Images générées par IA : quand le faux passé brouille notre perception du réel

Une scène ancienne montrant une foule, un monument disparu ou un épisode de guerre peut sembler sortir d’une archive. Avec les générateurs d’images, elle peut aussi avoir été créée en quelques instants à partir d’une consigne écrite. Cette ressemblance avec la photographie ne fait pas de l’image une preuve. Elle oblige surtout à changer de réflexe : avant de se demander si un visuel est séduisant ou réaliste, il faut demander qui l’a publié, dans quel but et avec quels éléments de vérification.

Au 1er octobre 2024, les outils de génération d’images se sont largement diffusés auprès du grand public. Midjourney, DALL-E 3 et d’autres services permettent de fabriquer des images détaillées, y compris dans des registres documentaires ou historiques. Cette évolution ouvre des possibilités de création considérables, mais elle fragilise aussi un raccourci mental ancien : l’idée qu’une photographie montrerait nécessairement une scène qui a réellement eu lieu.

Une image plausible n’est pas une archive retrouvée

Une IA générative ne fouille pas une bibliothèque pour exhum­er une photographie inconnue. Lorsqu’elle reçoit une demande, elle produit une image nouvelle en s’appuyant sur les régularités visuelles apprises pendant son entraînement : vêtements, cadrages, textures, expressions, architecture, codes du reportage ou de la peinture. Elle peut ainsi imiter de manière convaincante l’apparence d’un cliché ancien, sans avoir accès à un événement réel ni à son contexte.

C’est une distinction essentielle. Les images synthétiques peuvent faire apparaître des « traces » de l’humanité au sens où elles reflètent des motifs présents dans les corpus sur lesquels elles ont appris. Elles n’apportent pas pour autant une information historique inédite. Elles montrent ce qu’un modèle associe statistiquement à des mots comme « révolution », « village médiéval » ou « portrait des années 1940 », et non ce qui s’est effectivement passé à une date et dans un lieu donnés.

La difficulté vient de la force persuasive de l’image. Un texte inventé peut éveiller le doute plus rapidement qu’une image qui semble documenter une scène. Partagée sur un réseau social, recadrée, accompagnée d’une légende affirmative et séparée de son auteur initial, une création artificielle peut acquérir en quelques publications l’apparence d’un document d’époque.

Pourquoi le passé est particulièrement vulnérable aux faux visuels

Les périodes anciennes sont difficiles à vérifier pour le public, surtout lorsque la publication ne donne ni lieu précis, ni date, ni auteur, ni référence d’archive. Une scène fictive peut alors combler un vide visuel. Elle est d’autant plus persuasive qu’elle reprend les codes attendus d’une époque : grain photographique, vêtements supposés caractéristiques, bâtiments anciens ou visages composés selon une idée familière du passé.

Le danger n’est pas seulement qu’une personne croie à un faux isolé. La répétition de représentations trompeuses peut influer sur la mémoire collective. À force de voir une image inventée associée à un événement, certains internautes peuvent finir par la retenir comme une archive. Les débats publics, particulièrement sur des sujets historiques sensibles, risquent alors de reposer sur des illustrations sans fondement documentaire.

Il serait toutefois réducteur de faire de l’IA l’unique responsable de cette désinformation. Les fausses légendes, les photomontages et les images sorties de leur contexte existaient bien avant les générateurs. Le changement tient à l’accessibilité et à la rapidité de production : il n’est plus nécessaire de maîtriser des logiciels complexes pour produire un visuel crédible à première vue.

Comment vérifier une image avant de la partager ?

Chercher des mains mal dessinées, un regard étrange ou un texte illisible dans le décor peut parfois signaler une image générée. Mais cette méthode devient moins fiable à mesure que les outils progressent. Surtout, une image authentique peut elle aussi présenter des défauts de compression ou de qualité. La vérification ne doit donc pas se limiter à une inspection visuelle.

La méthode la plus solide consiste à examiner le parcours de l’image, plutôt qu’à traquer un indice graphique isolé.

1. Retrouver la première publication identifiable. Qui a mis l’image en ligne, à quelle date et avec quelle légende ? Un compte anonyme ou une publication sans contexte ne constitue pas une source.
2. Chercher le document original. Une recherche d’image inversée peut permettre d’identifier une diffusion antérieure, une version recadrée ou une légende différente.
3. Vérifier le fait représenté. Pour une scène historique ou d’actualité, il faut rechercher des archives, des médias fiables, des institutions compétentes ou plusieurs témoignages indépendants.
4. Examiner les informations associées. Une légende précise, le nom du photographe, le lieu, la date et les conditions de prise de vue renforcent la crédibilité, sans dispenser de contrôle.
5. Considérer les métadonnées avec prudence. Elles peuvent être absentes, supprimées lors d’un partage ou modifiées. Leur présence est utile, mais leur absence ne prouve pas qu’une image a été générée par IA.

La bonne question n’est donc pas seulement « cette image a-t-elle l’air vraie ? », mais « quelles preuves indépendantes permettent de l’établir ? ». Ce raisonnement vaut pour les images créées par IA comme pour tout contenu visuel circulant en ligne.

Ce que l’IA change pour le photojournalisme

Le photojournalisme repose sur une chaîne de confiance : un professionnel identifie une scène, la photographie, documente son contexte, puis une rédaction applique ses règles de vérification, de légende et de publication. L’arrivée d’images synthétiques n’annule pas cette méthode. Elle rend en revanche son explicitation plus importante pour les médias et pour leurs lecteurs.

Une rédaction peut utiliser une illustration générée pour accompagner une analyse, à condition que son caractère artificiel soit clairement signalé et qu’elle ne soit pas présentée comme un reportage. En revanche, employer une scène créée de toutes pièces pour montrer un fait réel brouillerait la frontière entre information et fiction. Cette confusion peut alimenter une méfiance générale envers les photographes, y compris lorsque leur travail est authentique et rigoureusement sourcé.

Pour les photojournalistes, l’enjeu est aussi professionnel. Leur valeur ne repose pas seulement sur le résultat visuel, mais sur leur capacité à témoigner, à expliquer les conditions de production de l’image et à engager leur responsabilité. Dans un environnement saturé de contenus synthétiques, cette traçabilité devient un élément central de la crédibilité.

Droits d’auteur et stéréotypes : des questions qui ne disparaissent pas

La facilité de création ne résout pas la question de la paternité. Au 1er octobre 2024, les règles applicables aux œuvres issues de l’IA restent complexes et évolutives. La protection par le droit d’auteur dépend notamment de l’existence d’apports créatifs humains identifiables. Il n’existe pas de réponse simple et universelle à la question : « Qui possède une image générée par une machine ? »

Deux enjeux se superposent. Le premier concerne les images utilisées pour entraîner les modèles et les droits éventuels des artistes, photographes ou titulaires de droits. Le second concerne le statut de l’image produite, qui dépend des conditions d’utilisation du service et de la part effective de choix créatifs humains. Pour les professionnels, conserver les consignes, les versions intermédiaires et les éléments de travail peut contribuer à documenter cette contribution.

Les générateurs peuvent aussi reproduire ou renforcer des stéréotypes. Un modèle apprend à partir de données qui reflètent des représentations sociales existantes, avec leurs déséquilibres et leurs préjugés. Une demande apparemment neutre peut alors conduire à associer certains métiers, certains traits physiques ou certaines situations à des catégories de personnes de façon simplificatrice ou discriminante.

Ces biais ne sont pas de simples défauts esthétiques. Ils influencent les imaginaires, la publicité, l’illustration, l’éducation et, plus largement, la façon dont des groupes humains sont représentés. D’où la nécessité de règles de conception, d’évaluations des modèles et d’une vigilance éditoriale. Le règlement européen sur l’intelligence artificielle, l’AI Act, est entré en vigueur le 1er août 2024, avec une application progressive de ses dispositions. Il apporte un cadre important, sans régler à lui seul toutes les questions de droit d’auteur et de représentation.

Créer une image et vérifier un fait sont deux tâches différentes

Des acteurs comme OpenAI ont développé des outils de génération tels que DALL-E 3, ainsi que des modèles capables d’analyser des images comme GPT-4 Vision. Ces technologies peuvent faciliter la création ou aider à décrire le contenu d’un visuel. Elles ne doivent pas être confondues avec une autorité chargée d’établir la vérité d’une image.

Un système de vision peut reconnaître des objets, relever des incohérences apparentes ou formuler une description. Il ne possède pas pour autant l’accès garanti au moment de la prise de vue, à l’identité du photographe, à la localisation ou aux archives nécessaires pour authentifier un document. Lui demander si une image est « vraie » revient souvent à demander une estimation, non une preuve.

Des standards de provenance tentent de mieux conserver l’historique d’un fichier et les informations de création. Leur développement est prometteur, mais leur efficacité dépendra de leur adoption par les outils, les plateformes, les médias et les utilisateurs. Un marquage peut aider à établir l’origine d’un contenu lorsqu’il est préservé, sans empêcher à lui seul les copies, les captures d’écran ou les manipulations.

L’exemple de SocialAI, présenté comme un réseau social sans utilisateurs humains, pousse enfin la réflexion au-delà de la seule image. Si les interfaces peuvent produire en continu des contenus, des réactions ou des conversations artificielles, la question devient celle de la place réservée aux relations et aux témoignages humains authentiques dans l’espace numérique.

Ce qu’il faut surveiller

La réponse au brouillage entre photographie et image synthétique ne consiste pas à soupçonner systématiquement tous les visuels. Elle consiste à ajuster son niveau de confiance à la qualité des preuves disponibles. Une image de divertissement clairement étiquetée n’appelle pas le même degré de contrôle qu’un prétendu cliché de guerre, une archive historique ou un document présenté comme une preuve.

L’éducation aux médias devra intégrer cette nouvelle réalité : comprendre le fonctionnement général des générateurs, apprendre à remonter à la source, distinguer illustration et document, et accepter qu’un visuel impressionnant ne suffise pas à établir un fait. Les plateformes, les développeurs, les artistes, les journalistes et les pouvoirs publics ont chacun une responsabilité dans cette chaîne.

À mesure que les images artificielles deviendront plus réalistes, la compétence décisive ne sera pas de deviner intuitivement si une image vient d’une IA. Ce sera de savoir exiger du contexte, de la transparence et des éléments vérifiables avant de la transformer en information.