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

USD -
AED 3.672503
AFN 63.999817
ALL 82.450149
AMD 357.809202
ANG 1.790403
AOA 917.499877
ARS 1549.874098
AUD 1.484483
AWG 1.8025
AZN 1.701804
BAM 1.7757
BBD 2.012982
BDT 124.44505
BGN 1.77347
BHD 0.377199
BIF 3005
BMD 1
BND 1.288366
BOB 11.659547
BRL 5.782163
BSD 0.99941
BTN 93.823002
BWP 13.990966
BYN 3.003223
BYR 19600
BZD 2.010077
CAD 1.429775
CDF 2318.000248
CHF 0.839835
CLF 0.025358
CLP 998.039782
CNY 6.66455
CNH 6.664155
COP 3318.97
CRC 445.37243
CUC 1
CUP 23.986201
CVE 100.374973
CZK 22.19355
DJF 177.719967
DKK 6.79487
DOP 60.550244
DZD 137.065944
EGP 53.6853
ERN 15
ETB 161.249886
EUR 0.90898
FJD 2.28475
FKP 0.756558
GBP 0.758315
GEL 2.594973
GGP 0.756558
GHS 11.734977
GIP 0.756558
GMD 73.500352
GNF 8859.999657
GTQ 7.63916
GYD 209.138162
HKD 7.84625
HNL 27.06947
HRK 6.831965
HTG 130.99394
HUF 330.970967
IDR 18279
ILS 3.24365
IMP 0.756558
INR 93.93975
IQD 1515
IRR 1925254.000425
ISK 124.339896
JEP 0.756558
JMD 158.482001
JOD 0.709041
JPY 159.416016
KES 130.039708
KGS 87.449402
KHR 4080.000054
KMF 447.50406
KPW 900.00035
KRW 1336.365011
KWD 0.31162
KYD 0.833012
KZT 444.73296
LAK 22524.999912
LBP 89550.0002
LKR 332.650884
LRD 168.501261
LSL 16.984982
LTL 2.95274
LVL 0.60489
LYD 6.455006
MAD 9.99725
MDL 18.281771
MGA 4594.000024
MKD 55.947457
MMK 2099.568705
MNT 3604.028735
MOP 8.07799
MRU 40.649826
MUR 47.819509
MVR 15.410198
MWK 1737.000365
MXN 18.52304
MYR 4.094017
MZN 63.910219
NAD 16.984964
NGN 1345.879753
NIO 36.750192
NOK 9.655665
NPR 150.11644
NZD 1.81763
OMR 0.384501
PAB 0.999532
PEN 3.408199
PGK 4.513966
PHP 63.918496
PKR 276.374515
PLN 4.001145
PYG 6202.732761
QAR 3.644022
RON 4.857802
RSD 106.930999
RUB 82.598883
RWF 1477
SAR 3.763042
SBD 8.098361
SCR 13.860567
SDG 601.548038
SEK 10.094865
SGD 1.288925
SHP 0.758581
SLE 23.04986
SLL 20969.503664
SOS 572.511276
SRD 37.453496
STD 20697.981008
STN 22.375
SVC 8.745744
SYP 13002.000337
SZL 16.984982
THB 33.885502
TJS 9.210795
TMT 3.51
TND 3.041994
TOP 2.40776
TRY 50.421202
TTD 6.787708
TWD 32.977904
TZS 2644.992965
UAH 45.435091
UGX 4147.791748
UYU 40.582868
UZS 12024.999857
VES 914.603597
VND 25764
VUV 120.719595
WST 2.810584
XAF 596.252115
XAG 0.021223
XAU 0.000259089508
XCD 2.70255
XCG 1.801394
XDR 0.707052
XOF 596.252115
XPF 108.875027
YER 236.501049
ZAR 16.96925
ZMK 9001.199115
ZMW 20.4664
ZWL 321.999592
SSP 5945.381189
MXV 2.078532
  • AEX

    3.2400

    1119.29

    +0.29%

  • BEL20

    9.1000

    5694.52

    +0.16%

  • PX1

    -0.8100

    8077.75

    -0.01%

  • ISEQ

    -37.6000

    14425.66

    -0.26%

  • OSEBX

    -4.6100

    2089.87

    -0.22%

  • PSI20

    7.7600

    9712.35

    +0.08%

  • ENTEC

    -5.8300

    1416.23

    -0.41%

  • BIOTK

    12.0700

    4481.36

    +0.27%

  • N150

    -2.5400

    4237.95

    -0.06%

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