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

EUR -
AED 4.222531
AFN 73.008395
ALL 93.878671
AMD 423.356686
ANG 2.058552
AOA 1054.917519
ARS 1651.91745
AUD 1.639507
AWG 2.069586
AZN 1.953626
BAM 1.937566
BBD 2.316897
BDT 141.212338
BGN 1.944124
BHD 0.433583
BIF 3438.96207
BMD 1.14977
BND 1.473731
BOB 7.977923
BRL 5.85325
BSD 1.150374
BTN 108.722855
BWP 15.413946
BYN 3.184829
BYR 22535.492
BZD 2.313627
CAD 1.621348
CDF 2667.466539
CHF 0.919989
CLF 0.025876
CLP 1018.420127
CNY 7.769514
CNH 7.791698
COP 3949.45995
CRC 523.969148
CUC 1.14977
CUP 30.468905
CVE 109.630659
CZK 23.917573
DJF 204.336971
DKK 7.400081
DOP 67.376457
DZD 152.780257
EGP 57.382948
ERN 17.24655
ETB 182.094848
FJD 2.568242
FKP 0.855574
GBP 0.865055
GEL 3.041141
GGP 0.855574
GHS 12.989756
GIP 0.855574
GMD 83.932847
GNF 10092.105043
GTQ 8.768559
GYD 240.635481
HKD 9.009488
HNL 30.695636
HRK 7.53791
HTG 150.236191
HUF 345.677939
IDR 20406.807822
ILS 3.3968
IMP 0.855574
INR 108.434231
IQD 1506.1987
IRR 1580933.749934
ISK 142.95094
JEP 0.855574
JMD 181.93786
JOD 0.815209
JPY 184.265588
KES 148.918415
KGS 100.547112
KHR 4613.444151
KMF 488.652034
KPW 1034.793402
KRW 1738.297018
KWD 0.354242
KYD 0.958678
KZT 560.995826
LAK 25329.432874
LBP 102961.903562
LKR 385.386641
LRD 209.43041
LSL 18.620362
LTL 3.394971
LVL 0.695484
LYD 7.329806
MAD 10.629644
MDL 20.074091
MGA 4829.033941
MKD 61.037423
MMK 2413.881132
MNT 4113.101912
MOP 9.281456
MRU 46.082833
MUR 54.188937
MVR 17.775725
MWK 1996.001016
MXN 19.912755
MYR 4.67359
MZN 73.472723
NAD 18.628478
NGN 1562.675001
NIO 42.093194
NOK 11.063203
NPR 173.955466
NZD 1.993533
OMR 0.442084
PAB 1.150374
PEN 3.923602
PGK 5.044904
PHP 69.415075
PKR 319.978906
PLN 4.193981
PYG 7019.938324
QAR 4.18574
RON 5.182055
RSD 116.208466
RUB 83.900495
RWF 1710.85776
SAR 4.313815
SBD 9.268784
SCR 16.229145
SDG 690.436107
SEK 10.942815
SGD 1.474039
SHP 0.858419
SLE 28.457143
SLL 24110.106228
SOS 657.102209
SRD 42.923244
STD 23797.917624
STN 24.605078
SVC 10.065367
SYP 127.08649
SZL 18.622687
THB 37.407193
TJS 10.663847
TMT 4.035693
TND 3.347843
TOP 2.768371
TRY 53.247545
TTD 7.814461
TWD 36.285019
TZS 3018.149665
UAH 51.519916
UGX 4255.94906
USD 1.14977
UYU 46.443345
UZS 13802.988686
VES 685.304768
VND 30268.84502
VUV 137.113321
WST 3.150041
XAF 649.841615
XAG 0.016919
XAU 0.00027
XCD 3.107311
XCG 2.073271
XDR 0.80909
XOF 649.620256
XPF 119.331742
YER 274.363895
ZAR 18.85421
ZMK 10349.317503
ZMW 20.332658
ZWL 370.225471
  • AEX

    12.6300

    1082.7

    +1.18%

  • BEL20

    39.0900

    5703.72

    +0.69%

  • PX1

    -16.9000

    8430.79

    -0.2%

  • ISEQ

    54.7400

    13738.61

    +0.4%

  • OSEBX

    0.5900

    1951.81

    +0.03%

  • PSI20

    68.5700

    9090.72

    +0.76%

  • ENTEC

    -5.8300

    1416.23

    -0.41%

  • BIOTK

    122.0900

    4288.88

    +2.93%

  • N150

    8.1100

    4276.51

    +0.19%

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.

M.J.Baumann--NZN