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

USD -
AED 3.672982
AFN 63.498083
ALL 80.559269
AMD 363.520459
ANG 1.790365
AOA 917.99989
ARS 1523.504198
AUD 1.423822
AWG 1.80075
AZN 1.696259
BAM 1.714464
BBD 2.012413
BDT 122.948664
BGN 1.683441
BHD 0.376649
BIF 3009.415106
BMD 1
BND 1.276562
BOB 12.244898
BRL 5.206204
BSD 0.999106
BTN 95.679045
BWP 13.604786
BYN 3.018795
BYR 19600
BZD 2.00952
CAD 1.414125
CDF 2310.00047
CHF 0.828795
CLF 0.024461
CLP 965.750541
CNY 6.71135
CNH 6.724605
COP 3309.86
CRC 454.274493
CUC 1
CUP 23.978646
CVE 96.662634
CZK 21.38715
DJF 177.922715
DKK 6.558955
DOP 59.418613
DZD 133.740588
EGP 51.772802
ERN 15
ETB 162.087103
EUR 0.87737
FJD 2.24725
FKP 0.756753
GBP 0.755545
GEL 2.615028
GGP 0.756753
GHS 11.604951
GIP 0.756753
GMD 73.497052
GNF 8787.432499
GTQ 7.630269
GYD 209.052178
HKD 7.843995
HNL 26.817273
HRK 6.608198
HTG 130.75952
HUF 321.089012
IDR 17985
ILS 3.04806
IMP 0.756753
INR 95.87715
IQD 1308.910162
IRR 1374574.999694
ISK 120.38009
JEP 0.756753
JMD 158.069366
JOD 0.709021
JPY 157.392495
KES 129.529765
KGS 87.448201
KHR 4063.223227
KMF 433.000145
KPW 900.000318
KRW 1357.690284
KWD 0.30864
KYD 0.832592
KZT 442.57352
LAK 22411.284101
LBP 89473.841083
LKR 329.886786
LRD 171.856371
LSL 16.301459
LTL 2.95274
LVL 0.60489
LYD 6.387819
MAD 9.588067
MDL 17.734435
MGA 4411.249036
MKD 53.977298
MMK 2099.49869
MNT 3598.832458
MOP 8.072056
MRU 40.194433
MUR 47.529776
MVR 15.449812
MWK 1732.502279
MXN 17.7326
MYR 4.074202
MZN 63.90969
NAD 16.301459
NGN 1326.280196
NIO 36.766253
NOK 9.50062
NPR 153.086647
NZD 1.767335
OMR 0.384501
PAB 0.999106
PEN 3.391893
PGK 4.451574
PHP 62.465003
PKR 276.855854
PLN 3.841275
PYG 5889.262922
QAR 3.641998
RON 4.628495
RSD 103.121038
RUB 84.149243
RWF 1476.627731
SAR 3.749807
SBD 8.000512
SCR 13.793739
SDG 601.50203
SEK 9.92019
SGD 1.277775
SHP 0.755002
SLE 24.65028
SLL 20969.491881
SOS 571.04285
SRD 37.667503
STD 20697.981008
STN 21.477663
SVC 8.742724
SYP 13002.000254
SZL 16.297602
THB 33.416041
TJS 9.217161
TMT 3.51
TND 2.957752
TOP 2.40776
TRY 48.963294
TTD 6.795708
TWD 31.764797
TZS 2644.997991
UAH 44.740953
UGX 3913.317904
UYU 40.026123
UZS 11824.624919
VES 852.43145
VND 25976
VUV 118.506411
WST 2.765483
XAF 575.517053
XAG 0.015585
XAU 0.000233809564
XCD 2.70255
XCG 1.8005
XDR 0.707052
XOF 575.517053
XPF 104.548005
YER 236.650328
ZAR 16.33713
ZMK 9001.197895
ZMW 19.490322
ZWL 321.999592
SSP 5712.5919
MXV 2.009491
  • 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