Dubai Telegraph - Angle mort de l'IA: quand les outils échouent à détecter leurs propres faux

EUR -
AED 4.240283
AFN 75.643139
ALL 93.094256
AMD 422.352587
AOA 1058.771704
ARS 1730.023285
AUD 1.63661
AWG 2.078287
AZN 1.963678
BAM 1.954647
BBD 2.326027
BDT 142.695791
BHD 0.435539
BIF 3446.491854
BMD 1.154604
BND 1.477828
BOB 13.742949
BRL 5.89818
BSD 1.154819
BTN 110.002085
BWP 15.557684
BYN 3.433374
BYR 22630.23127
BZD 2.322629
CAD 1.608715
CDF 2621.520005
CHF 0.935021
CLF 0.026857
CLP 1057.028242
CNY 7.790803
CNH 7.788944
COP 3626.829396
CRC 524.286063
CUC 1.154604
CUP 30.596996
CVE 110.200445
CZK 24.256603
DJF 205.19644
DKK 7.475383
DOP 67.329684
DZD 153.292172
EGP 57.593019
ERN 17.319055
ETB 186.736684
FJD 2.552799
FKP 0.856429
GBP 0.854539
GEL 3.013044
GGP 0.856429
GHS 13.558116
GIP 0.856429
GMD 84.79306
GNF 10142.014915
GTQ 8.811876
GYD 241.859367
HKD 9.058183
HNL 30.955464
HRK 7.534892
HTG 151.00089
HUF 364.360007
IDR 20548.480914
ILS 3.461675
IMP 0.856429
INR 110.149244
IQD 1512.900644
IRR 1587262.48399
ISK 142.200999
JEP 0.856429
JMD 183.400182
JOD 0.818601
JPY 183.765575
KES 149.371215
KGS 100.970056
KHR 4682.236882
KMF 491.861472
KRW 1638.093882
KWD 0.356784
KYD 0.962428
KZT 538.409938
LAK 26081.495637
LBP 103417.370529
LKR 387.049915
LRD 208.44699
LSL 18.686173
LTL 3.409244
LVL 0.698408
LYD 7.359657
MAD 10.769391
MDL 20.071155
MGA 4946.038367
MKD 61.538518
MMK 2424.147592
MNT 4149.938168
MOP 9.332452
MRU 46.320264
MUR 54.266267
MVR 17.838475
MWK 2002.500925
MXN 19.78762
MYR 4.72698
MZN 73.784969
NAD 18.686092
NGN 1572.200735
NIO 42.494923
NOK 10.960081
NPR 176.001612
NZD 1.961423
OMR 0.443936
PAB 1.154824
PEN 3.900932
PGK 5.105943
PHP 70.21377
PKR 320.61412
PLN 4.302747
PYG 6873.943494
QAR 4.209934
RON 5.243863
RSD 117.377574
RUB 95.258975
RWF 1696.484164
SAR 4.323825
SBD 9.312682
SCR 16.005496
SDG 693.337446
SEK 10.954516
SGD 1.478545
SLE 28.403026
SOS 660.004796
SRD 43.586867
STD 23897.964135
STN 24.485338
SVC 10.104993
SZL 18.682813
THB 38.090399
TJS 10.66506
TMT 4.052659
TND 3.385317
TRY 55.117197
TTD 7.833343
TWD 37.226959
TZS 3059.685731
UAH 51.803481
UGX 4301.498821
USD 1.154604
UYU 46.522948
UZS 13779.808478
VES 872.606011
VND 30198.658106
VUV 137.820893
WST 3.156359
XAF 655.564455
XAG 0.017498
XAU 0.000262
XCD 3.120374
XCG 2.081363
XDR 0.815312
XOF 655.57013
XPF 119.331742
YER 275.249226
ZAR 18.696635
ZMK 10392.81161
ZMW 21.601252
ZWL 371.7819
  • AEX

    1.8900

    1113.35

    +0.17%

  • BEL20

    -9.8200

    5767.78

    -0.17%

  • PX1

    11.3300

    8726.03

    +0.13%

  • ISEQ

    -40.0900

    14278.65

    -0.28%

  • OSEBX

    14.5900

    2040.52

    +0.72%

  • PSI20

    -25.7100

    9155

    -0.28%

  • ENTEC

    -5.8300

    1416.23

    -0.41%

  • BIOTK

    -4.8300

    4388.06

    -0.11%

  • N150

    -13.4200

    4315.65

    -0.31%

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.

F.El-Yamahy--DT