15 à 20 minutes d’entraînement pour repérer les visages générés par IA

Regardez un visage soigneusement retouché à l’écran et votre instinct peut vous tromper : les visages générés par IA — du moins ceux de personnes blanches, précise l’étude — peuvent sembler plus humains que les vrais. À l’Université de Southampton, des chercheurs ont testé DISCERN-AI, une session d’entraînement de 15 à 20 minutes qui a fait passer les participants d’une performance inférieure au hasard à une performance supérieure au hasard.

Cette question est importante, car les visages synthétiques sont librement disponibles en ligne et apparaissent déjà dans des arnaques sentimentales, l’ingérence électorale, le cyberharcèlement et l’espionnage. Une étude récente a recensé plus de 7 000 comptes sur X, anciennement Twitter, utilisant de fausses photos de profil générées par IA pour publier du spam. Mansi Pattni, coauteure principale et chercheuse postdoctorale à Southampton, explique que les participants étaient davantage susceptibles de choisir un faux visage hyperréaliste qu’un vrai visage.

DISCERN-AI ne demande pas aux participants de mémoriser un indice unique. Sa première partie inverse les réflexes : des visages aux proportions harmonieuses et familiers peuvent indiquer qu’une image a été générée par IA, tandis qu’un visage mémorable peut signaler son authenticité. La deuxième partie présente les images soignées et de haute qualité comme plus susceptibles d’avoir été générées par IA, et les images distinctives et atypiques comme plus susceptibles d’être réelles. La dernière partie invite les participants à faire abstraction de la peau lisse et du sourire, que les chercheurs jugent peu utiles pour faire la distinction.

Plus de 600 participants ont été testés avant et après la formation, comparés à un groupe non entraîné, puis lors d’un suivi surprise 20 jours plus tard. Tina Seabrooke, coauteure principale de l’étude, affirme que les progrès ne se résumaient pas à un scepticisme accru : le taux de bonnes détections a augmenté et celui des fausses alertes a diminué. La formation s’est également révélée performante par rapport à d’autres traitements contre la désinformation, comme le repérage des fausses informations. Des modèles informatiques entraînés avec les mêmes indices ont atteint une précision de 94 %, supérieure à celle des participants.

Concrètement, une courte leçon pourrait fournir aux internautes un meilleur premier filtre pour évaluer les photos de profil utilisées dans des arnaques, l’ingérence électorale ou le cyberharcèlement, sans s’en remettre à l’impression vague qu’un visage semble étrange. Les personnes qui prennent rapidement des décisions en ligne seraient les premières à en bénéficier, mais la limite reste visible : les machines utilisant les mêmes indices ont obtenu de meilleurs résultats, et l’équipe de Southampton indique seulement qu’elle prévoit de rendre la formation accessible en ligne dans un avenir proche. L’étude met en avant une compétence humaine utile en pratique, et non une capacité de détection équivalente à celle des machines.