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

EUR -
AED 4.196374
AFN 73.129556
ALL 93.805997
AMD 417.823053
ANG 2.0458
AOA 1047.808038
ARS 1699.656054
AUD 1.647808
AWG 2.056766
AZN 1.942405
BAM 1.955916
BBD 2.297947
BDT 140.618374
BGN 1.932081
BHD 0.430222
BIF 3404.032503
BMD 1.142648
BND 1.476001
BOB 7.911505
BRL 5.8858
BSD 1.141073
BTN 108.966489
BWP 15.494126
BYN 3.278638
BYR 22395.901688
BZD 2.294647
CAD 1.620972
CDF 2584.670333
CHF 0.922317
CLF 0.027151
CLP 1068.581975
CNY 7.77372
CNH 7.768161
COP 3822.511932
CRC 519.026366
CUC 1.142648
CUP 30.280173
CVE 110.271084
CZK 24.251337
DJF 203.172988
DKK 7.475409
DOP 67.193413
DZD 151.98134
EGP 56.645179
ERN 17.139721
ETB 184.148237
FJD 2.555188
FKP 0.855227
GBP 0.851941
GEL 3.016512
GGP 0.855227
GHS 13.023776
GIP 0.855227
GMD 83.983642
GNF 10006.595898
GTQ 8.70548
GYD 238.664213
HKD 8.955915
HNL 30.53915
HRK 7.529367
HTG 149.320199
HUF 358.161901
IDR 20676.21638
ILS 3.459964
IMP 0.855227
INR 109.023878
IQD 1494.466654
IRR 1570855.400078
ISK 143.196669
JEP 0.855227
JMD 180.734717
JOD 0.810117
JPY 185.561471
KES 147.641328
KGS 99.924619
KHR 4595.31387
KMF 492.481429
KPW 1028.383641
KRW 1728.060611
KWD 0.353958
KYD 0.950761
KZT 535.30422
LAK 25702.868032
LBP 102171.625624
LKR 382.354443
LRD 207.082332
LSL 18.705159
LTL 3.373943
LVL 0.691176
LYD 7.320468
MAD 10.681136
MDL 20.069459
MGA 4842.118846
MKD 61.613865
MMK 2399.195548
MNT 4098.291475
MOP 9.212529
MRU 45.519507
MUR 53.853112
MVR 17.653714
MWK 1978.348557
MXN 20.048099
MYR 4.657543
MZN 73.012649
NAD 18.704996
NGN 1571.460711
NIO 41.982316
NOK 11.163854
NPR 174.344857
NZD 1.992915
OMR 0.439347
PAB 1.140968
PEN 3.886948
PGK 5.016277
PHP 70.367729
PKR 317.151574
PLN 4.307355
PYG 6934.443294
QAR 4.148229
RON 5.235271
RSD 117.343109
RUB 86.976887
RWF 1677.641176
SAR 4.291184
SBD 9.230393
SCR 15.569659
SDG 686.161935
SEK 11.063975
SGD 1.47749
SHP 0.853102
SLE 27.7949
SLL 23960.762373
SOS 652.053096
SRD 42.969854
STD 23650.507541
STN 24.501352
SVC 9.983638
SYP 126.299285
SZL 18.714196
THB 38.210727
TJS 10.565029
TMT 3.999268
TND 3.373286
TOP 2.751223
TRY 53.562192
TTD 7.749495
TWD 36.785037
TZS 3000.597225
UAH 50.763346
UGX 4215.25102
USD 1.142648
UYU 45.942736
UZS 13705.816189
VES 782.811207
VND 30041.931083
VUV 136.836018
WST 3.171402
XAF 655.9731
XAG 0.019317
XAU 0.000278
XCD 3.088064
XCG 2.055917
XDR 0.81582
XOF 655.998936
XPF 119.331742
YER 270.893271
ZAR 18.712578
ZMK 10285.205218
ZMW 20.736326
ZWL 367.932204
  • AEX

    6.2400

    1082.37

    +0.58%

  • BEL20

    12.9500

    5643.26

    +0.23%

  • PX1

    39.6100

    8292.01

    +0.48%

  • ISEQ

    -59.2400

    13718.18

    -0.43%

  • OSEBX

    -13.7000

    1943.11

    -0.7%

  • PSI20

    33.6100

    9118.41

    +0.37%

  • ENTEC

    -5.8300

    1416.23

    -0.41%

  • BIOTK

    -69.5800

    4600.38

    -1.49%

  • N150

    -8.3500

    4166.62

    -0.2%

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: Chris Delmas - 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.

S.Janousek--TPP