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

USD -
AED 3.672496
AFN 63.999914
ALL 81.482729
AMD 362.820235
ANG 1.790365
AOA 916.999747
ARS 1524.950103
AUD 1.444043
AWG 1.8025
AZN 1.695524
BAM 1.733158
BBD 2.015756
BDT 123.052656
BGN 1.683441
BHD 0.377328
BIF 3004.44854
BMD 1
BND 1.281424
BOB 12.054428
BRL 5.218202
BSD 1.000833
BTN 96.45446
BWP 14.158233
BYN 3.014683
BYR 19600
BZD 2.012832
CAD 1.424875
CDF 2312.497529
CHF 0.83099
CLF 0.024865
CLP 981.699414
CNY 6.70475
CNH 6.718055
COP 3320.6
CRC 457.240078
CUC 1
CUP 24.018396
CVE 97.712812
CZK 21.75105
DJF 178.215541
DKK 6.640303
DOP 59.79566
DZD 133.979954
EGP 52.346802
ERN 15
ETB 163.475001
EUR 0.88829
FJD 2.252295
FKP 0.753812
GBP 0.757375
GEL 2.594975
GGP 0.753812
GHS 11.724777
GIP 0.753812
GMD 73.999558
GNF 8804.033816
GTQ 7.645479
GYD 209.346324
HKD 7.846505
HNL 26.865513
HRK 6.667402
HTG 130.978015
HUF 327.740502
IDR 18005
ILS 3.086101
IMP 0.753812
INR 96.26955
IQD 1311.020726
IRR 1693850.00017
ISK 121.689811
JEP 0.753812
JMD 157.630753
JOD 0.708975
JPY 157.860499
KES 129.669462
KGS 87.44697
KHR 4053.132006
KMF 435.000205
KPW 900.000318
KRW 1363.360117
KWD 0.30877
KYD 0.834057
KZT 443.471634
LAK 22442.975382
LBP 89622.18589
LKR 330.728128
LRD 171.587828
LSL 16.576308
LTL 2.95274
LVL 0.60489
LYD 6.411393
MAD 9.760381
MDL 17.819861
MGA 4419.297095
MKD 54.561083
MMK 2099.783199
MNT 3598.053803
MOP 8.089432
MRU 40.068766
MUR 47.819887
MVR 15.459976
MWK 1735.373872
MXN 18.28782
MYR 4.085973
MZN 63.907668
NAD 16.575573
NGN 1328.34018
NIO 36.828953
NOK 9.61827
NPR 154.325085
NZD 1.78379
OMR 0.384498
PAB 1.000833
PEN 3.453202
PGK 4.464491
PHP 62.796984
PKR 277.237331
PLN 3.88995
PYG 5831.841625
QAR 3.648069
RON 4.746903
RSD 104.419636
RUB 83.290388
RWF 1476.791379
SAR 3.756193
SBD 8.065041
SCR 13.834797
SDG 601.502246
SEK 10.05364
SGD 1.281445
SHP 0.754575
SLE 24.612179
SLL 20969.491881
SOS 571.929887
SRD 37.672504
STD 20697.981008
STN 21.711004
SVC 8.757067
SYP 13002.000254
SZL 16.569484
THB 33.679499
TJS 9.217388
TMT 3.5
TND 2.975471
TOP 2.40776
TRY 49.033696
TTD 6.789784
TWD 31.954801
TZS 2635.002984
UAH 44.939475
UGX 3973.556883
UYU 40.28499
UZS 11829.395814
VES 859.10005
VND 25982
VUV 119.747847
WST 2.7762
XAF 582.68008
XAG 0.016501
XAU 0.000240606714
XCD 2.70255
XCG 1.803617
XDR 0.707052
XOF 582.68008
XPF 105.684789
YER 236.425003
ZAR 16.692759
ZMK 9001.203144
ZMW 19.680804
ZWL 321.999592
SSP 5712.591897
MXV 2.069688
  • 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