Comment savoir si une image est générée par IA : le guide complet 2026

Il y a quelques années, repérer une image IA était facile. Six doigts, texte fondu, yeux regardant dans des directions différentes. Cette époque est révolue. En 2026, les générateurs produisent des images conformes à ce qu’on attend d’une photo de téléphone ordinaire, et la vérité honnête est celle-ci : on ne peut généralement plus le savoir simplement en regardant. Quiconque prétend toujours y arriver se surestime.

Cela ne veut pas dire que vous êtes démuni. Il existe une façon fiable d’enquêter sur une image suspecte — mais c’est un processus, pas un coup d’œil. Ce guide parcourt l’échelle exacte qui fonctionne en 2026, des vérifications les plus rapides et les plus sûres jusqu’aux indices visuels de dernier recours.

Si vous ne retenez qu’une chose : allez de la provenance aux détecteurs, puis à la physique — dans cet ordre.

D’abord, comprenez à quoi vous avez affaire

Pour mettre le problème en perspective : les estimations du secteur suggèrent que plus de 500 millions d’images IA sont créées chaque jour sur les grandes plateformes en 2026. Les recherches de McAfee montrent que l’Américain moyen croise environ 2,6 deepfakes par jour sans s’en rendre compte. Une grande partie de ce que vous faites défiler n’a jamais été capturée par un appareil photo.

Le bond de qualité entre 2025 et 2026 a été brutal. Des outils qui produisaient des faux évidents égalent désormais le réalisme d’une retouche photo normale. Voilà pourquoi les vieux conseils « cherchez les défauts » échouent — ils ont été écrits pour une génération d’IA qui n’existe plus. Pour le contexte, lisez qu’est-ce qu’un deepfake.

Il nous faut donc une approche plus intelligente.

Étape 1 : Vérifiez la provenance (le signal le plus rapide et le plus fiable)

Avant d’analyser le moindre pixel, posez une question plus simple : l’image porte-t-elle une trace de son origine ?

C’est ce qu’on appelle la provenance, et c’est le signal le plus fort disponible en 2026, parce qu’il ne repose pas sur des conjectures — mais sur un enregistrement cryptographique intégré au fichier.

Content Credentials (C2PA)

La Coalition for Content Provenance and Authenticity (C2PA) a créé un standard ouvert appelé Content Credentials. De nombreux appareils photo, logiciels d’édition et générateurs d’IA attachent désormais ces métadonnées aux images. Elles peuvent indiquer si l’IA a participé à la création ou à l’édition d’une photo.

Les grands acteurs de l’IA l’ont adopté. OpenAI, par exemple, attache des Content Credentials aux images créées avec ses outils et fournit un moyen de les vérifier. Le hic — et il est important — c’est que ces métadonnées peuvent être supprimées. Une capture d’écran ou un réenregistrement fait souvent disparaître les credentials. Un résultat « aucun credential trouvé » n’innocente donc pas une image ; la piste s’est simplement refroidie.

SynthID (Google)

Google intègre un filigrane invisible appelé SynthID dans les images générées par ses modèles. Vous pouvez ouvrir l’app Gemini, téléverser une image et demander si elle a été créée avec l’IA de Google — elle vérifie le filigrane SynthID.

La même limite s’applique, et Google est honnête à ce sujet : SynthID ne signale que les contenus d’origine Google. Un résultat « pas de filigrane » n’innocente pas une image issue de Midjourney, Stable Diffusion ou de tout autre outil non-Google.

Bilan de l’étape 1 : si vous trouvez une provenance, vous avez souvent votre réponse en quelques secondes. Sinon, passez à l’étape 2 — l’absence de provenance ne prouve rien en soi.

Étape 2 : Passez-la aux outils de détection (votre deuxième ligne)

Quand la piste de provenance est vide, place aux détecteurs. Ces outils analysent les empreintes statistiques que laissent les modèles génératifs — des motifs invisibles à l’œil humain mais détectables par un modèle entraîné.

Ce qu’il faut savoir pour les utiliser intelligemment :

Ils donnent des probabilités, pas des verdicts. Les benchmarks indépendants de 2026 situent les meilleurs détecteurs autour de 85 % à 94 % de précision sur des images propres et non compressées — et nettement moins dès qu’une image a été compressée, redimensionnée ou éditée. C’est vraiment utile, mais ce n’est pas une certitude. Traitez le score comme un élément de preuve parmi d’autres.

La compression est leur faiblesse. Les réseaux sociaux compressent et nettoient agressivement les images. Une vraie photo très compressée peut tromper un détecteur — un faux bien lissé aussi. C’est la première raison pour laquelle les détecteurs divergent.

Aucun outil n’est fiable isolément. Le flux pratique de 2026 : passer l’image par plus d’un détecteur solide et regarder où ils s’accordent. L’accord est votre signal ; le désaccord signifie « non concluant », ce qui est une réponse parfaitement honnête.

C’est là qu’un outil sur l’appareil gagne sa place. La plupart des détecteurs web exigent de téléverser votre image sur le serveur d’une entreprise — un problème de confidentialité si la photo est personnelle ou sensible. Nous avons conçu Verifyco précisément pour résoudre cela : il exécute une analyse forensique multicouche entièrement sur votre iPhone, vérifie les métadonnées, les signatures de génération IA et les motifs de fréquence, puis vous donne un score de confiance avec le détail complet de ce qui a été trouvé. Rien n’est téléversé, aucun compte n’est requis, et il est honnête face à l’incertitude — si les signaux sont faibles, il répond « non concluant » plutôt que de deviner. (Plus de détails sur le flux iPhone dans notre guide pour vérifier des photos sur iPhone.)

Étape 3 : Examinez la physique (le dernier recours)

Si la provenance est vide et que les détecteurs sont partagés, il reste ce qui pose encore problème à l’IA : la cohérence physique globale. Les générateurs assemblent une image localement — région par région — et échouent souvent à réconcilier la scène entière comme le font la vraie lumière et les vrais objectifs.

Où regarder, à peu près par ordre de fiabilité :

Ombres et direction de la lumière

Suivez chaque ombre. Dans une vraie photo, toutes tombent de façon cohérente depuis la ou les sources de lumière. Les scènes IA mélangent souvent des angles d’ombre qu’aucun éclairage réel ne pourrait produire.

Reflets

Vérifiez les yeux, les lunettes, l’eau, les fenêtres et les surfaces brillantes. Le contenu réfléchi dans les images IA contredit souvent la scène réelle, ou apparaît là où il ne devrait pas.

Géométrie de l’arrière-plan

Les lignes droites sont difficiles pour l’IA. Regardez les rampes, les carrelages, les encadrements de fenêtres, la brique et les arêtes de portes. Dans les images IA, elles se courbent, fusionnent ou produisent des segments en trop là où elles devraient filer droit.

Profondeur et flou

Les objectifs réels floutent selon la distance. L’IA floute parfois « au jugé esthétique », laissant une combinaison de netteté premier plan/arrière-plan qu’aucun vrai appareil ne produirait.

Textures fines et motifs

Regardez de près les détails répétitifs — trames de tissu, visages dans une foule, feuillage, texte sur les panneaux. L’IA bute sur l’interaction subtile des motifs complexes et produit souvent, à l’inspection rapprochée, de discrètes incohérences oniriques.

Une mise en garde cruciale : ces indices deviennent plus difficiles à lire chaque mois — c’est exactement pourquoi la physique est la dernière couche et non la première. Un générateur moderne peut produire une scène qui passe toutes ces vérifications. Les passer n’est pas une preuve d’authenticité — cela signifie seulement que vous n’avez pas trouvé de défaut évident.

Le tout assemblé : le flux de travail 2026

Toute la méthode en un seul endroit :

1. La provenance d’abord. Cherchez les Content Credentials (C2PA) et, pour les images suspectées Google, SynthID via l’app Gemini. Trouvé quelque chose ? Vous avez probablement votre réponse.
2. Les détecteurs ensuite. Passez l’image par plus d’un détecteur solide. Cherchez l’accord. Une option privée sur l’appareil comme Verifyco garde votre image loin des serveurs tiers.
3. La physique en dernier. S’il faut encore trancher, scrutez ombres, reflets, géométrie, profondeur et texture — en gardant à l’esprit que réussir ces tests n’est pas une garantie.

L’état d’esprit qui vous protège n’est pas « je sais repérer les faux ». C’est « je vérifie avant de faire confiance ». Cette seule habitude vous place devant presque tous ceux qui font défiler la même image sans se poser de question. C’est une vidéo que vous vérifiez ? Voir comment repérer une vidéo deepfake.

Questions fréquentes

ChatGPT ou Gemini peuvent-ils me dire si une image est générée par IA ? Partiellement. Gemini peut vérifier le filigrane SynthID de Google, qui ne couvre que les images Google. Les chatbots généralistes peuvent commenter des incohérences visuelles, mais ce ne sont pas des détecteurs dédiés et ils ne doivent pas être votre seule vérification.

Les détecteurs d’images IA sont-ils précis ? Les meilleurs tournent autour de 85–94 % sur des images propres selon les benchmarks 2026, et moins sur des images compressées ou éditées. C’est un signal fort, pas un verdict final. Utilisez-en plusieurs et pondérez le résultat avec la provenance.

Pourquoi deux détecteurs me donnent-ils des réponses différentes ? Presque toujours à cause de la compression ou de l’édition. Les plateformes compressent et nettoient fortement les images, ce qui dégrade les empreintes statistiques dont dépendent les détecteurs. Quand les outils divergent, considérez le résultat comme non concluant.

Est-ce de l’IA s’il n’y a ni filigrane ni métadonnées ? Non — et c’est une erreur courante. Les données de provenance disparaissent facilement avec les captures d’écran et les réenregistrements. Un filigrane absent ne prouve rien en soi ; cela signifie seulement qu’il faut s’appuyer sur les détecteurs et la physique.