The Fort Worth Press - Angle mort de l'IA: quand les outils échouent à détecter leurs propres faux

USD -
AED 3.672501
AFN 64.500226
ALL 80.947117
AMD 360.430222
ANG 1.789785
AOA 918.000275
ARS 1545.574198
AUD 1.458825
AWG 1.8025
AZN 1.699807
BAM 1.743549
BBD 2.014201
BDT 124.684633
BGN 1.747831
BHD 0.377278
BIF 2991.682342
BMD 1
BND 1.278494
BOB 11.860357
BRL 5.592205
BSD 1.00008
BTN 93.98513
BWP 13.720001
BYN 2.994357
BYR 19600
BZD 2.011304
CAD 1.41887
CDF 2290.999769
CHF 0.825905
CLF 0.025055
CLP 986.079754
CNY 6.672802
CNH 6.677795
COP 3297.4
CRC 452.34508
CUC 1
CUP 24.001212
CVE 98.299494
CZK 21.83755
DJF 177.719603
DKK 6.70083
DOP 60.656578
DZD 136.575307
EGP 53.271033
ERN 15
ETB 162.77021
EUR 0.89636
FJD 2.25945
FKP 0.745155
GBP 0.749995
GEL 2.59025
GGP 0.745155
GHS 11.710587
GIP 0.745155
GMD 73.999826
GNF 8859.687441
GTQ 7.641802
GYD 209.550384
HKD 7.845395
HNL 26.881572
HRK 6.76901
HTG 131.085575
HUF 326.97605
IDR 18129.15
ILS 3.18295
IMP 0.745155
INR 93.7426
IQD 1516.057857
IRR 1902285.508254
ISK 122.640291
JEP 0.745155
JMD 158.721951
JOD 0.709007
JPY 158.810498
KES 129.939726
KGS 87.449804
KHR 4078.557929
KMF 438.99994
KPW 899.999961
KRW 1343.559824
KWD 0.31112
KYD 0.833363
KZT 446.483971
LAK 22510.073815
LBP 89553.682465
LKR 332.358631
LRD 169.999198
LSL 16.395017
LTL 2.95274
LVL 0.60489
LYD 6.410662
MAD 9.755417
MDL 17.970617
MGA 4537.674286
MKD 55.188895
MMK 2099.696522
MNT 3601.450067
MOP 8.080107
MRU 40.34233
MUR 46.920127
MVR 15.409971
MWK 1734.122597
MXN 18.67014
MYR 4.056397
MZN 63.910234
NAD 16.39487
NGN 1348.149865
NIO 36.800956
NOK 9.517835
NPR 150.377549
NZD 1.78778
OMR 0.384531
PAB 1.000071
PEN 3.408278
PGK 4.491377
PHP 63.170501
PKR 276.58297
PLN 3.94114
PYG 6173.609935
QAR 3.645457
RON 4.791302
RSD 105.411993
RUB 83.174666
RWF 1479.602753
SAR 3.760416
SBD 8.097299
SCR 13.933706
SDG 601.502977
SEK 9.891925
SGD 1.28244
SHP 0.744075
SLE 22.950245
SLL 20969.504398
SOS 571.530455
SRD 37.546021
STD 20697.981008
STN 21.841652
SVC 8.750925
SYP 13001.999685
SZL 16.399741
THB 33.640379
TJS 9.190242
TMT 3.51
TND 2.980472
TOP 2.40776
TRY 50.2329
TTD 6.782502
TWD 33.036984
TZS 2643.179371
UAH 45.486291
UGX 4080.286342
UYU 40.464463
UZS 11975.30589
VES 897.180251
VND 25600
VUV 120.001108
WST 2.780103
XAF 587.973516
XAG 0.019511
XAU 0.000248816257
XCD 2.70255
XCG 1.802321
XDR 0.707052
XOF 587.973516
XPF 106.319815
YER 236.507292
ZAR 16.563735
ZMK 9001.176996
ZMW 20.375579
ZWL 321.999592
SSP 5745.814556
MXV 2.098318
  • AEX

    3.2000

    1105.55

    +0.29%

  • BEL20

    -25.9400

    5737.76

    -0.45%

  • PX1

    -7.3300

    8131.86

    -0.09%

  • ISEQ

    5.7300

    14337.15

    +0.04%

  • OSEBX

    1.2600

    2108.79

    +0.06%

  • PSI20

    21.1600

    9638.63

    +0.22%

  • ENTEC

    -5.8300

    1416.23

    -0.41%

  • BIOTK

    -20.9400

    4631.6

    -0.45%

  • N150

    -6.4200

    4271.03

    -0.15%

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.

T.Mason--TFWP