Comment les experts distinguent la vérité des deepfakes à l’ère des guerres de l’information

Lorsque samedi dernier les États-Unis et Israël ont lancé une frappe militaire conjointe contre l'Iran, internet a réagi instantáneamente — mais pas tout à fait comme on aurait pu s'y attendre. Au lieu de reportages fiables en provenance des lieux des événements, les réseaux sociaux ont été inondés d'un flot d'images et de vidéos qui prétendaient documenter ce qui se passait. Le problème est qu'une part importante de ces matériaux s'est avérée être des contrefaçons : des images obsolètes d'autres conflits, des images générées ou traitées à l'aide de l'intelligence artificielle, et même des captures d'écran du simulateur militaire War Thunder présentées comme de véritables opérations de combat.

Cette situation a clairement démontré l'ampleur du problème auquel l'humanité est confrontée à l'ère de l'IA générative. Les technologies de création de faux réalistes sont devenues tellement accessibles et sophistiquées qu'un spectateur même préparé ne peut pas toujours distinguir une image authentique d'une image synthétique. Les deepfakes ont cessé d'être des produits exotiques des laboratoires — ils sont devenus un outil quotidien de désinformation, particulièrement dangereux lors de moments de crises géopolitiques, quand les émotions montent en flèche et la pensée critique passe au second plan.

Face à ce chaos informationnel, le travail des enquêteurs numériques professionnels acquiert une valeur particulière. Des organisations comme The New York Times, le groupe néerlandais Indicator et le célèbre Bellingcat ont mis en place des procédures multiétagées de vérification des contenus qui leur permettent d'éviter de publier des matériaux synthétiques ou trompeurs. Leur méthodologie comprend tout un arsenal d'outils et d'approches : de la recherche d'images inversée et l'analyse des métadonnées à la comparaison des ombres sur les photographies avec les données astronómiques sur la position du soleil à un lieu donné à un moment donné.

Cependant, l'élément le plus important de cette histoire est que les techniques de vérification de base sont accessibles non seulement aux journalistes ayant des années d'expérience. Les experts soulignent que les utilisateurs ordinaires peuvent réduire considérablement le risque de diffuser de la désinformation s'ils adoptent quelques règles simples. D'abord et avant tout — ne pas partager de contenu au moment d'une excitation émotionnelle.

Une pause de quelques minutes entre la visualisation d'une image choquante et le clic sur le bouton « partager » peut empêcher la propagation virale d'une fausse information. Ensuite — vérifier la source. Si une image apparait sans attribution à un auteur spécifique, une publication ou une agence de presse, c'est une raison sérieuse de douter.

Enfin — utiliser les outils techniques disponibles, tels que Google Reverse Image Search ou TinEye, qui permettent de vérifier si ce photogramme a été publié auparavant dans un contexte différent.

La situation est compliquée par le fait que les modèles génératifs s'améliorent chaque mois. Si il y a deux ans les images générées par l'IA pouvaient être reconnues par des artefacts caractéristiques — six doigts aux mains, texte flou, textures non naturelles — les systèmes modernes de génération en sont pratiquement exempts. Cela crée une course aux armements entre les créateurs de deepfakes et ceux qui les exposent. Les grandes entreprises technologiques investissent dans des systèmes d'étiquetage des contenus générés par l'IA, tels que Content Credentials et C2PA, mais leur mise en œuvre progresse plus lentement que souhaité, et les acteurs malveillants ont appris à supprimer les filigranes numériques.

Pour la Russie, ce problème a une signification particulière. L'espace informatique russophone a été traditionnellement vulnérable à la désinformation en raison d'un haut niveau de confiance dans le contenu visuel et d'une culture relativement basse de vérification des faits parmi le public de masse. En même temps, il existe très peu d'équivalents russophones de Bellingcat travaillant avec des méthodologies ouvertes de vérification. Cela signifie que la responsabilité du filtrage des contenus repose largement sur les utilisateurs eux-mêmes.

La conclusion qui se dégage de tout cela est à la fois simple et alarmante. Nous sommes entrés dans une ère où les compétences en littératie numérique ne sont plus optionnelles. La capacité à évaluer de manière critique le contenu visuel n'est plus une compétence professionnelle d'un journaliste, mais une compétence de base pour survivre dans l'environnement informatique. Et tant que les technologies de détection resteront à la traîne des technologies de génération, le principal filtre entre la vérité et le mensonge reste le scepticisme humain — cette même voix intérieure qui dit « attends, est-ce que c'est vraiment réel? » avant que ton doigt ne touche le bouton « partager ».