Il est de plus en plus difficile de distinguer au premier coup d'œil les images générées par l'IA des photographies. Alors que les premiers générateurs d'images produisaient souvent des erreurs manifestes, les modèles les plus récents sont capables de créer des images très réalistes, ne présentant que peu d'imperfections visibles.
Heureusement, il existe encore des moyens de détecter les signes potentiels d'un contenu synthétique. Dans ce guide, nous expliquons ce que sont les artefacts d'image générés par l'IA, les différents types à repérer et comment les identifier.
Plongeons dans le vif du sujet.
Principaux enseignements
- Les artefacts d'image liés à l'IA sont des anomalies visuelles, statistiques et techniques qui peuvent permettre de déterminer si une image a été générée ou modifiée par l'IA.
- Parmi les artefacts visuels courants, on peut citer les déformations anatomiques, le texte illisible, les objets déformés, les textures peu naturelles, un éclairage incohérent et des reflets incorrects.
- Des signaux d'IA moins visibles peuvent apparaître dans les motifs de pixels, les données de fréquence, les métadonnées et les informations de provenance, ce qui rend leur détection manuelle de plus en plus difficile.
- Les détecteurs d'images générées par l'IA analysent simultanément plusieurs signaux afin d'identifier des motifs susceptibles d'indiquer une création par l'IA, y compris des artefacts que l'œil humain pourrait ne pas percevoir.
- L'outil de détection d'images générées par IA d'Undetectable AI, optimisé par TruthScan, analyse les images à la recherche de signaux liés à l'IA et attribue un score de détection permettant de déterminer si une image a été générée par IA.
Que sont les artefacts d'image générés par l'IA ?
Génération d'images Les modèles génèrent des images en estimant, d'un point de vue statistique, les motifs visuels les plus probables, en se basant sur les relations qu'ils ont apprises à partir de leurs données d'entraînement.
Ce processus étant différent de la manière dont un appareil photo capture une scène réelle, il peut générer des incohérences visuelles et des caractéristiques statistiques qui diffèrent de celles observées sur les photographies. Ces irrégularités sont appelées « artefacts d'image générés par l'IA ».
Types d'artefacts liés à l'IA
Les artefacts liés à l'IA peuvent apparaître dans l'image elle-même ou dans les données sous-jacentes et les propriétés statistiques du fichier. À mesure que les outils d'IA générative s'améliorent, la fréquence des irrégularités visuelles peut diminuer, mais des schémas statistiques anormaux ou d'autres caractéristiques persistent.
Ne vous inquiétez plus jamais de la détection de vos messages par l'IA. Undetectable AI peut vous aider :
- Faites apparaître votre écriture assistée par l'IA à l'image de l'homme.
- By-pass tous les principaux outils de détection de l'IA en un seul clic.
- Utilisation AI en toute sécurité et en toute confiance à l'école et au travail.
Incohérences visuelles
Comme indiqué précédemment, les modèles de génération d'images fonctionnent en prédisant des motifs visuels statistiquement probables, sur la base des relations qu'ils ont apprises à partir de leurs données d'entraînement.
Comme elles estiment à quoi une image devrait ressembler plutôt que de capturer directement des scènes réelles à l'aide d'un appareil photo physique, elles peuvent parfois produire des détails visuels qui ne correspondent pas aux objets, à l'anatomie, à l'éclairage et aux lois de la physique du monde réel.
Parmi ces irrégularités visuelles, on peut citer :
- Artéfacts anatomiques : Des doigts en trop ou manquants, des mains déformées, des traits du visage inhabituels, des yeux asymétriques ou des proportions corporelles anormales.
- Anomalies liées au texte et à la typographie : Caractères illisibles, mots mal orthographiés, lettrage irrégulier ou texte déformé sur des panneaux, des étiquettes et d'autres objets.
- Artéfacts liés aux objets et à la géométrie : Objets déformés, pièces en double ou manquantes, objets fusionnés, formes incohérentes ou structures physiquement invraisemblables.
- Artéfacts de texture : Motifs anormaux ou incohérents sur la peau, les cheveux, la fourrure, les tissus, les surfaces ou d’autres matériaux.
- Artéfacts liés à la lumière et aux ombres : Les ombres, les zones claires ou les éclairages qui semblent incompatibles avec les sources de lumière visibles ou les objets environnants.
- Artéfacts d'arrière-plan : Des bâtiments, des paysages, des personnes ou d'autres éléments d'arrière-plan déformés, dont les formes ou les détails ne sont pas cohérents.
- Artéfacts de réflexion : Les reflets dans les miroirs, le verre, l'eau ou d'autres surfaces réfléchissantes qui ne correspondent pas fidèlement aux objets ou à la scène qu'ils reflètent.
Modèles statistiques au niveau du pixel
Étant donné que les générateurs d'images utilisent des processus mathématiques pour produire leurs résultats, les images générées par l'IA peuvent présenter des relations statistiques entre pixels voisins qui diffèrent de celles observées dans les photographies prises par des capteurs d'appareils photo physiques. Ces incohérences se manifestent dans la répartition des pixels, le bruit local et les corrélations entre pixels proches.
Modèles dans le domaine fréquentiel
Les processus mathématiques utilisés par les générateurs d'images peuvent produire des motifs dans la répartition des fréquences spatiales qui diffèrent de ceux que l'on observe dans les photographies naturelles. Ces irrégularités peuvent se manifester au niveau des détails fins, des textures, ainsi que des variations importantes de couleur et de structure.
Anomalies dans les métadonnées
Les fichiers image contiennent généralement des métadonnées qui renseignent sur l'appareil, le logiciel, le processus de création ou l'historique des modifications. Cependant, les générateurs d'images peuvent ajouter, modifier ou supprimer ces informations lors de la génération, de l'édition ou de l'exportation.
Informations sur la provenance
Certains outils de création et de retouche d'images permettent d'associer à une image des informations de provenance vérifiables par des moyens cryptographiques. Des normes telles que les « Content Credentials » (C2PA) permettent d'enregistrer des informations concernant l'origine d'un fichier et les modifications qui y ont été apportées par la suite.
Peut-on repérer manuellement les artefacts générés par l'IA ?
La détection manuelle est possible, mais elle devient plus difficile à mesure que les générateurs d'images évoluent. Alors que de nombreux outils laissent encore des artefacts visuels évidents, les modèles les plus récents sont capables de créer des images d'aspect réaliste, dépourvues de signes révélateurs manifestes. Cela signifie que les contrôles visuels peuvent s'avérer peu fiables s'ils sont utilisés isolément.
D'autres indices, tels que les motifs au niveau des pixels ou dans le domaine fréquentiel, sont plus difficiles à détecter sans expertise technique. Contrairement aux artefacts visuels évidents, ces motifs nécessitent généralement une comparaison statistique avec des images réelles connues et des images générées par l'IA afin de déterminer s'ils constituent des preuves significatives d'une génération par l'IA.
Il est possible de procéder à une analyse manuelle des métadonnées et des informations de provenance, bien que dans une mesure limitée. Vous pouvez examiner les métadonnées disponibles pour obtenir des détails sur l'appareil, le logiciel, les horodatages et l'historique des modifications, tandis que des outils de provenance compatibles permettent de vérifier des informations telles que l'origine d'une image et son historique de modifications.
Toutefois, ces signaux peuvent être absents, supprimés ou modifiés au cours du traitement normal de l'image ; ils ne doivent donc pas être considérés comme une preuve suffisante à elle seule de la génération par IA.
Pour une analyse plus fiable, associez l'examen manuel à la détection d'images par IA. Les détecteurs d'images permettent de vérifier si une image est réel ou généré par l'IA en analysant simultanément plusieurs signaux, notamment les caractéristiques visuelles, les statistiques au niveau des pixels, les motifs dans le domaine fréquentiel, ainsi que les métadonnées ou les informations de provenance disponibles.
Comment fonctionne la détection d'images par IA ?
Les détecteurs d'images basés sur l'IA combinent des modèles de vision par ordinateur, des analyses statistiques et des techniques de traitement du signal afin d'analyser les images à la recherche d'artefacts et d'autres motifs qui diffèrent de ceux des images capturées par un appareil photo.
Ils évaluent toutes les couches d'un artefact, notamment les incohérences visuelles, les motifs de pixels, les caractéristiques dans le domaine fréquentiel, les métadonnées et les informations de provenance, en combinant plusieurs signaux pour calculer la probabilité qu'une image provienne d'une IA ou ait été modifiée par celle-ci.
Comment détecter les artefacts d'images générées par l'IA à l'aide d'un détecteur d'IA
Avec un détecteur d’images basé sur l’IA adapté, repérer les artefacts liés à l’IA est un jeu d’enfant. Certains outils fournissent un raisonnement détaillé qui répertorie les signaux ayant contribué à la note ou au verdict. À titre d’illustration, nous allons effectuer une analyse d’image à l’aide de TruthScan, le détecteur d'images qui est au cœur d'Undetectable AI.
Téléverser l'image
La première étape consiste à importer une image dans le logiciel de détection. Nous avons choisi un selfie généré par ChatGPT ne présentant aucun indice visuel évident.
Cependant, lorsque nous l'avons soumise au détecteur, les résultats ont indiqué que l'image avait une probabilité de 97% d'avoir été générée par une IA.
Lire l'analyse détaillée
Certains détecteurs d'IA fournissent des explications détaillées sur les notes qu'ils attribuent. TruthScan dispose d'une section intitulée « Analyse détaillée par l'IA », qui comprend une carte thermique, un raisonnement détaillé et une liste des indicateurs clés ayant contribué au verdict.
C'est dans la section « Indicateurs clés » que vous trouverez les artefacts d'IA.
Comme indiqué ci-dessus, le principal indice était la présence d’un filigrane « SYNTHID », qui indique que l’image provenait d’OpenAI GPT-Image-2. Les autres indices étaient des artefacts visuels difficiles à repérer à l’œil nu, tels qu’une symétrie trop parfaite, un éclairage artificiel et des textures peu naturelles.
Questions fréquemment posées
Quels sont les exemples d'artefacts liés à l'IA ?
Les artefacts liés à l'IA comprennent des incohérences visuelles telles qu'une anatomie déformée, du texte illisible, des objets déformés, des textures peu naturelles, un éclairage incohérent et des reflets incorrects. Les images générées par l'IA peuvent également présenter des caractéristiques statistiques ou techniques moins visibles au niveau de leurs motifs de pixels, de leurs caractéristiques de fréquence, de leurs métadonnées ou de leurs informations de provenance.
Quelles sont les causes des artefacts liés à l'IA ?
Les artefacts liés à l'IA peuvent apparaître car les modèles d'IA générative estiment des motifs visuels à partir des relations apprises lors de l'entraînement, un processus qui peut parfois entraîner des incohérences au niveau de l'anatomie, de la géométrie, des textures, de l'éclairage et d'autres détails visuels. Cela peut également donner lieu à des caractéristiques statistiques différentes de celles observées dans les images capturées par un appareil photo.
Comment repérer les artefacts liés à l'IA ?
Commencez par examiner l'image afin de repérer d'éventuelles incohérences au niveau de l'anatomie, du texte, des objets, des textures, de l'éclairage, des reflets et de la perspective. Vous pouvez également consulter les métadonnées et les informations de provenance disponibles. Si aucune n'est visible, vous pouvez soumettre l'image à un détecteur d'IA qui fournit une analyse détaillée.
Est-il possible de supprimer les artefacts générés par l'IA d'une image ?
Oui, les outils de retouche d'images et ceux basés sur l'IA peuvent corriger certains artefacts visibles, tels que des mains déformées, du texte ou des détails d'objets. Cependant, la suppression des artefacts visibles n'élimine pas nécessairement les caractéristiques statistiques ou techniques associées à la génération par IA. La retouche peut également introduire de nouveaux artefacts ou modifier les métadonnées et les informations de provenance de l'image.
Réflexions finales
Si les progrès de l'intelligence artificielle ont permis de rendre les images synthétiques plus réalistes, le processus de génération engendre toutefois des irrégularités qui distinguent ces images de celles prises par un appareil photo. Les logiciels de détection basés sur l'IA sont capables d'analyser les images en profondeur afin de mettre au jour ces irrégularités invisibles à l'œil nu.
Si vous avez besoin d'une détection de base de l'IA, pensez à la version gratuite d'Undetectable AI outil de détection d'images. Grâce à la technologie TruthScan, cet outil est capable d'analyser une image afin d'y détecter des indices associés à la génération par IA et de fournir un score de détection qui vous aide à évaluer la probabilité qu'il s'agisse d'un contenu généré par l'IA.