Berliner Boersenzeitung - Angle mort de l'IA: quand les outils échouent à détecter leurs propres faux

EUR -
AED 4.127321
AFN 73.04034
ALL 90.729764
AMD 404.665666
ANG 2.011176
AOA 1031.553957
ARS 1738.943785
AUD 1.601552
AWG 2.025463
AZN 1.913452
BAM 1.952241
BBD 2.262516
BDT 139.855058
BGN 1.964032
BHD 0.424123
BIF 3356.451657
BMD 1.123697
BND 1.435982
BOB 13.620051
BRL 6.137409
BSD 1.123372
BTN 106.255362
BWP 15.422064
BYN 3.35189
BYR 22024.453639
BZD 2.259261
CAD 1.569074
CDF 2598.549276
CHF 0.917948
CLF 0.027547
CLP 1084.074774
CNY 7.507306
CNH 7.497725
COP 3633.529187
CRC 510.260764
CUC 1.123697
CUP 26.959855
CVE 110.064364
CZK 24.256904
DJF 199.70346
DKK 7.474251
DOP 67.457033
DZD 152.760408
EGP 61.491828
ERN 16.855449
ETB 184.366977
FJD 2.519047
FKP 0.837456
GBP 0.834036
GEL 2.911728
GGP 0.837456
GHS 13.070058
GIP 0.837456
GMD 83.153296
GNF 9950.333543
GTQ 8.584504
GYD 235.356779
HKD 8.81581
HNL 30.191963
HRK 7.606314
HTG 147.171721
HUF 362.097781
IDR 20335.08815
ILS 3.544031
IMP 0.837456
INR 105.978974
IQD 1702.995611
IRR 2116379.75381
ISK 136.607941
JEP 0.837456
JMD 178.055423
JOD 0.796739
JPY 177.890729
KES 145.956778
KGS 98.267485
KHR 4567.633017
KMF 495.550463
KPW 1011.326909
KRW 1506.180183
KWD 0.349233
KYD 0.936085
KZT 507.694193
LAK 25290.672585
LBP 100593.033834
LKR 373.788621
LRD 190.960199
LSL 18.491122
LTL 3.317984
LVL 0.679713
LYD 7.20287
MAD 10.973397
MDL 20.147095
MGA 5073.705993
MKD 61.626804
MMK 2359.224448
MNT 4043.158392
MOP 9.076769
MRU 45.693891
MUR 52.914759
MVR 17.366712
MWK 1947.814662
MXN 20.860849
MYR 4.566138
MZN 71.815099
NAD 18.490793
NGN 1512.967507
NIO 41.334651
NOK 10.449204
NPR 170.008579
NZD 1.995853
OMR 0.432068
PAB 1.123442
PEN 3.877232
PGK 5.040811
PHP 71.06933
PKR 310.740451
PLN 4.383591
PYG 6811.58317
QAR 4.095434
RON 5.341266
RSD 117.622967
RUB 91.92166
RWF 1652.972088
SAR 4.220986
SBD 9.047688
SCR 15.619598
SDG 675.900219
SEK 10.927303
SGD 1.436528
SHP 0.837767
SLE 25.744042
SLL 23563.361094
SOS 642.023942
SRD 42.210493
STD 23258.251181
STN 24.455855
SVC 9.829083
SYP 14610.303024
SZL 18.481146
THB 37.736543
TJS 10.362526
TMT 3.944175
TND 3.347997
TOP 2.705591
TRY 56.207681
TTD 7.614983
TWD 36.908381
TZS 2977.793835
UAH 51.156547
UGX 4611.675461
USD 1.123697
UYU 45.166861
UZS 13356.414878
VES 1000.131113
VND 28884.059621
VUV 134.25065
WST 3.1231
XAF 655.957
XAG 0.02143
XAU 0.000276106781
XCD 3.036847
XCG 2.024429
XDR 0.794512
XOF 655.957
XPF 119.331742
YER 265.389046
ZAR 18.419152
ZMK 10114.614416
ZMW 22.782267
ZWL 361.829851
SSP 6456.721236
MXV 2.348128
  • AEX

    -15.8300

    1099.02

    -1.42%

  • BEL20

    -65.5900

    5540.72

    -1.17%

  • PX1

    -120.2600

    7843.89

    -1.51%

  • ISEQ

    -301.0700

    14173.37

    -2.08%

  • OSEBX

    -24.9000

    2050.38

    -1.2%

  • PSI20

    -177.8800

    9489.32

    -1.84%

  • ENTEC

    -5.8300

    1416.23

    -0.41%

  • BIOTK

    25.6000

    4516.39

    +0.57%

  • N150

    -55.9300

    4149.48

    -1.33%

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.Berger--BBZ)