Comment les images générées par l'IA sont utilisées dans les campagnes de désinformation

La photographie virale d'un homme politique à une manifestation à laquelle il n'a jamais assisté. L'image floquée du filigrane d'une agence de presse montrant une catastrophe qui n'a jamais eu lieu. La photo « prise sur le vif » d'une célébrité en train de commettre un crime, partagée des dizaines de milliers de fois avant d'être identifiée comme synthétique. Les images générées par l'IA sont devenues un outil standard des opérations de désinformation, utilisées par des acteurs étatiques, des groupes politiques et des individus malveillants pour fabriquer des « preuves » à l'appui d'affirmations entièrement fausses. Comprendre le fonctionnement de ces opérations — et savoir identifier les images fabriquées — est de plus en plus une compétence fondamentale d'éducation aux médias.

Comment sont construites les campagnes d'images de désinformation

Une campagne mature de désinformation par l'image comporte plusieurs composantes qui fonctionnent ensemble. La génération : les outils d'images IA produisent les photographies synthétiques. Midjourney, DALL-E, Stable Diffusion, et des outils de désinformation conçus sur mesure (certains non accessibles au public) peuvent générer à la demande des images photoréalistes de personnes précises dans des situations précises. L'ingénierie de prompts est devenue une compétence dans les cercles de désinformation — concevoir des prompts qui évitent les filtres de sécurité et produisent des images au style documentaire convaincant est un art qui s'apprend.

Le vieillissement et la dégradation : les images IA brutes ont souvent l'air trop lisses. Les opérateurs de désinformation appliquent fréquemment un post-traitement pour donner aux images l'apparence de photographies authentiques — ajout de grain, d'artefacts de compression, de métadonnées EXIF issues d'appareils réels, et un étalonnage des couleurs imitant des appareils ou plateformes spécifiques. Cela complique la détection, tant pour les outils automatisés que pour les observateurs humains.

La diffusion en réseau : les images sont d'abord publiées sur des plateformes à la modération laxiste, puis partagées à travers le réseau pour accumuler des vues. Souvent, une publication « semence » sur une plateforme marginale est capturée par une capture d'écran puis rediffusée sur les plateformes grand public, de sorte que la diffusion grand public montre une capture d'écran plutôt que l'original — ce qui complique la détection basée sur les empreintes d'image. Des comptes coordonnés amplifient le contenu, le propulsant vers le statut de tendance avant que la modération ne puisse réagir.

Le blanchiment de contexte : les images de désinformation les plus efficaces sont accompagnées d'un faux contexte plutôt qu'entièrement fabriquées. Des images réelles utilisées hors contexte, ou des images réelles accompagnées de légendes fabriquées, sont souvent plus efficaces que des images entièrement synthétiques, car elles sont plus difficiles à démentir de manière définitive. L'image synthétique est la plus puissante lorsqu'elle « confirme » une affirmation déjà ensemencée par d'autres moyens.

Cas documentés notables

L'explosion du Pentagone en 2023 : une image synthétique représentant une grande explosion près du Pentagone est devenue virale en mai 2023, provoquant une brève volatilité des marchés boursiers avant d'être démentie. L'image avait été générée par un outil d'images IA et ne comportait aucun des détails contextuels qui l'auraient placée sur le lieu réel — un petit détail que beaucoup de ceux qui l'ont partagée ont manqué.

Des deepfakes politiques lors de plusieurs élections de 2024 : lors des élections de 2024 dans plusieurs pays, des images générées par l'IA montrant des candidats dans des contextes compromettants ou criminels ont largement circulé sur les réseaux sociaux. Des analyses post-électorales ont identifié des campagnes coordonnées d'images synthétiques dans au moins huit élections nationales.

L'imagerie humanitaire synthétique : des images générées par l'IA de zones de conflit et de catastrophe ont été utilisées à la fois pour gonfler et pour étouffer l'attention portée à des événements réels — en générant des images synthétiques de souffrance pour inciter aux dons envers des organisations caritatives frauduleuses, et en créant des images synthétiques prétendant montrer des conflits moins graves qu'ils ne le sont réellement.

Comment identifier les images de désinformation générées par l'IA

La détection commence par la prudence avant de partager. L'habitude la plus importante est de faire une pause avant de diffuser toute image qui provoque une forte réaction émotionnelle ou qui confirme une croyance préexistante — ce sont précisément les images que les campagnes de désinformation sont conçues pour produire.

La recherche d'image inversée (Google Images, TinEye, Yandex) est un outil de première ligne. Si l'image n'a aucune existence antérieure sur le web, elle est soit une véritable information de dernière minute, soit nouvellement créée. Si elle apparaît dans des contextes incompatibles avec le contexte revendiqué, elle est utilisée de manière trompeuse.

Examinez les détails. La génération d'images par IA en 2026 excelle dans la cohérence globale — donner à une scène un aspect juste au premier coup d'œil — mais peine encore avec les détails précis lors d'un examen approfondi. Les mains et les doigts restent un point faible pour la plupart des modèles. Le texte en arrière-plan est souvent incohérent ou subtilement erroné. Des incohérences d'éclairage apparaissent à l'examen minutieux des ombres et des reflets. Les logos institutionnels, badges et panneaux sont souvent légèrement erronés. Les personnes en arrière-plan peuvent être floues ou présenter des problèmes anatomiques.

Vérifiez les métadonnées. Les véritables photographies documentaires portent généralement des données EXIF : modèle d'appareil photo, coordonnées GPS, horodatage, informations sur l'objectif. Les images générées par l'IA n'ont généralement aucune donnée EXIF, ou possèdent des métadonnées qui ne correspondent pas au contexte revendiqué. Des outils comme Jeffrey's Exif Viewer ou ExifTool facilitent cette vérification. Notez que les métadonnées peuvent être fabriquées et supprimées — l'absence de métadonnées suspectes n'est pas une preuve d'authenticité, mais la présence de métadonnées incohérentes est un signal d'alerte.

Utilisez des outils de détection IA. SUS IT et des outils similaires analysent les propriétés spectrales et statistiques des images pour identifier les signatures de génération par IA. Ces outils examinent notamment les caractéristiques du domaine fréquentiel (les images IA présentent des motifs caractéristiques dans leurs transformées de Fourier), les artefacts de synthèse de texture, et les empreintes propres à certains modèles générateurs. Pour les images qui ont été compressées, recadrées ou retravaillées après leur génération, la détection est plus difficile — mais un signal de détection fort reste une preuve significative.

Vérifiez la chaîne des sources. Où cette image a-t-elle été publiée pour la première fois ? Les captures d'écran de captures d'écran obscurcissent l'origine. Plus vous êtes éloigné de la source originale, moins vous pouvez vérifier. Pour les images d'actualité, vérifiez si une agence de presse légitime (AP, Reuters, AFP) a publié l'image avec une vérification éditoriale. Si une image n'est disponible que sous forme de capture d'écran d'une publication invérifiable sur les réseaux sociaux, traitez-la comme non vérifiée.

La perspective médico-légale

Les outils de criminalistique numérique vont au-delà de l'inspection visuelle. L'analyse du niveau d'erreur (ELA) met en évidence les zones d'une image compressées à différents niveaux, ce qui peut indiquer une manipulation — bien que cette technique ait des limites avec la génération IA moderne, qui produit une compression cohérente sur toute l'image. L'analyse du domaine fréquentiel examine la transformée de Fourier d'une image à la recherche de motifs associés à la génération par IA — une méthode plus difficile à contourner par post-traitement que l'analyse au niveau du pixel. L'analyse des motifs de bruit identifie le profil de bruit spécifique de différents capteurs d'appareils photo, ce qui peut confirmer ou contredire des affirmations concernant la source d'une image. Les organisations de presse professionnelles utilisent une combinaison de ces techniques avec des analystes formés.

La réponse au niveau des plateformes

Les grandes plateformes ont investi massivement dans la détection d'images IA, mais leurs approches diffèrent. Meta a déployé un étiquetage automatique « Made with AI » utilisant les métadonnées C2PA (une norme technique qui permet de noter cryptographiquement la génération par IA dans le fichier image dès sa création) et ses propres modèles de détection. YouTube applique une détection similaire au contenu contenant des images. TikTok combine détection automatique et divulgation obligatoire par le créateur. La norme C2PA, soutenue par Adobe, Microsoft et d'autres, représente la solution à long terme la plus prometteuse — elle intègre dans le fichier lui-même un enregistrement inviolable de l'origine et de l'historique d'édition d'une image. Son adoption s'accélère mais n'est pas encore universelle.

Ce que les lecteurs et les spectateurs peuvent faire

Les conseils pratiques sont simples mais exigent une application constante. Faites une pause avant de partager. La réaction émotionnelle qui vous donne envie de partager immédiatement quelque chose est exactement ce qu'exploitent les campagnes de désinformation. Vérifiez la source. Deux sources fiables et indépendantes sont un minimum pour toute affirmation extraordinaire. Repérez ce qui manque. Les images de désinformation manquent généralement du contexte confirmatif que fournit la véritable photographie documentaire — pas de source originale, pas de reprise par une agence de presse, pas de couverture par les médias locaux du lieu représenté. Utilisez les outils disponibles. La recherche d'image inversée, l'inspection des métadonnées et les outils de détection IA sont gratuits et prennent moins d'une minute à appliquer. Signalez la désinformation suspectée à la plateforme et, le cas échéant, aux organisations de vérification des faits. Plus un contenu synthétique est signalé rapidement, moins il cause de dégâts.