Les deux versions sont alignées bloc par bloc, dans l’ordre du texte : titre, l’essentiel, puis paragraphe par paragraphe. Quand la traduction a fusionné ou scindé un paragraphe, la case correspondante reste vide — on ne rapproche jamais deux passages au jugé.
Look at a polished face on a screen and the instinct can misfire: AI-generated faces—at least those of white people, the study says—can seem more human than real ones. At the University of Southampton, researchers tested DISCERN-AI, a 15- to 20-minute training session that moved participants from below-chance performance to above-chance performance.
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.
That matters because synthetic faces are freely available online and already appear in romance scams, election interference, cyberbullying and espionage. A recent study found more than 7,000 accounts on X, formerly Twitter, using fake AI profile pictures to post spam. Mansi Pattni, co-lead author and a postgraduate researcher at Southampton, says people were more likely to select a hyperrealistic fake than a real face.
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 does not ask trainees to memorize a single tell. Its first section reverses instincts: proportionate, familiar faces can be clues that an image was generated by AI, while a memorable face can signal authenticity. The second highlights polished, high-quality images as more likely to be AI and distinctive, quirky images as more likely to be real. The final section tells trainees to set aside smooth skin and smiling, which the researchers say are not useful signals.
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.
More than 600 participants were tested before and after training, against an untrained group, and in a surprise follow-up 20 days later. Tina Seabrooke, co-lead author of the paper, says the gains were not just greater skepticism: hit rates rose and false alarms fell, with the training also performing well compared with other misinformation treatments, such as spotting fake news. Computer models trained on the same cues achieved 94% accuracy, higher than the trainees.
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.
So, concretely, a short lesson could give people a better first filter for profile pictures used in scams, election interference or cyberbullying, without relying on a vague feeling that a face looks strange. The immediate beneficiaries would be people making quick judgments online, but the ceiling is still visible: machines using the same cues did better, and the Southampton team only says it plans to make the training accessible online in the near future. The study points to a practical human skill, not human-level detection.
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.