Marqueurs invisibles et métadonnées de provenance : ce qui survit vraiment au retrait de la mention

La question revient à chaque nouvelle annonce sur le marquage des contenus générés : que reste-t-il dans un fichier une fois la mention visible enlevée ? Le sujet est devenu concret depuis que Google autorise le retrait du filigrane visible sur les contenus produits avec Gemini et Flow, tout en conservant les marqueurs invisibles SynthID et les métadonnées C2PA, rapporte Vesper.

Répondre suppose de distinguer des objets techniques que le vocabulaire courant confond. Un filigrane, une empreinte statistique et un en-tête de provenance ne sont pas trois variantes de la même chose : ce sont trois mécanismes différents, qui s'inscrivent à des endroits différents du fichier, qui résistent à des transformations différentes et qui se lisent avec des outils différents.

Cet article dresse l'inventaire de ces couches, décrit ce qui les efface, et propose une manière de formuler les constats de vérification qui ne confonde pas l'absence de détection avec l'absence de génération. L'objectif est pratique : donner à une cellule de veille de quoi écrire des conclusions défendables sur un visuel dont la provenance est incertaine.

Les trois couches de marquage d'un contenu généré par un modèle

La première couche est la mention visible : un logo, un bandeau, une incrustation dans le média lui-même. Elle s'adresse à un être humain, ne demande aucun outil et se lit en une fraction de seconde. C'est la couche la plus fragile techniquement, puisqu'un recadrage suffit, et la plus efficace socialement, puisqu'elle atteint le public qui ne vérifie rien.

La deuxième couche est le signal statistique inscrit dans le média. Le principe consiste à modifier très légèrement la distribution des pixels, des échantillons audio ou des choix de génération, selon un motif que seul un détecteur connaît. L'oeil ne perçoit rien, la retouche ordinaire ne l'efface pas, et le motif se retrouve par corrélation même sur une portion du fichier d'origine.

La troisième couche est la métadonnée de provenance, dont C2PA constitue le format le plus répandu. Elle ne modifie pas le média : elle ajoute un en-tête décrivant l'outil de production, la date, les transformations subies, le tout scellé par une signature cryptographique. Elle apporte l'information la plus riche et se révèle en même temps la plus facile à faire disparaître.

Ce qui efface une métadonnée de provenance sans intention de nuire

L'erreur d'appréciation la plus fréquente consiste à imaginer qu'un en-tête de provenance disparaît par malveillance. Dans l'immense majorité des cas, il disparaît par fonctionnement normal des systèmes. Une plateforme sociale réencode systématiquement les images à l'import pour normaliser leur poids et leur format, et cette opération reconstruit le fichier sans reporter les en-têtes qu'elle ne connaît pas.

Les mêmes effets se produisent en interne. Une capture d'écran produit un fichier neuf, sans aucun héritage. Un export depuis un outil de présentation, un passage dans une messagerie qui compresse les pièces jointes, une conversion de format pour alléger un rapport : chacune de ces étapes ordinaires supprime la couche de provenance sans avertir personne, et sans laisser de trace de la suppression.

La conséquence méthodologique est directe. Sur un visuel collecté après plusieurs cycles de partage, l'absence de métadonnées est le cas normal et n'apprend rien. Elle devient informative uniquement quand on dispose du fichier tel qu'il a été publié par sa source d'origine, ce qui suppose une collecte pensée pour cela, au plus près du point de parution.

Ce que résiste, et ce qui ne résiste pas, du signal statistique

Le marquage statistique tient mieux le choc parce qu'il vit dans le média et non à côté. Une compression modérée, un changement d'échelle, un ajustement de luminosité ou un recadrage partiel laissent généralement assez de signal pour qu'un détecteur conclue. C'est l'intérêt principal de cette couche : elle survit aux manipulations que subit n'importe quel contenu en circulation.

Sa robustesse a des limites connues. Un recadrage extrême qui ne conserve qu'une petite fraction de l'image réduit la matière disponible pour la corrélation. Une chaîne de transformations successives, chacune bénigne prise isolément, dégrade cumulativement le signal. Une regénération complète du visuel à partir d'une capture, par un autre modèle, produit un fichier neuf qui ne porte plus le motif d'origine.

La contrainte la plus lourde n'est pourtant pas technique mais organisationnelle : le détecteur appartient à celui qui a posé le marqueur. Une cellule de veille externe ne dispose pas nécessairement d'un accès direct, et l'existence d'un marquage robuste ne se traduit pas mécaniquement par une capacité de vérification autonome. Le marqueur est là, la lecture ne l'est pas toujours.

Un marqueur robuste dont le détecteur reste hors de portée protège son émetteur bien plus qu'il n'outille celui qui vérifie.

Les indices qui subsistent quand toutes les couches ont disparu

Quand ni la mention, ni les métadonnées, ni un détecteur accessible ne répondent, la vérification revient aux méthodes classiques de l'analyse d'image. La recherche d'antériorité reste la plus rentable : retrouver la première occurrence connue d'un visuel indique souvent son contexte réel, et un décalage entre la date de première parution et le récit qui l'accompagne suffit fréquemment à trancher.

Viennent ensuite les incohérences internes. Les défauts caractéristiques des modèles génératifs se sont raréfiés, mais la cohérence physique d'une scène reste exigeante : ombres divergentes, reflets impossibles, textes intégrés qui se délitent à l'agrandissement, continuité des motifs répétitifs. Ces indices ne concluent jamais seuls, ils orientent l'effort de vérification vers les zones à examiner en priorité.

Le troisième registre est contextuel et souvent le plus décisif. L'Observatoire de l'Intelligence Économique relève que la trajectoire de diffusion d'un contenu, la nature des premiers comptes qui le relaient et la synchronisation de leurs publications constituent des marqueurs plus stables que l'analyse du fichier lui-même, parce qu'ils portent sur un comportement observable et non sur des octets faciles à réécrire.

Formuler un constat de vérification sans surinterpréter une absence

La formule à bannir des livrables est simple : ce contenu ne porte pas de marqueur. Elle mélange trois affirmations distinctes et laisse le lecteur choisir la plus rassurante. Une rédaction utile précise ce qui a été cherché, sur quelle version du fichier, avec quel outil et à quelle date, puis énonce ce que ce constat autorise à conclure et ce qu'il n'autorise pas.

Une échelle en trois niveaux couvre la plupart des besoins. Provenance établie : une source primaire confirme l'origine et le contexte. Provenance plausible : plusieurs indices convergent sans confirmation directe. Provenance indéterminée : les vérifications menées ne permettent pas de trancher. Cette graduation évite de transformer une limite d'outillage en verdict sur le contenu.

L'accès rapide aux reprises d'un même contenu conditionne l'utilité de cette échelle, puisque la confirmation vient presque toujours d'ailleurs que du fichier. NewsCore (www.newscore.fr) couvre en continu des millions de sources dans de nombreuses langues, relie les reprises d'un même sujet et remonte chaque signal à sa publication d'origine, ce qui accélère la recherche d'antériorité au moment où elle compte.

Organiser la collecte pour préserver ce qui reste lisible

Une cellule qui veut conserver une chance d'exploiter les couches techniques doit modifier sa collecte avant d'améliorer son analyse. La règle tient en une phrase : récupérer le fichier tel qu'il est servi par la source, pas une capture d'écran ni une version passée par un canal intermédiaire. Cette discipline coûte peu et détermine tout ce qui sera possible ensuite.

Trois éléments s'enregistrent au moment de la capture : l'adresse exacte du média, l'horodatage de la collecte et une empreinte calculée sur le fichier. Ce triplet permet de démontrer plus tard que l'objet analysé est bien celui qui a été collecté, ce qui constitue le minimum d'une chaîne de garde exploitable dans une procédure interne ou un échange avec un tiers.

Il reste à instruire les cas de repartage, les plus fréquents. Quand seule une version dégradée est disponible, la remontée vers la publication d'origine devient l'étape prioritaire, avant toute analyse technique. Beaucoup d'équipes inversent l'ordre et consomment leur temps sur un fichier appauvri, alors que la version utile se trouvait à deux clics en amont de la chaîne de reprise.

Questions fréquentes

Un marqueur invisible reste-t-il présent après une capture d'écran ?

Cela dépend de la couche concernée. Les métadonnées de provenance disparaissent systématiquement, puisque la capture produit un fichier neuf sans en-tête hérité. Le signal statistique inscrit dans les pixels a de bonnes chances de subsister, car la capture reproduit l'image affichée avec ses variations imperceptibles. La détection devient toutefois plus incertaine si la capture ne conserve qu'une portion de l'image ou si elle a été fortement recompressée ensuite.

Comment vérifier la présence de métadonnées C2PA sur un fichier collecté ?

La lecture se fait avec un outil d'inspection d'en-têtes qui expose le manifeste de provenance et vérifie la validité de sa signature. Le point d'attention porte sur la version du fichier examinée : un manifeste présent sur l'original et absent sur la copie republiée indique une transformation intermédiaire, ce qui constitue en soi une information utile. L'absence sur les deux versions ne permet en revanche aucune conclusion sur le mode de production du contenu.

Que vaut un détecteur généraliste de contenus générés par IA ?

Ces outils analysent des régularités statistiques sans lire de marqueur déposé, et leurs résultats se lisent comme des probabilités, jamais comme des verdicts. Ils se trompent dans les deux sens : ils signalent des images authentiques fortement retouchées et laissent passer des contenus générés puis dégradés. Ils gardent une utilité de tri sur de gros volumes, à condition que leur score serve à ordonner une file d'attente d'analyse et non à conclure directement.

Faut-il conserver les fichiers originaux de tous les contenus collectés ?

Une conservation intégrale est rarement soutenable en volume comme en coût de stockage. La règle praticable consiste à définir un périmètre sensible, les sujets à enjeu décisionnel ou réputationnel, sur lequel la conservation de l'original est systématique, et à s'en tenir aux références et empreintes pour le reste. Ce tri s'établit une fois, se documente dans la procédure de collecte, et se révise quand le périmètre de veille évolue.