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

USD -
AED 3.672498
AFN 63.500465
ALL 83.283733
AMD 367.003219
ANG 1.790403
AOA 917.000184
ARS 1471.035205
AUD 1.449338
AWG 1.80125
AZN 1.689175
BAM 1.724577
BBD 2.013888
BDT 122.992813
BGN 1.69088
BHD 0.377147
BIF 2984.81535
BMD 1
BND 1.298984
BOB 6.909809
BRL 5.201836
BSD 0.999934
BTN 94.624111
BWP 13.680173
BYN 2.818068
BYR 19600
BZD 2.01104
CAD 1.423225
CDF 2268.99975
CHF 0.81263
CLF 0.023263
CLP 915.590329
CNY 6.790496
CNH 6.81352
COP 3428.35
CRC 455.186766
CUC 1
CUP 26.5
CVE 97.22259
CZK 21.37625
DJF 178.061717
DKK 6.592015
DOP 58.613453
DZD 133.528416
EGP 49.636698
ERN 15
ETB 161.211774
EUR 0.88182
FJD 2.24825
FKP 0.758197
GBP 0.759805
GEL 2.645016
GGP 0.758197
GHS 11.199781
GIP 0.758197
GMD 72.49805
GNF 8761.518452
GTQ 7.627362
GYD 209.162776
HKD 7.840295
HNL 26.755726
HRK 6.640898
HTG 130.744947
HUF 314.087979
IDR 17976
ILS 2.984749
IMP 0.758197
INR 94.412
IQD 1309.878094
IRR 1375049.999798
ISK 126.810208
JEP 0.758197
JMD 157.488647
JOD 0.708978
JPY 161.677495
KES 129.590162
KGS 87.449821
KHR 4017.494974
KMF 430.999856
KPW 900.00035
KRW 1546.34502
KWD 0.30947
KYD 0.833297
KZT 486.623047
LAK 21948.961236
LBP 89556.012134
LKR 337.341005
LRD 182.134827
LSL 16.623945
LTL 2.95274
LVL 0.60489
LYD 6.430933
MAD 9.401479
MDL 17.709096
MGA 4177.101337
MKD 54.353625
MMK 2099.539901
MNT 3580.066416
MOP 8.076099
MRU 39.982188
MUR 48.209966
MVR 15.45971
MWK 1733.881812
MXN 17.6195
MYR 4.137977
MZN 63.902143
NAD 16.623945
NGN 1372.679674
NIO 36.797319
NOK 9.83835
NPR 151.394749
NZD 1.772154
OMR 0.384501
PAB 0.999965
PEN 3.391297
PGK 4.386951
PHP 61.5525
PKR 278.100478
PLN 3.78105
PYG 6099.351442
QAR 3.635217
RON 4.618803
RSD 103.50701
RUB 74.893431
RWF 1468.89467
SAR 3.754889
SBD 8.065041
SCR 13.65272
SDG 600.499082
SEK 9.77475
SGD 1.29826
SHP 0.746601
SLE 24.750204
SLL 20969.503664
SOS 571.478959
SRD 37.482989
STD 20697.981008
STN 21.603509
SVC 8.749173
SYP 110.532098
SZL 16.621989
THB 33.430499
TJS 9.284423
TMT 3.51
TND 2.972467
TOP 2.40776
TRY 46.49775
TTD 6.780184
TWD 31.733017
TZS 2620.502978
UAH 44.88455
UGX 3689.350352
UYU 39.918699
UZS 12024.108178
VES 616.865275
VND 26335
VUV 118.798432
WST 2.761642
XAF 578.424923
XAG 0.016838
XAU 0.000248
XCD 2.70255
XCG 1.802141
XDR 0.716966
XOF 578.417273
XPF 105.162912
YER 238.649503
ZAR 16.61355
ZMK 9001.202706
ZMW 18.024056
ZWL 321.999592
  • AEX

    0.4300

    1066.08

    +0.04%

  • BEL20

    -31.4200

    5681.38

    -0.55%

  • PX1

    32.5300

    8373.27

    +0.39%

  • ISEQ

    49.6700

    13847.56

    +0.36%

  • OSEBX

    -10.8900

    1933.94

    -0.56%

  • PSI20

    -116.9500

    9019.6

    -1.28%

  • ENTEC

    -5.8300

    1416.23

    -0.41%

  • BIOTK

    80.6600

    4417.44

    +1.86%

  • N150

    -16.8000

    4182.04

    -0.4%

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