Génération d’images IA en 2026 : comment repérer les contrefaçons

Les générateurs d’images IA ont atteint un niveau de qualité qui rend toute détection accidentelle presque impossible. Les images de Midjourney v6, DALL-E 3 et Flux peuvent être photoréalistes, artistiquement convaincantes et complètement synthétiques. Mais aucun générateur d’IA n’est parfait, et savoir où chercher révèle ses empreintes digitales.

Mains et doigts

C’était autrefois l’indice le plus fiable : les images générées par l’IA produisaient des personnes avec six doigts, des chiffres fusionnés ou des positions de mains anatomiquement impossibles. Même si les derniers modèles ont largement résolu ce problème, les mains restent un point faible. Examinez attentivement les articulations des doigts, le placement des ongles et la façon dont les mains interagissent avec les objets. L’IA produit souvent des mains qui semblent plausibles à première vue mais qui s’effondrent sous un examen minutieux.

Texte en images

Les générateurs d’IA ont encore du mal avec le texte. Les lettres peuvent être légèrement mal formées, les mots peuvent être mal orthographiés ou absurdes, et le texte sur les panneaux ou les étiquettes semble souvent presque correct, mais pas tout à fait. Si une image contient un texte lisible qui semble légèrement décalé, c'est un indicateur fort de la génération d'IA. Certains artistes ajoutent désormais délibérément du texte à leur œuvre comme signal d’authenticité.

Cohérence de l'arrière-plan

Examinez attentivement l’arrière-plan des images générées par l’IA. Vous remarquerez peut-être des impossibilités architecturales : des fenêtres qui ne s'alignent pas, des escaliers qui ne mènent nulle part ou des éléments structurels qui défient la physique. Les scènes naturelles peuvent comporter des motifs de végétation qui se répètent de manière non naturelle ou de l'eau qui ne se comporte pas comme de l'eau réelle sur les bords du cadre.

Peau et texture

Les portraits générés par l’IA produisent souvent une peau trop parfaite. La vraie peau présente des pores, des ridules, des variations de couleurs subtiles et des imperfections occasionnelles. L’IA a tendance à produire une qualité légèrement lissée, presque aérographe. Cela est particulièrement visible dans les portraits en gros plan où chaque détail compte. Les cheveux constituent un autre défi : des mèches individuelles peuvent fusionner ou suivre des chemins qui défient la gravité.

Symétrie et répétition

Les modèles d’IA ont tendance à adopter une symétrie agréable que les scènes réelles présentent rarement. Un paysage peut être un peu trop équilibré, un visage un peu trop symétrique, une composition un peu trop parfaite. Les vraies photographies capturent l’asymétrie inhérente au monde réel. De plus, recherchez les éléments répétés : l’IA peut parfois dupliquer des motifs ou des objets d’une manière qui ne se produirait pas naturellement.

Éclairage et ombres

Les modèles d’IA avancés gèrent bien mieux l’éclairage qu’avant, mais des incohérences apparaissent toujours. Vérifiez si les ombres tombent dans des directions cohérentes sur l’image. Recherchez les reflets dans les yeux, le verre ou l'eau : ils doivent refléter avec précision la scène. L'IA produit parfois des reflets qui ne correspondent pas à l'environnement ou des ombres qui contredisent la source de lumière apparente.

Métadonnées et analyse médico-légale

Au-delà de l’inspection visuelle, la criminalistique numérique peut révéler la génération d’IA grâce à une analyse au niveau des pixels. Les images générées par l’IA présentent des modèles de bruit distincts qui diffèrent du bruit du capteur de la caméra. La distribution statistique des valeurs de pixels, les modèles de domaine fréquentiel et les caractéristiques de compression portent tous des signatures que les outils médico-légaux peuvent détecter. SUS IT analyse ces modèles cachés pour fournir une détection précise même lorsque l'image semble impeccable à l'œil humain.

La course aux armements en évolution

La génération et la détection d’images IA sont dans une course aux armements constante. À mesure que les générateurs s’améliorent, les détecteurs s’adaptent. Les techniques qui ont repéré les images d’IA en 2024 pourraient ne pas fonctionner sur les modèles de 2026, c’est pourquoi les outils de détection médico-légale mettent continuellement à jour leurs modèles. La clé est d’utiliser des outils qui restent à jour avec les techniques de dernière génération plutôt que de s’appuyer sur des tell obsolètes. Lorsque l’inspection visuelle échoue, l’analyse médico-légale reste la méthode de vérification la plus fiable.