Introduction - De la retouche photographique aux deepfakes
Une révolution silencieuse : ce qui prenait des heures à un professionnel se fabrique en quelques secondes sur un smartphone.
Une longue histoire de la manipulation visuelle
La manipulation de l'image n'est pas une invention du XXIe siècle. Dès l'invention de la photographie au XIXe siècle, des retouches ont été pratiquées pour embellir les portraits ou effacer des personnages gênants. Le régime stalinien en a fait un instrument politique systématique : les photographies officielles étaient régulièrement modifiées pour faire disparaître les opposants politiques tombés en disgrâce, comme si leur existence même devait être effacée de la mémoire collective.
Ce qui a radicalement changé
Objectifs de la séance
Comprendre les deepfakes
Définir le fonctionnement technique des hypertrucages et leurs différentes formes.
L'IA générative
Distinguer la manipulation d'une image existante et la création d'une image ex nihilo.
Le regard critique
Repérer les indices de manipulation et mobiliser les outils de vérification OSINT.
Repère n°1 - Comprendre les deepfakes (hypertrucages)
Un duel algorithmique permanent qui produit des résultats indiscernables à l'œil humain.
Définition et fonctionnement technique
Le duel des réseaux antagonistes génératifs (GAN)
La technologie repose sur les réseaux antagonistes génératifs (Generative Adversarial Networks). Son fonctionnement peut être comparé à un duel permanent entre deux algorithmes :
Le générateur
- Crée de fausses images ou vidéos en s'inspirant d'un corpus d'images réelles.
Le discriminateur
- Tente de distinguer les faux des vrais.
Les principales formes de deepfakes
Substitution de visage
Le visage d'une personne est remplacé par celui d'une autre.
Synthèse vocale
La voix d'une personne est clonée pour lui faire dire n'importe quoi.
Face reenactment
Les expressions faciales sont manipulées pour synchroniser avec un discours différent.
Quick Quiz 1
Deepfakes, GAN et formes d'hypertrucage.
Repère n°2 - L'IA générative : quand l'image naît du néant
Au-delà des deepfakes : la création d'images entièrement nouvelles à partir d'une simple description.
I. Au-delà des deepfakes : la création ex nihilo
L'IA générative va plus loin encore : elle crée des images entièrement nouvelles à partir d'une simple description textuelle. Des outils comme Midjourney, DALL-E ou Stable Diffusion permettent à n'importe quel utilisateur de générer en quelques secondes une photographie hyperréaliste d'une scène qui n'a jamais existé.
II. Le « dividende du menteur » : quand le faux contamine le vrai
Quick Quiz 2
IA générative et dividende du menteur.
Repère n°3 - Développer un regard critique : la boîte à outils du citoyen vigilant
Même les deepfakes les plus sophistiqués laissent des traces détectables.
Les indices visuels de manipulation
Anomalies anatomiques
Doigts surnuméraires ou déformés, oreilles asymétriques, dents floues.
Incohérences d'éclairage
Ombres contradictoires, reflets incohérents entre les éléments de l'image.
Artefacts de transition
Zones floues aux contours du visage, jonctions imparfaites.
Textes illisibles
L'IA a du mal avec les caractères typographiques (panneaux, étiquettes).
Les outils de vérification (OSINT)
Recherche d'image
- Google Images, TinEye : retrouver l'origine d'une image.
Fact-checking
- AFP Factuel, Les Décodeurs, Libération CheckNews.
Quick Quiz 3
Indices de manipulation et outils OSINT.
Repère n°4 - Application méthodique : « L'ère du voir sans croire »
Un texte qui interroge la crise de la preuve visuelle à l'ère de l'intelligence artificielle.
Ce que révèle une lecture active de ce texte
Thèse identifiée
- La crise de la preuve visuelle appelle une réponse éducative, pas seulement technique ou politique.
Concepts mobilisés
- Le « ça-a-été » de Roland Barthes : la certitude perdue de l'authenticité photographique.
- Le « dividende du menteur » : le faux qui contamine la crédibilité du vrai.
Quick Quiz 4
Application méthodique sur le texte-support.
Podcast & PowerPoint animé
Réécoutez le cours ou consultez le diaporama commenté.
Ep. 1 - Flash CGE : deepfakes et IA générative en quelques minutes
GAN, dividende du menteur, indices de manipulation - l'essentiel du chapitre
Ep. 2 - Cours approfondi : les nouveaux faussaires de l'image et du son
Version complète et détaillée du cours - idéal pour la révision
Diaporama animé et commenté
Intégralité du cours en présentation PowerPoint avec animations et notes du professeur.
Synthèse Visuelle
Cliquez sur l'image pour zoomer.
Notions clés à retenir
Deepfake
Vidéo, image ou audio truqué par IA, indiscernable à l'œil nu.
GAN
Duel entre un générateur de faux et un discriminateur qui les détecte.
IA générative
Création d'images entièrement nouvelles à partir d'une description textuelle.
Dividende du menteur
Nier l'authenticité d'un document réel en le qualifiant de deepfake.
Indices de manipulation
Anomalies anatomiques, incohérences d'éclairage, artefacts, textes illisibles.
OSINT
Outils de vérification en source ouverte : recherche inversée, fact-checking.
Test Final
10 questions variées - Note sur 20 avec diagnostic personnalisé.
Conclusion
Vidéo de synthèse et rappel des points essentiels.
De la crédulité naïve à la vigilance éduquée
Points clés à retenir
- Un deepfake résulte d'un duel entre un générateur et un discriminateur (GAN)
- L'IA générative crée des images ex nihilo, sans photographie source
- Le dividende du menteur permet de nier de vrais documents en les qualifiant de faux
Réflexe méthodologique
- Ni crédulité naïve, ni scepticisme radical : privilégier la vérification outillée
- Toujours croiser plusieurs indices avant de juger une image authentique ou non
- Mobiliser les outils OSINT (recherche inversée, fact-checking) avant de partager