA pour combattre l'IA à long terme", insiste Rossine Fallorina.

C.Smith--ThChM