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

EUR -
AED 4.175728
AFN 73.328437
ALL 92.12319
AMD 413.073921
ANG 2.035429
AOA 1043.654828
ARS 1733.645151
AUD 1.619717
AWG 2.047804
AZN 1.929658
BAM 1.955205
BBD 2.290054
BDT 139.988644
BGN 1.913869
BHD 0.428546
BIF 3410.637413
BMD 1.136879
BND 1.453322
BOB 13.921948
BRL 5.940079
BSD 1.137029
BTN 109.070258
BWP 15.545476
BYN 3.441704
BYR 22282.831098
BZD 2.286635
CAD 1.611242
CDF 2643.243691
CHF 0.945292
CLF 0.027864
CLP 1100.237215
CNY 7.628971
CNH 7.629846
COP 3833.658771
CRC 516.376973
CUC 1.136879
CUP 27.287899
CVE 110.615584
CZK 24.397762
DJF 202.045914
DKK 7.476079
DOP 63.523102
DZD 152.155133
EGP 59.224244
ERN 17.053187
ETB 185.279579
FJD 2.543426
FKP 0.858135
GBP 0.857639
GEL 2.972931
GGP 0.858135
GHS 13.250277
GIP 0.858135
GMD 84.129164
GNF 9951.102741
GTQ 8.683435
GYD 237.900764
HKD 8.919101
HNL 30.520983
HRK 7.532055
HTG 148.801276
HUF 367.143218
IDR 20468.826746
ILS 3.501135
IMP 0.858135
INR 109.123401
IQD 1489.360006
IRR 1563038.2821
ISK 136.971423
JEP 0.858135
JMD 179.985245
JOD 0.806063
JPY 178.950458
KES 147.430914
KGS 99.418378
KHR 4614.657011
KMF 492.268388
KPW 1023.191585
KRW 1546.292209
KWD 0.351091
KYD 0.947524
KZT 499.99229
LAK 25510.575738
LBP 101814.469258
LKR 376.332132
LRD 195.553089
LSL 18.68358
LTL 3.356908
LVL 0.687686
LYD 7.272915
MAD 10.948962
MDL 20.10115
MGA 4987.54849
MKD 61.551275
MMK 2387.259195
MNT 4088.298238
MOP 9.186926
MRU 45.546544
MUR 53.967978
MVR 17.564927
MWK 1971.526233
MXN 20.450757
MYR 4.640284
MZN 72.657494
NAD 18.68358
NGN 1505.819136
NIO 41.83764
NOK 10.842985
NPR 174.517583
NZD 2.006494
OMR 0.437134
PAB 1.136969
PEN 3.863495
PGK 5.143526
PHP 71.042411
PKR 315.023605
PLN 4.369538
PYG 6677.968423
QAR 4.144239
RON 5.276139
RSD 117.410088
RUB 96.042466
RWF 1678.71145
SAR 4.27002
SBD 9.168529
SCR 15.90461
SDG 683.84998
SEK 11.322464
SGD 1.452594
SHP 0.858346
SLE 28.023601
SLL 23839.777847
SOS 649.845174
SRD 42.8444
STD 23531.1028
STN 24.494164
SVC 9.948061
SYP 14781.702837
SZL 18.678893
THB 38.129142
TJS 10.488448
TMT 3.990446
TND 3.366876
TOP 2.737332
TRY 55.698665
TTD 7.716856
TWD 36.144685
TZS 2995.679938
UAH 51.019579
UGX 4450.724294
USD 1.136879
UYU 45.576936
UZS 13433.149672
VES 969.111532
VND 29529.867161
VUV 133.925611
WST 3.121549
XAF 655.957
XAG 0.018746
XAU 0.000276277497
XCD 3.072473
XCG 2.049095
XDR 0.803833
XOF 655.957
XPF 119.331742
YER 269.042434
ZAR 18.643117
ZMK 10233.283289
ZMW 22.142556
ZWL 366.074618
SSP 6494.52655
MXV 2.315995
  • AEX

    4.0000

    1116.12

    +0.36%

  • BEL20

    -18.8200

    5685.37

    -0.33%

  • PX1

    0.8100

    8078.48

    +0.01%

  • ISEQ

    80.5400

    14463.32

    +0.56%

  • OSEBX

    11.8700

    2094.49

    +0.57%

  • PSI20

    7.7600

    9712.35

    +0.08%

  • ENTEC

    -5.8300

    1416.23

    -0.41%

  • BIOTK

    12.0700

    4481.36

    +0.27%

  • N150

    6.3500

    4240.43

    +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: 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