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

EUR -
AED 4.048396
AFN 71.653352
ALL 90.750248
AMD 397.442801
ANG 1.973656
AOA 1011.960474
ARS 1704.382464
AUD 1.618965
AWG 1.984235
AZN 1.878376
BAM 1.951036
BBD 2.220877
BDT 137.480376
BGN 1.95499
BHD 0.417001
BIF 3319.209083
BMD 1.102353
BND 1.423304
BOB 12.873388
BRL 6.246268
BSD 1.102607
BTN 104.113285
BWP 15.450042
BYN 3.311509
BYR 21606.119128
BZD 2.223106
CAD 1.573113
CDF 2551.947633
CHF 0.923202
CLF 0.028075
CLP 1104.973024
CNY 7.354624
CNH 7.359975
COP 3659.778945
CRC 495.301355
CUC 1.102353
CUP 26.528073
CVE 110.401089
CZK 24.405329
DJF 196.830539
DKK 7.476493
DOP 67.240184
DZD 151.259414
EGP 58.978161
ERN 16.535295
ETB 181.421296
FJD 2.507137
FKP 0.834353
GBP 0.833065
GEL 2.855525
GGP 0.834353
GHS 12.925133
GIP 0.834353
GMD 81.574515
GNF 9793.0268
GTQ 8.429301
GYD 230.683524
HKD 8.648736
HNL 29.723081
HRK 7.531237
HTG 144.950397
HUF 364.882711
IDR 20101.848202
ILS 3.545943
IMP 0.834353
INR 103.891816
IQD 1675.704586
IRR 2109614.310597
ISK 136.615035
JEP 0.834353
JMD 174.650478
JOD 0.781612
JPY 176.084403
KES 143.361434
KGS 96.384792
KHR 4497.600695
KMF 492.752185
KPW 992.118101
KRW 1471.994453
KWD 0.34335
KYD 0.921103
KZT 492.691348
LAK 24881.068091
LBP 98983.270882
LKR 367.641006
LRD 187.910514
LSL 18.686451
LTL 3.254962
LVL 0.666803
LYD 7.125019
MAD 10.95393
MDL 20.078055
MGA 5022.013743
MKD 61.545168
MMK 2314.774623
MNT 3973.283421
MOP 8.933124
MRU 44.703122
MUR 52.494468
MVR 16.980358
MWK 1916.705245
MXN 20.433771
MYR 4.504329
MZN 70.444469
NAD 18.686451
NGN 1481.088858
NIO 40.680111
NOK 10.552253
NPR 166.581456
NZD 1.994668
OMR 0.424511
PAB 1.102607
PEN 3.76101
PGK 5.044014
PHP 70.506912
PKR 305.654336
PLN 4.405592
PYG 6843.288459
QAR 4.01725
RON 5.348511
RSD 117.465677
RUB 91.30685
RWF 1635.304475
SAR 4.217282
SBD 8.926521
SCR 15.295042
SDG 663.069392
SEK 11.106249
SGD 1.419063
SHP 0.830054
SLE 25.409646
SLL 23115.795624
SOS 631.701729
SRD 41.327623
STD 22816.481805
STN 24.500067
SVC 9.672026
SYP 14332.794295
SZL 18.681051
THB 37.34225
TJS 10.196728
TMT 3.858236
TND 3.316433
TOP 2.654202
TRY 55.485621
TTD 7.503021
TWD 36.257938
TZS 2926.90801
UAH 50.255138
UGX 4553.879273
USD 1.102353
UYU 44.690863
UZS 13292.036376
VES 1006.315196
VND 28358.582532
VUV 132.985681
WST 3.098252
XAF 655.957
XAG 0.022553
XAU 0.000284217451
XCD 2.979165
XCG 1.992105
XDR 0.779421
XOF 655.957
XPF 119.331742
YER 260.762006
ZAR 18.713826
ZMK 9922.503926
ZMW 22.599062
ZWL 354.957222
SSP 6555.09164
MXV 2.294737
  • AEX

    -1.6800

    1118.52

    -0.15%

  • BEL20

    -9.6000

    5637.54

    -0.17%

  • PX1

    -36.9600

    7998.54

    -0.46%

  • ISEQ

    13.0500

    14517.8

    +0.09%

  • OSEBX

    -1.6600

    2073.83

    -0.08%

  • PSI20

    72.5000

    9738.69

    +0.75%

  • ENTEC

    -5.8300

    1416.23

    -0.41%

  • BIOTK

    9.8600

    4491.39

    +0.22%

  • N150

    -2.9600

    4224.74

    -0.07%

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