Réponse en bref
Ne vérifiez pas les « doigts », mais la chaîne de provenance : première publication, preuves indépendantes de l’événement, réaction de la source et, si elles existent, les marques C2PA/SynthID. L’absence de marque ne prouve rien.
Cet article vaut la peine d’être lu parce qu’il contient…
cinq cas documentés à partir de sources primaires (deux images générées par IA dont l’origine a été confirmée publiquement, une série où des contemporains ont attribué par erreur des « signes d’IA » visuels à la mauvaise image, une retouche manuelle classique d’une photo authentique et, à part, une photo authentique publiquement et à tort qualifiée de génération par IA), des données à jour en septembre 2026 sur ce que Google et Apple savent vérifier, et une chaîne de vérification de l’origine reproductible sur n’importe quelle photo contestée — plutôt que des conseils du type « regardez les doigts ».
Cherchez le chemin de publication, pas les pixels
Quand une photo contestée d’une personnalité connue apparaît dans le fil d’actualité, un des conseils les plus répandus est de « regarder les doigts » ou de « compter les dents ». Cette méthode devient de moins en moins fiable : les modèles génératifs changent d’une version à l’autre, et une incohérence anodine sur une photo ordinaire, non retouchée (éclairage irrégulier, angle étrange, compression par un réseau social), peut sembler tout aussi suspecte qu’une trace de génération. Les cinq cas documentés de 2023-2024 présentés ci-dessous montrent une voie plus solide : qui a publié l’image en premier et quand, ce qu’en disent la source elle-même, des témoins indépendants et des institutions spécialisées (agences photo, organisateurs de prix, experts en criminalistique numérique), et quelles marques techniques de provenance — comme C2PA et SynthID — ou quelle réaction institutionnelle (agences, organisateurs) confirment ou infirment la thèse du trucage. Parmi ces cas figurent un épisode où deux images différentes du même jour ont été confondues, et un épisode où c’est une photo authentique, et non générée, qui a été soupçonnée.
Le pape François en doudoune : le soupçon a précédé l’aveu de l’auteur
En mars 2023, une photo du pape François vêtu d’une ample doudoune blanche — élégante, moderne, très éloignée des tenues papales habituelles — a circulé sur les réseaux sociaux. L’image est devenue virale : BuzzFeed News l’a qualifiée plus tard de photo qui « a trompé le monde ». Un détail révélateur pour la méthode de vérification : avant même que le nom de l’auteur soit connu, l’idée que la photo avait été générée par IA circulait déjà en ligne — le soupçon s’est formé avant et indépendamment de l’auteur. Le 27 mars 2023, BuzzFeed News a été le premier à publier l’histoire de son créateur : Pablo Xavier, un habitant de la région de Chicago, ouvrier du bâtiment de 31 ans, qui avait généré les trois premières versions de l’image sur Midjourney vers 14 heures un vendredi, avant de les publier dans le groupe Facebook AI Art Universe, puis sur Reddit. Sur ses motivations, il a déclaré : « J’ai simplement trouvé ça drôle de voir le pape dans une veste rigolote » (traduction de la rédaction ; BuzzFeed News, 27.03.2023). L’animatrice de télévision Chrissy Teigen a écrit publiquement qu’elle avait elle aussi cru que la photo était authentique. Ce cas repose sur deux maillons de confirmation indépendants : une reconnaissance collective plus précoce en ligne, et, séparément, l’aveu volontaire de l’auteur sur qui il était et pourquoi il l’avait fait.
La série de « l’arrestation » de Trump : deux images IA différentes ont été confondues
Ce même mois de mars 2023, Eliot Higgins, fondateur du projet Bellingcat, a généré avec un outil d’IA une série d’images à partir de l’invite « Donald Trump falling down while being arrested » (« Donald Trump tombe pendant son arrestation », traduction de la rédaction ; selon The Independent, 24.03.2023). En publiant la série, Higgins l’a accompagnée de sa propre légende : « Making pictures of Trump getting arrested while waiting for Trump's arrest » — « Je fais des images de l’arrestation de Trump en attendant sa vraie arrestation » (traduction de la rédaction). Les images ont totalisé près de cinq millions de vues. Dans les mêmes jours, Trump lui-même a partagé une autre image générée par IA — une image où il est représenté agenouillé en prière. C’est sur cette image distincte, et non sur la série de « l’arrestation », que des signes visuels de génération par IA ont été relevés, selon The Independent citant Forbes : un doigt manquant à la main droite, des pouces « mélangés » et une semelle de chaussure aux bords « en forme de pinceau ». Cette distinction compte pour la méthode : un indice visuel doit être rattaché à l’image exacte à laquelle il appartient — dans un flot d’images IA virales publiées le même jour, il est facile de confondre à quel cliché correspond quel indice, et la conclusion sur des « signes de trucage » relevés sur une image ne s’applique pas automatiquement à une autre image du même jour.
Eldagsen et les Sony World Photography Awards : un différend sur la confiance, pas sur la dissimulation
Le 14 mars 2023, l’artiste berlinois Boris Eldagsen a été déclaré vainqueur de la catégorie Creative Open des Sony World Photography Awards avec une image en noir et blanc, « Pseudomnesia: The Electrician », montrant deux femmes fictives de générations différentes. Selon les organisateurs, la World Photography Organisation, Eldagsen aurait confirmé, dans un échange avec eux avant l’annonce de sa victoire, une « co-création » de l’image avec l’IA. Autrement dit, les organisateurs savaient que l’IA était impliquée avant même d’annoncer le vainqueur — le différend ne portait donc pas sur la dissimulation de ce fait, mais sur la sincérité des assurances données par l’auteur : les organisateurs ont déclaré plus tard qu’il avait commis des tentatives « délibérées » de les induire en erreur. Eldagsen lui-même décrit la situation autrement : selon lui, il aurait informé les organisateurs à l’avance de la participation de l’IA. En avril 2023, il a annoncé son refus du prix en publiant une déclaration sur son site : « AI is not photography. Therefore I will not accept the award » — « L’IA n’est pas de la photographie. Je n’accepterai donc pas ce prix » (traduction de la rédaction ; selon CNN, 18.04.2023). Il a expliqué avoir soumis sa candidature « comme un singe rusé » — pour tester si les concours de photographie étaient prêts pour les images IA, et avoir obtenu une réponse : non, ils ne l’étaient pas. Ce cas est utile non pas comme exemple d’un « artiste qui aurait trompé le jury », mais comme illustration du fait que même lorsque la participation de l’IA est connue à l’avance, un différend sur la confiance peut se poursuivre — et que le geste public décisif n’est pas une expertise technique, mais la déclaration de l’auteur lui-même.
La photo de Kate Middleton : une retouche ordinaire, pas une image de synthèse
Le 10 mars 2024, jour de la fête des Mères au Royaume-Uni, le palais de Kensington a publié une photographie de la princesse de Galles avec ses enfants, prise par le prince William — le premier cliché de Catherine depuis son opération en janvier. Tard dans la soirée du dimanche, Associated Press a retiré le cliché de ses archives, invoquant une raison technique : « inconsistency in alignment of Princess Charlotte's left hand » — « une incohérence dans la position de la main gauche de la princesse Charlotte » (traduction de la rédaction ; AP, selon BBC, 11.03.2024). À la suite d’AP, Reuters et l’AFP ont retiré le cliché à leur tour, puis Getty Images ; le lendemain, lundi, l’agence PA a fait de même, invoquant l’absence d’explications de la part du palais. Les cinq agences ont toutes employé le terme « manipulated » — « modifiée ». L’analyse de la BBC pointe des incohérences précises : sur la manche, dans le flou de la main, sur la fermeture éclair, à l’arrière-plan et sur le genou de l’un des enfants. Le lendemain, Catherine s’est personnellement excusée sur les réseaux sociaux depuis le compte officiel, signant de l’initiale « C » : « ...express my apologies for any confusion the family photograph we shared yesterday caused » — « ...je présente mes excuses pour la confusion qu’a pu causer la photo de famille publiée hier » (traduction de la rédaction ; 11.03.2024), ajoutant que, comme beaucoup de photographes amateurs, elle expérimente parfois avec la retouche. La BBC l’écrit explicitement : au 11 mars 2024, des détails de base sur le cliché — quand il a été pris, ce qui a été modifié et s’il s’agissait d’un montage composite — restaient non divulgués, même après l’aveu de retouche ; la rédaction n’a pas vérifié de données plus récentes. Ce cas montre qu’un aveu officiel de retouche ne clôt pas toutes les questions sur une image, et que « l’IA générative » n’est pas la seule façon de dénaturer un cliché documentaire.
Le cas inverse : une vraie photo de Harris à Detroit qualifiée à tort de génération par IA
La situation inverse existe aussi — lorsqu’une photographie authentique est déclarée à tort générée par IA. Le 7 août 2024, lors d’un meeting près de l’aéroport de Detroit Metropolitan, la vice-présidente des États-Unis Kamala Harris a été accueillie par une foule de partisans ; les journaux locaux Detroit News et Detroit Free Press ont chacun rapporté, indépendamment, la présence de milliers de personnes. Le 11 août, Donald Trump a écrit sur Truth Social : « There was nobody at the plane, and she 'A.I.'d' it » — « Il n’y avait personne près de l’avion, et elle l’a fait avec de l’IA » (traduction de la rédaction), avant d’ajouter avoir « pris » Harris en train de mettre en scène une « fausse foule ». Les partisans de cette thèse citaient les reflets sur le fuselage de l’avion Air Force Two comme preuve qu’il n’y avait pas eu de foule. La vérification des fact-checkers s’est appuyée sur des dizaines de photos et de vidéos de l’événement, dont des clichés de Getty Images et d’Associated Press, qui ont confirmé indépendamment la présence des partisans. Hany Farid, professeur à la School of Information de l’université de Californie à Berkeley et spécialiste de criminalistique numérique, a vérifié la photo à l’aide de deux modèles informatiques différents, entraînés à repérer les schémas propres à l’IA générative — aucun des deux n’a détecté de signe de génération ni de montage. Après avoir comparé plusieurs versions du cliché, Farid a conclu que la seule retouche consistait en un simple ajustement de la luminosité et du contraste, et peut-être de la netteté — la photo n’était ni générée par IA ni totalement intacte. Il a commenté séparément le contour lumineux visible autour des têtes et des silhouettes : selon lui, cet effet est dû à l’éclairage ordinaire du hangar, et la même scène apparaît sur de nombreuses autres photos et vidéos du même événement. L’équipe de campagne de Harris a confirmé que le cliché avait été pris par un membre du personnel et qu’il n’avait été ni créé ni retouché par IA. Ce cas est à garder en tête lorsqu’un « halo étrange » sur une photo authentique prise dans une pièce mal éclairée ressemble à une trace de génération — et les arguments contre l’authenticité d’un cliché doivent être confrontés à ce qui a réellement été dit, et non à ce qui paraît convaincant à première vue.
Ce qu’apportent les filigranes et la norme C2PA — et où ils restent impuissants
Une partie des technologies de provenance du contenu relève d’une logique technique, et non journalistique. La norme ouverte C2PA (Coalition for Content Provenance and Authenticity) enregistre l’historique de création et de modification d’un fichier numérique — « une sorte de liste d’ingrédients pour le contenu ». L’initiative Content Authenticity Initiative, fondée par Adobe en 2019 et toujours dirigée par l’entreprise, développe des outils ouverts pour intégrer cette norme aux sites, applications et services. Google DeepMind applique un principe similaire avec la technologie SynthID : un filigrane invisible est intégré aux images, à l’audio, à la vidéo et au texte des produits génératifs de Google, conçu pour résister au recadrage et à la compression. En septembre 2026, l’idée selon laquelle « SynthID ne fonctionne qu’avec le contenu Google » n’est plus tout à fait exacte : selon le blog de Google du 19 mai 2026, cette technologie est adoptée pour leur contenu IA par OpenAI, la société sud-coréenne Kakao et ElevenLabs, tandis que NVIDIA l’utilise pour les vidéos générées par ses modèles Cosmos. Apple a annoncé le 9 septembre 2026 qu’elle ajouterait la prise en charge de SynthID plus tard dans l’année via une mise à jour logicielle — des marques apparaîtront alors sur la plupart des images retouchées. À cette occasion, Apple a aussi présenté « Apple Reference Image » pour l’iPhone 18 Pro : le capteur de l’appareil photo signe les données au niveau du pixel au moment de la prise de vue, et cette image signée peut être comparée à un cliché dans l’application Photos. Le principe est commun à toutes ces technologies : elles ne confirment la provenance que là où la marque a été intégrée dès l’origine. Si un contenu a été produit par un outil dépourvu d’une telle marque, ou s’il est passé par un service qui la supprime, une vérification via C2PA ou SynthID ne montrera rien — ce qui ne prouve en rien qu’il s’agit d’un trucage.
Pourquoi l’absence de métadonnées ne prouve rien
Un argument fréquent dans les débats sur l’authenticité d’une photo est : « le fichier n’a pas de données EXIF, donc c’est un trucage ». Cette logique est peu fiable : de nombreux réseaux sociaux et messageries suppriment une partie des métadonnées du fichier (modèle de l’appareil photo, date de prise de vue, géolocalisation, exposition) lors du téléversement et de la recompression — que le cliché ait été pris par un appareil photo ou généré par IA. L’absence de métadonnées dans un fichier passé par une plateforme populaire ne prouve donc rien en soi : elle peut résulter d’un simple transfert habituel, et non d’un indice sur l’origine du fichier. La situation évolue : selon Google, à partir de 2026, Meta commencera à signaler sur Instagram les clichés pris avec un appareil photo compatible Content Credentials — pour une partie des fichiers, les données de provenance seront au contraire conservées et rendues visibles. Juger de l’authenticité d’un cliché sur la seule présence ou absence d’EXIF, sans tenir compte de la provenance exacte du fichier, est une erreur méthodologique courante.
La recherche inversée d’image : le premier réflexe pratique du lecteur
Avant d’analyser les pixels ou d’attendre un commentaire officiel, le lecteur dispose d’un outil gratuit : la recherche inversée d’image. Google Lens (« Search by image ») permet de charger un fichier, de le glisser dans la recherche ou d’insérer un lien vers l’image, pour obtenir une liste de sites où figure une image identique ou similaire. L’outil ne garantit pas un tri rigoureux par date de première publication, mais il fournit un point de départ : une liste de sources où l’image est déjà apparue. Depuis mai 2026, les lecteurs disposent aussi d’un moyen plus direct : selon le blog de Google, Lens, AI Mode et Circle to Search dans la Recherche, ainsi que Gemini dans Chrome, savent répondre à la question « Is this made with AI? » (« Est-ce fait avec de l’IA ? ») en vérifiant le filigrane SynthID et en recoupant les marques C2PA Content Credentials — pour savoir si le cliché a été pris tel quel par un appareil photo ou s’il a subi des retouches. La limite est la même que pour les marques elles-mêmes : une réponse informative ne sera obtenue que pour un contenu où la marque a été intégrée dès l’origine ; sur les autres images, l’outil ne donnera rien de concluant.
Comment construire la chaîne de vérification pour une photo précise
Les cinq cas présentés ci-dessus se résument à une même démarche, reproductible sur n’importe quelle image contestée — elle est rassemblée dans la liste de vérification ci-dessous. Trois éléments méritent d’être gardés à l’esprit en dehors de cette liste. Premièrement, aucun indice pris isolément — un « doigt en trop », l’absence de métadonnées, la conclusion d’un seul détecteur d’IA — ne constitue une preuve définitive : dans le cas de la photo de Harris, l’expert a vérifié le cliché avec deux modèles différents, et non un seul. Deuxièmement, un aveu officiel ne clôt pas toutes les questions : l’exemple de Kate Middleton montre qu’une partie des détails peut rester non divulguée même après un aveu de retouche. Troisièmement, un indice visuel doit être vérifié en le rapportant à l’image précise concernée : dans l’affaire Trump, les signes d’IA relevés par les journalistes en 2023 concernaient une autre de ses photos, et non la série de « l’arrestation » — la confusion entre images similaires publiées le même jour est plus fréquente qu’il n’y paraît, et la viralité ne dit rien sur l’origine d’un cliché.
Checklist pratique
- Recherchez des publications antérieures de l’image via la recherche inversée (Google Lens / « Search by image ») — cela ne garantit pas de trouver la toute première version, mais fournit une liste de sources à comparer.
- Vérifiez ce qui a été écrit sur l’image lors de ses premières publications : qui en est l’auteur, dans quelles circonstances le cliché est apparu, et s’il portait dès le départ une mention d’origine IA.
- Ne considérez pas l’absence de métadonnées EXIF comme une preuve de trucage — de nombreuses plateformes les suppriment lors d’un téléversement ordinaire, quelle que soit l’origine du fichier.
- Cherchez des confirmations indépendantes venant du lieu de l’événement — d’autres photographes, des vidéos issues de caméras différentes, des témoins, la presse locale.
- Si le fichier porte une marque de provenance (C2PA Content Credentials, un filigrane comme SynthID), vérifiez-la avec les outils disponibles (Gemini, Lens, AI Mode) — mais gardez à l’esprit que l’absence de marque ne prouve rien si elle n’a jamais été intégrée.
- Ne vous fiez pas à un seul indice — un détail sur l’image ou la conclusion d’un seul détecteur tiers — comme preuve définitive, et assurez-vous que l’indice concerne bien cette image précise, et non un cliché similaire du même jour.
- Attendez la réaction officielle de la source (service de presse, auteur lui-même, institution spécialisée), en gardant à l’esprit que même celle-ci peut ne pas répondre à toutes les questions techniques sur le cliché.
Questions et réponses
Est-il vrai que l’absence de données sur l’appareil photo et la date de prise de vue dans un fichier est un signe de trucage ?
Pas en soi. Les métadonnées d’un cliché sont souvent supprimées lors d’un téléversement ordinaire vers un réseau social, une messagerie ou un service de compression — cela arrive aussi bien aux photos authentiques qu’aux images générées par IA. Dans le même temps, certaines plateformes évoluent en sens inverse : selon Google, par exemple, Meta commencera à signaler sur Instagram les clichés provenant d’appareils compatibles Content Credentials. Il vaut mieux ne pas se fier à la seule présence ou absence de métadonnées, mais chercher une confirmation indépendante de l’image datant du moment de sa première publication.
Peut-on se fier aux détecteurs d’images IA gratuits en ligne ?
Aucune vérification documentée de services de détection commerciaux précis n’a été menée dans le cadre de cet article, la rédaction ne peut donc pas évaluer leur précision. Un principe se dégage clairement des cas analysés : même une expertise professionnelle, comme dans le cas de la photo de Harris, ne s’est pas appuyée sur un seul outil, mais sur deux modèles de détection différents et sur des confirmations externes indépendantes — la même logique s’applique à l’usage des détecteurs publics.
Que faire si la source première de l’image ne peut pas être vérifiée ?
Traiter l’image comme non confirmée et ne pas la relayer comme un fait documentaire tant qu’aucune confirmation indépendante n’a été trouvée — une publication de première main, la réaction d’une institution spécialisée, ou une correspondance avec d’autres prises de vues indépendantes du même événement.
Cette même méthode fonctionne-t-elle aussi pour les vidéos, et pas seulement pour les photos ?
En partie : la recherche de la première publication et la réaction des témoins fonctionnent de la même manière, mais une vérification complète d’une vidéo demande des étapes supplémentaires — comparaison des images, des horodatages et des enregistrements provenant de différentes sources — qui dépassent le cadre de cet article.