Détecter une image IA : Apple certifie la prise de vue, le marquage reste inégal

Le 9 septembre 2026, Apple a présenté l'iPhone 18 Pro et, avec lui, Apple Reference Image : une fonction qui permet de prouver qu'une photo n'a pas été retouchée depuis la prise de vue, grâce à un capteur qui « signe chaque pixel » qu'il capture (Apple, septembre 2026 (nouvel onglet)). L'annonce tombe un mois après l'entrée en vigueur, le 2 août, des obligations de transparence du règlement européen sur l'intelligence artificielle (AI Act), dont Localtis dresse un premier bilan sans appel : chaque fournisseur marque ses contenus à sa façon et « l'outil universel pour détecter les contenus IA fait encore défaut » (Banque des Territoires, septembre 2026 (nouvel onglet)). Pour une entreprise B2B qui reçoit des visuels, en publie chaque semaine et engage son nom sur chacun, la question est double : comment repérer une image générée, et comment prouver que les siennes sont vraies ?

Détecter une image IA : pourquoi la question change de nature

Pendant longtemps, on a cherché les défauts : une main à six doigts, une inscription illisible sur une enseigne, un reflet impossible. Les générateurs d'images IA (Midjourney, DALL·E, Stable Diffusion, Gemini et les autres) ont largement corrigé ces erreurs grossières, et les images générées par IA ressemblent désormais à des photos ordinaires. L'œil ne suffit plus.

Deux logiques se partagent donc le terrain. La première consiste à analyser le fichier après coup : un détecteur d'images IA cherche dans les images générées par IA des signaux laissés par la génération, un filigrane ou des métadonnées. La seconde consiste à prouver l'origine à la source, au moment de la prise de vue. L'annonce d'Apple illustre très bien ce basculement.

Apple Reference Image : la preuve se fabrique à la prise de vue

Comment fonctionne l'image de référence

Selon Apple, quand une photo est prise dans le nouveau mode Référence, la caméra capture des données de capteur signées, que Private Cloud Compute développe en une image de référence inaltérable. Dans l'app Photos, cette image s'affiche à côté de la photo, « comme un négatif numérique », pour comparer les deux et voir si des retouches ont été faites. La fonction est facultative, réservée aux iPhone 18 Pro et iPhone 18 Pro Max, et Apple ouvre des API pour que des applications tierces puissent afficher ces images de référence (MacRumors, septembre 2026 (nouvel onglet)).

Apple inscrit cette nouveauté dans un ensemble plus large : les métadonnées existantes et la prise en charge à venir de SynthID, le filigrane qui identifie une image générée ou modifiée par l'IA. D'après MacRumors, SynthID arrivera par une mise à jour logicielle plus tard dans l'année et sera inclus dans la plupart des images retouchées, selon les modifications appliquées.

Pas de capture au lancement dans l'UE

Détail qui compte en France : dans l'Union européenne, la capture d'images de référence ne sera pas disponible au lancement sur les iPhone 18 Pro. En Chine, la fonction ne sera pas lancée du tout, en raison d'exigences réglementaires. Dans l'UE, il restera possible de développer et de consulter des images de référence sur les systèmes compatibles. Autrement dit, la preuve à la source existe, mais elle n'est pas encore entre les mains de vos équipes.

Un mois après le 2 août, un marquage inégal selon les fournisseurs

Depuis le 2 août 2026, l'article 50 de l'AI Act impose que les images, sons ou vidéos générés ou modifiés avec une IA soient étiquetés, et que les contenus écrits portent une marque lisible par machine (nous détaillons ces règles dans notre article sur l'étiquetage des contenus IA). Localtis a regardé ce que font les principaux fournisseurs :

• Google appose son filigrane SynthID par défaut sur le texte, l'image, l'audio et la vidéo ;
• OpenAI marque ses images et ses fichiers audio, mais pas encore le texte ;
• Anthropic fait partie des rares acteurs à avoir déployé un filigrane de texte, intégré au niveau du modèle ;
• Meta marque uniquement les images et les vidéos ;
• Mistral a signé le code de bonnes pratiques mais travaille encore à la mise en œuvre des mesures.

Ce code de la Commission européenne sur la transparence des contenus générés par l'IA compte environ 180 signataires. Mais plusieurs systèmes de marquage et plusieurs outils de détection maison cohabitent, et aucun ne sait détecter le contenu généré par tous les modèles.

Pour les médias générés, la conséquence est simple : une image sans marque visible n'est pas pour autant une image authentique. Elle peut venir d'un modèle qui ne marque pas, ou avoir perdu sa marque en route.

Filigranes invisibles et métadonnées

Les deux techniques ne résistent pas de la même façon. Les métadonnées de provenance au standard C2PA décrivent l'origine d'un fichier, mais, comme toute métadonnée, elles peuvent être altérées ou supprimées ; le filigrane SynthID est conçu pour être plus résistant, car le signal peut rester dans l'image même après une capture d'écran ou une manipulation (PetaPixel, mai 2026 (nouvel onglet)). En mai, OpenAI a ajouté les deux à ses images produites par ChatGPT, Codex et son API.

Des vérificateurs maison, pas d'outil universel

Chaque acteur propose son propre vérificateur d'images IA. OpenAI a lancé un site public, « Verify », où chacun peut téléverser une image pour savoir si elle a été créée avec la technologie d'OpenAI ; selon PetaPixel, des erreurs peuvent arriver, « mais elles sont rares ». Google permet de demander dans l'application Gemini si une image a été créée avec l'IA de Google : Gemini cherche le filigrane SynthID et répond avec du contexte. Google indique que plus de 20 milliards de contenus générés par IA ont été marqués avec SynthID, et prévoit d'étendre la vérification aux Content Credentials C2PA de contenus créés hors de son écosystème (Google, novembre 2025 (nouvel onglet)). Chaque vérificateur répond donc à une question étroite : « cette image vient-elle de chez nous ? ».

Détecteur d'images IA : ce qu'il faut en attendre

Pas de détection de haute précision universelle

Les détecteurs qui promettent de reconnaître n'importe quelle image IA en quelques secondes fonctionnent autrement : ils utilisent l'IA pour analyser des motifs visuels, avec des modèles d'apprentissage entraînés sur des photos réelles et des images générées par IA et à l'affût des signaux présents dans les images. Leur résultat est une probabilité, pas une preuve. Une image recompressée, recadrée ou passée par plusieurs plateformes en ligne brouille les signaux, et un générateur récent peut échapper à un modèle entraîné sur des images plus anciennes. Un score de confiance élevé mérite d'être recoupé ; un score faible ne prouve pas qu'une photo est authentique. Vérifiez aussi pour quels types d'images le détecteur a été conçu : identifier les illustrations ou les œuvres d'art générées n'est pas la même tâche que repérer un portrait photoréaliste.

Les indices visuels, un dernier recours

Examiner les détails reste utile pour se forger un doute : mains, dents et oreilles, inscriptions et logos en arrière-plan, bijoux asymétriques, ombres qui ne suivent pas la lumière, décors trop lisses. Mais ces indices servent surtout à décider s'il faut creuser, pas à trancher : une manipulation par IA soignée peut n'en laisser aucun.

Usurpation d'identité, fraude, e-commerce : où les organisations sont exposées

La détection d'images IA n'est pas qu'un sujet de journalistes. Au quotidien, les risques se concentrent sur quelques situations très concrètes :

• L'usurpation d'identité : faux profils de dirigeants ou de recruteurs sur les réseaux sociaux, photos de profil générées, deepfakes et échanges de visages en visioconférence ou dans des vidéos de recrutement ;
• La fraude documentaire : fausses factures, preuves de paiement retouchées, justificatifs de livraison ou de sinistre fabriqués ;
• Le e-commerce et les places de marché : images de produits trompeuses, avis illustrés par des photos inventées ;
• La propagation de fausses informations sur votre marque, avec un contenu visuel crédible attribué à votre compte, repris sur des sites web, ou des deepfakes de vos porte-parole.

Pour les organisations, le bon réflexe est moins de trouver le meilleur détecteur que de prévoir un flux de travail : qui vérifie, avec quoi, et qui décide quand le doute persiste. L'objectif est de prendre des décisions éclairées, pas d'obtenir un verdict automatique. Les preuves de paiement et les factures reçues en image, par exemple, se vérifient d'abord à la source, auprès de la banque ou du fournisseur.

Comment détecter une image IA, étape par étape

1. Récupérer le fichier d'origine, pas une capture d'écran ni une version compressée par une messagerie : c'est lui qui porte les marques de provenance et le filigrane.
2. Lire les Content Credentials avec un lecteur compatible C2PA, qui indique si l'image déclare une génération ou une retouche par IA.
3. Passer les vérificateurs des fournisseurs : les médias générés par Google ou OpenAI portent leurs marques, que lisent Gemini (pour SynthID) et le site Verify d'OpenAI. Chacun ne reconnaît que les images générées par l'IA de sa propre maison.
4. Utiliser un détecteur d'images IA généraliste pour détecter les images suspectes, comme un indice parmi d'autres : consultez le résultat avec prudence, et lisez les conditions d'utilisation avant d'y déposer un visuel confidentiel.
5. Chercher l'image à l'envers (recherche inversée) pour trouver une version plus ancienne ou le contexte d'origine.
6. Remonter à la personne : demander la source, l'appareil, les autres photos de la série. Une vraie prise de vue laisse rarement une image seule.

Pour vérifier l'authenticité de vos propres images avant publication, le même réflexe vaut : gardez les originaux, et sachez dire d'où vient chaque fichier.

Prouver l'origine de ses propres contenus

La leçon de ce mois de septembre est simple : plus la manipulation par IA devient facile, plus la confiance repose sur la preuve d'origine plutôt que sur la détection. Apple le fait au niveau du capteur. Une marque peut le faire avec des moyens bien plus simples : des personnes identifiées, filmées dans un lieu réel, dont les rushes sont conservés (voir comment archiver les rushes de vos podcasts) et dont le droit à l'image est cadré (voir RGPD et droit à l'image en podcast). C'est aussi ce qui distingue une voix et un visage réels d'un contenu généré, comme nous l'expliquons dans pourquoi la voix et le visage sont vos seuls remparts contre l'IA générique.

Une captation réelle, des fichiers qui existent

Chez Firm-A, chaque capsule vient d'un tournage réel, avec des intervenants identifiés et des fichiers de tournage qui existent. En Découverte et en Visibilité, tournées au studio de Montreuil, le client valide chaque capsule avant diffusion, l'épisode long est publié sur YouTube dès sa validation et les capsules sortent une par jour sur les 8 réseaux Firm-A, en mentionnant ses comptes ; le client reçoit une alerte à chaque publication et ses métriques en fin de mois. En Corporate, le tournage a lieu chez le client, qui reçoit les contenus à sa charte pour ses propres canaux. C'est la preuve d'origine la plus simple qui soit : on peut toujours montrer d'où vient l'image. Pour en parler, écrivez-nous.

Questions fréquemment posées

Un détecteur d'images IA gratuit est-il fiable ?

Un détecteur de photos IA gratuit donne une probabilité utile pour trier les images générées par IA des autres, pas une preuve. Croisez toujours son résultat avec les Content Credentials, les vérificateurs des fournisseurs et la source de l'image.

Une capture d'écran efface-t-elle les marques d'IA ?

Elle peut supprimer les métadonnées C2PA, qui accompagnent le fichier sans faire partie de l'image elle-même. Un filigrane comme SynthID est conçu pour mieux résister, mais seuls les vérificateurs qui le lisent peuvent le repérer.

Quels formats sont pris en charge par les vérificateurs ?

Avant d'utiliser le détecteur, vérifiez qu'il prend en charge les formats de vos images (JPEG, PNG et WebP sont les plus courants sur le web). Surtout, téléversez l'image telle que vous l'avez reçue : une version recompressée ou recadrée a souvent perdu ses informations de provenance.