Publié le 2026-07-25
Les détecteurs d'image IA sont-ils fiables ? Ce que cache le pourcentage
Un détecteur qui affiche 90 % ne rend jamais un verdict : il calcule une probabilité, avec ses erreurs dans les deux sens. Mieux vaut croiser les outils que leur faire confiance les yeux fermés.
Vous glissez une photo suspecte dans un détecteur en ligne. Deux secondes plus tard, un chiffre tombe : « 87 % IA ». Le ton est tranchant, presque scientifique. Ce nombre ressemble pourtant beaucoup plus à une prévision météo qu'à un verdict de tribunal, et le confondre avec une certitude est exactement l'erreur à éviter.
Un détecteur « IA ou pas » ne regarde pas une image comme un œil humain. Il compare des motifs statistiques, des textures, des fréquences de pixels, à ce qu'il a appris sur des milliers d'exemples déjà classés. Il ne « comprend » ni la scène ni le sujet : il calcule une ressemblance, puis traduit cette ressemblance en pourcentage. Ce détour statistique fonctionne remarquablement bien, jusqu'au jour où il se trompe, dans un sens comme dans l'autre.
Les deux façons de se tromper
En vidéo, l'exemple le plus cité reste le Deepfake Detection Challenge, une compétition internationale organisée avec des équipes de Meta, de Microsoft et plusieurs universités partenaires : le modèle vainqueur n'a atteint que 65 % de bonnes réponses sur un lot de test de 4 000 vidéos, selon les données recensées par l'encyclopédie Wikipédia. Une équipe de l'université de Californie du Sud revendiquait de son côté 96 % de réussite sur FaceForensics++, la référence du domaine à l'époque. Sauf que ces scores sont mesurés sur les trucages d'hier. Face aux nouvelles générations d'IA, le même détecteur peut s'effondrer, un phénomène que les chercheurs surnomment eux-mêmes le « moving goal post », la cible qui n'arrête jamais de bouger.
Les humains ne font pas beaucoup mieux tout seuls. Une équipe du MIT a publié en décembre 2021 une étude montrant que des personnes ordinaires n'identifiaient correctement que 69 à 72 % d'un échantillon de cinquante vidéos truquées, ce qui revient à en laisser passer près d'une sur trois.
Ce jeu du chat et de la souris n'a rien d'accidentel. Une partie des générateurs d'images les plus récents s'entraînent justement en essayant de tromper un détecteur interne, jusqu'à ce qu'il ne voie plus la différence. Le détecteur public que vous utilisez, lui, n'a pas toujours cette dernière génération de trucages dans sa mémoire d'entraînement, ce qui explique pourquoi il peut se faire surprendre.
Prévenir les gens qu'une vidéo pourrait être truquée ne les rend d'ailleurs pas plus doués pour la repérer : certains se mettent même à classer à tort de vraies vidéos comme des deepfakes. Le simple fait de chercher activement la fraude peut en fabriquer une là où il n'y en avait pas.
Un détecteur qui dit « IA » fait un pari chiffré, à vérifier comme n'importe quel autre indice.
Ce qu'un pourcentage ne dit pas
Un chiffre comme « 87 % » donne une impression de précision qu'il ne mérite pas toujours. Il dépend du modèle utilisé pour entraîner le détecteur, de la version testée, du type d'image, et de la manière dont le fichier a été compressé ou recadré avant l'analyse. Changez un seul de ces paramètres, et le même fichier peut ressortir avec un score complètement différent.
Le constat a fini par s'imposer jusque dans les salles de rédaction. Le guide de vérification destiné aux journalistes, publié par le réseau international de journalisme d'investigation GIJN, le formule sans détour : l'objectif n'est plus une identification définitive, mais une évaluation de probabilité construite à partir de plusieurs indices convergents, combinée à un jugement éditorial informé. Le guide va jusqu'à avancer qu'une détection parfaite pourrait tout simplement rester hors de portée.
La juste place d'un outil parmi d'autres
Rien de tout ça ne condamne les détecteurs à la poubelle : ils repèrent souvent de vrais signaux utiles. Mais aucun ne mérite une confiance aveugle, et on a tout intérêt à les traiter comme un avis parmi d'autres, un élément de plus à peser soi-même. La bonne pratique ressemble à un faisceau plutôt qu'à un seul projecteur :
- Passer le fichier dans deux détecteurs différents plutôt qu'un seul, et se méfier s'ils se contredisent
- Regarder aussi les indices visuels classiques (mains, textes, reflets, ombres)
- Chercher d'où vient le fichier : qui l'a publié en premier, et à quelle date
- Traiter tout pourcentage comme une piste de départ à confirmer par un autre moyen
Un détecteur peut se tromper. L'origine d'une image, elle, ne change pas selon la version du logiciel utilisée pour la mesurer.
La prochaine fois qu'un pourcentage s'affichera à l'écran, gardez-le pour ce qu'il est : un indice de plus dans le tas, pas un dernier mot. Le vrai dernier mot se trouve toujours du côté de la source, jamais du côté du chiffre.