The Japan Times - Angle mort de l'IA: quand les outils échouent à détecter leurs propres faux

EUR -
AED 4.236833
AFN 76.142197
ALL 93.45107
AMD 420.704816
AOA 1059.063247
ARS 1713.99192
AUD 1.649976
AWG 2.076594
AZN 1.965807
BAM 1.955822
BBD 2.316627
BDT 142.031626
BHD 0.433705
BIF 3413.239071
BMD 1.153663
BND 1.476217
BOB 13.658156
BRL 5.861191
BSD 1.150213
BTN 109.651255
BWP 15.68318
BYN 3.345938
BYR 22611.798836
BZD 2.313326
CAD 1.617379
CDF 2624.584211
CHF 0.93183
CLF 0.027184
CLP 1073.37276
CNY 7.788731
CNH 7.790705
COP 3653.005322
CRC 522.40598
CUC 1.153663
CUP 30.572075
CVE 110.266262
CZK 24.240891
DJF 204.822345
DKK 7.480664
DOP 66.730764
DZD 153.303755
EGP 59.017676
ERN 17.304948
ETB 183.804404
FJD 2.554153
FKP 0.856626
GBP 0.855675
GEL 3.016876
GGP 0.856626
GHS 13.446154
GIP 0.856626
GMD 84.798688
GNF 10097.115581
GTQ 8.7761
GYD 240.602754
HKD 9.047262
HNL 30.819353
HRK 7.538386
HTG 150.391722
HUF 365.192535
IDR 20799.39394
ILS 3.533613
IMP 0.856626
INR 110.048515
IQD 1506.817248
IRR 1586431.11648
ISK 142.062532
JEP 0.856626
JMD 182.092084
JOD 0.817993
JPY 181.627012
KES 148.781703
KGS 100.888291
KHR 4660.799756
KMF 492.614593
KRW 1664.690302
KWD 0.356644
KYD 0.958511
KZT 545.026239
LAK 26048.298174
LBP 103004.479089
LKR 386.12442
LRD 207.612377
LSL 19.024918
LTL 3.406468
LVL 0.69784
LYD 7.359084
MAD 10.744823
MDL 20.10023
MGA 4919.056308
MKD 61.525704
MMK 2422.354323
MNT 4147.524662
MOP 9.292006
MRU 46.226529
MUR 54.222569
MVR 17.836069
MWK 1994.42283
MXN 20.013177
MYR 4.712949
MZN 73.731051
NAD 19.024918
NGN 1574.012366
NIO 42.330485
NOK 10.926464
NPR 175.442008
NZD 1.961512
OMR 0.443645
PAB 1.150213
PEN 3.898045
PGK 5.150059
PHP 70.667684
PKR 319.439457
PLN 4.312336
PYG 6858.078504
QAR 4.204648
RON 5.247557
RSD 117.498334
RUB 91.443047
RWF 1688.519328
SAR 4.320672
SBD 9.322873
SCR 15.583178
SDG 692.198315
SEK 10.985993
SGD 1.479693
SLE 28.499711
SOS 657.307524
SRD 43.587131
STD 23878.499126
STN 24.50028
SVC 10.064115
SZL 19.022218
THB 38.676603
TJS 10.616322
TMT 4.049358
TND 3.381339
TRY 54.813428
TTD 7.810089
TWD 37.273824
TZS 3047.993231
UAH 51.336988
UGX 4319.04944
USD 1.153663
UYU 46.28053
UZS 13768.157604
VES 860.282504
VND 30341.919148
VUV 137.643052
WST 3.154711
XAF 655.964509
XAG 0.020031
XAU 0.000285
XCD 3.117833
XCG 2.072924
XDR 0.815809
XOF 655.964509
XPF 119.331742
YER 274.922082
ZAR 19.102044
ZMK 10384.357384
ZMW 21.606247
ZWL 371.479082
  • AEX

    -5.5200

    1099.18

    -0.5%

  • BEL20

    31.6600

    5685.82

    +0.56%

  • PX1

    24.6100

    8509.64

    +0.29%

  • ISEQ

    -118.7900

    13535.33

    -0.87%

  • OSEBX

    3.6300

    2018.08

    +0.18%

  • PSI20

    -30.1800

    9116.04

    -0.33%

  • ENTEC

    -5.8300

    1416.23

    -0.41%

  • BIOTK

    -20.6300

    4276.33

    -0.48%

  • N150

    -1.7100

    4262.41

    -0.04%

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.

Y.Hara--JT