Comment savoir si une image est générée par IA ?

1. Les mains. Comptez les doigts, observez les articulations et la façon dont la main tient un objet. Les erreurs se cachent surtout dans les mains croisées ou serrées sur quelque chose.
2. Le visage de près. Des pupilles de tailles différentes, des reflets qui changent d’un œil à l’autre, des dents soudées en une seule bande, des boucles d’oreilles dépareillées.
3. Une peau de cire. Pas un pore, pas une imperfection, un éclat lisse et uniforme : on croirait une retouche poussée à l’extrême.
4. Les cheveux et les contours. Des mèches qui se dissolvent dans le fond, des lunettes qui se fondent dans le visage, des bords étrangement flous.
5. Le texte. Enseignes, étiquettes, plaques d’immatriculation, dos de livres : des lettres plausibles qui ne forment aucun mot restent un indice solide, même si les modèles récents écrivent beaucoup mieux.
6. Les lignes droites. Suivez une rambarde, un rebord de fenêtre ou un tuyau qui passe derrière une personne : dans une image IA, la ligne ne se raccorde souvent pas de l’autre côté.
7. La lumière et les ombres. Des ombres orientées dans plusieurs directions, ou un visage éclairé autrement que le décor derrière lui.
8. Les reflets et les motifs. Un reflet dans un miroir ou une vitre qui ne correspond pas à l’objet, une foule ou un carrelage où le même motif revient à l’identique.
9. Le rendu trop parfait. Couleurs saturées, netteté égale d’un bord à l’autre, cadrage de carte postale : une scène idéale mais générique, sans les petits accidents de la vraie vie.
10. Le contexte. Qui l’a publiée en premier, et quand ? Une image « exclusive » sans source, sans auteur et sans autre photo de la même scène appelle la méfiance.

Les générateurs de 2026, comme Nano Banana, GPT Image 2 ou Flux 2, ont réglé la plupart des problèmes d’anatomie : les mains sont souvent justes et le texte lisible. Aucun de ces signes ne suffit seul ; c’est leur accumulation qui pèse.

Une photo prise avec un téléphone ou un appareil photo enregistre en général des données EXIF : marque, modèle, objectif, réglages de prise de vue. À l’inverse, un fichier dont les métadonnées citent le nom d’un générateur fournit un indice très fort.

Les Content Credentials (norme C2PA) vont plus loin. Ce registre signé est ajouté par OpenAI aux images de ChatGPT, par Adobe Firefly, par Google et par certains appareils photo récents ; il indique quel outil a produit l’image et ne peut pas être réécrit en douce sans briser la signature. Google y ajoute SynthID, un filigrane invisible que seuls ses propres outils savent lire. Le lecteur gratuit de la page filigrane IA affiche les Content Credentials d’une image.

Un fichier vide de toute donnée ne prouve rien, puisque les réseaux sociaux et les captures d’écran effacent tout. Et comme on peut modifier des métadonnées, elles servent d’indice, pas de preuve.

Une recherche d’image inversée sur Google Lens, Bing, TinEye ou Yandex montre où l’image a déjà circulé. Si elle apparaît des années avant l’événement qu’elle prétend illustrer, ou sur un compte qui publie des créations IA, le doute est levé, quoi qu’en disent les pixels. Toute la marche à suivre se trouve sur la page trouver l’origine d’une photo. Et si la question porte sur le lieu, la page où a été prise cette photo ? lit la position GPS du fichier.

Quand les signes visibles s’effacent, le détecteur prend le relais en analysant l’image entière. Importez-la en haut de cette page ou sur le détecteur d’images IA : le résultat se lit comme une probabilité, avec trois issues possibles, probablement IA, probablement réelle, ou incertain.

Il reconnaît environ 85 % des images de Midjourney, DALL·E, SDXL et Flux. Une probabilité reste une probabilité, et il arrive qu’une photo authentique soit prise pour une image IA : traitez le résultat comme une vérification parmi les autres, pas comme un verdict.