Vidéo suspecte générée par IA : les trois questions à trancher avant de la relayer

Une vidéo arrive dans le flux de veille. Elle montre un dirigeant tenant des propos inattendus, ou une scène qui contredit la version officielle d'un événement. Elle est nette, cadrée, plausible. La question que se pose immédiatement l'équipe, celle de savoir si elle est générée par intelligence artificielle, est aussi la plus difficile à trancher techniquement et, paradoxalement, la moins utile pour décider quoi faire dans l'heure qui vient.

Deux publications récentes éclairent ce décalage. Gulf News décrit les filigranes invisibles destinés à identifier un contenu généré par IA sans altérer l'expérience de lecture, et documente leurs limites : robustesse face aux modifications du fichier, granularité de l'information portée par la marque, absence d'un standard universellement adopté. Yahoo News UK expose de son côté la méthode de la cellule DW Fact Check, fondée sur des techniques OSINT et des outils de vérification appliqués à des affirmations, des images et des vidéos, y compris générées par IA.

Ces deux approches ne s'opposent pas, elles se succèdent dans le temps. En attendant que l'infrastructure d'authentification décrite par Gulf News devienne universelle, la méthode reste le seul recours. Cet article propose la grille en trois questions que suit une équipe de veille pour qualifier une vidéo douteuse, dans l'ordre où ces questions se posent réellement.

Première question : d'où vient cette vidéo et quand est-elle apparue ?

L'origine prime sur la nature. Une vidéo authentique publiée par un compte anonyme sans historique, sans localisation, sans contexte, reste inexploitable en l'état ; une vidéo dont on connaît le premier point d'apparition, la date et le compte émetteur devient analysable, même si sa fabrication n'est pas encore établie. La recherche du point d'apparition est donc le premier geste, avant tout examen du fichier lui-même.

Concrètement, cela signifie remonter les occurrences par ordre chronologique croissant, identifier la version la plus ancienne accessible, et noter sa durée, sa définition et son cadrage. Les versions ultérieures sont presque toujours des recompressions, souvent recadrées, parfois raccourcies. Travailler sur une version tardive revient à analyser une copie de copie, ce qui invalide la plupart des indices techniques que l'on pourrait espérer y trouver.

Ce travail chronologique produit parfois la réponse à lui seul. Une vidéo présentée comme le témoignage d'un événement survenu la veille, mais dont on retrouve une occurrence datant de plusieurs mois, est disqualifiée sans qu'aucune analyse d'image ne soit nécessaire. Le décalage entre la date revendiquée et la date d'apparition constitue l'un des marqueurs les plus économiques et les plus solides du répertoire.

Deuxième question : le fichier porte-t-il des traces exploitables ?

C'est ici qu'interviennent les filigranes invisibles décrits par Gulf News. Le principe est élégant : inscrire dans le contenu lui-même un signal identifiant sa génération par IA, sans dégrader l'expérience de celui qui le regarde. Appliqué à grande échelle, ce mécanisme déplacerait la vérification de l'aval, où elle est coûteuse et tardive, vers l'amont, où elle serait automatique et immédiate.

Les limites que documente Gulf News expliquent cependant pourquoi ce déplacement n'a pas encore eu lieu. La robustesse face aux modifications du fichier reste un obstacle : une recompression, un recadrage ou un simple réenregistrement d'écran suffisent à dégrader un signal fragile. La granularité pose un second problème : savoir qu'un contenu a été touché par une IA ne dit pas s'il a été intégralement fabriqué ou seulement retouché. L'absence de standard universellement adopté achève de limiter la portée pratique.

La conséquence pour une équipe de veille est claire. L'absence de filigrane ne prouve rien, puisque tous les générateurs n'en apposent pas et que les traitements de diffusion en effacent. La présence d'un filigrane, en revanche, constitue une information forte. La grille de lecture est donc dissymétrique : le signal positif tranche, le signal négatif n'apprend rien, et confondre les deux conduit à valider par défaut tout ce qui ne porte pas de marque.

L'absence de preuve de fabrication n'est pas une preuve d'authenticité : c'est simplement l'état ordinaire d'un fichier qui a circulé.

Troisième question : que produit cette vidéo si on la relaie ?

La troisième question est stratégique plutôt que technique, et c'est souvent elle qui décide. Une vidéo dont l'authenticité reste incertaine mais dont la diffusion est déjà massive appelle une réponse différente d'une vidéo tout aussi incertaine mais confinée à quelques comptes. Dans le premier cas, le silence laisse le récit s'installer ; dans le second, la réponse fabrique l'audience que le contenu n'avait pas.

Mesurer cette diffusion suppose de la mesurer partout, pas seulement là où l'équipe regarde habituellement. Un contenu peut être marginal sur les plateformes francophones et déjà largement repris dans une autre aire linguistique, ce qui annonce son arrivée à brève échéance. NewsCore (www.newscore.fr) couvre en continu des millions de sources dans des dizaines de langues et remonte en temps réel les occurrences d'un même contenu, ce qui donne à l'équipe la mesure de diffusion sur laquelle l'arbitrage repose.

Cette question conditionne aussi le format de la réponse. Rediffuser la vidéo pour la démentir la propage ; la décrire sans la montrer prive le démenti de force démonstrative. La solution retenue par la plupart des cellules aguerries consiste à documenter la chaîne de diffusion, dates et supports à l'appui, plutôt qu'à commenter le contenu, ce qui déplace le débat de l'image vers son circuit.

Graduer le verdict plutôt que trancher en binaire

La méthode exposée par Yahoo News UK à propos de DW Fact Check apporte ici une contribution directement transposable. Le processus est rendu transparent : les sources sont citées, les verdicts sont gradués, avec des catégories telles que vrai, faux ou trompeur, et les erreurs sont corrigées publiquement. Cette gradation n'est pas une facilité, c'est une reconnaissance de la structure réelle du matériau.

Beaucoup de contenus douteux ne sont en effet ni fabriqués ni honnêtes. Une vidéo authentique sortie de son contexte, une séquence réelle attribuée à un autre lieu ou à une autre date, un extrait tronqué qui inverse le sens d'un propos : aucun de ces cas ne relève de la génération par IA, et tous produisent le même effet de tromperie. Un dispositif qui ne sait dire que vrai ou faux laisse toute cette zone sans traitement.

L'Observatoire de l'Intelligence Économique relève que cette zone intermédiaire concentre l'essentiel des contenus problématiques rencontrés par les équipes de veille économique, bien davantage que les fabrications intégrales. Adopter des catégories graduées permet donc de qualifier la majorité des cas, plutôt que de réserver le dispositif aux quelques contenus spectaculaires qui appellent un verdict tranché.

Ce que cette grille change dans l'organisation du travail

Le premier effet est un gain de temps. En posant l'origine avant la nature, l'équipe résout une large part des cas sans mobiliser d'expertise technique. Le second effet est une meilleure allocation de l'expertise rare : les analyses de fichier, coûteuses, sont réservées aux contenus qui ont franchi les deux premiers filtres et dont la diffusion justifie l'investissement.

Le troisième effet touche à la crédibilité. Corriger publiquement ses erreurs, comme le fait DW Fact Check selon Yahoo News UK, paraît contre-intuitif dans un contexte concurrentiel. C'est pourtant ce qui distingue une cellule de veille d'un simple relais : elle assume un processus, et ce processus inclut la possibilité documentée de se tromper, ce qui rend ses verdicts positifs beaucoup plus solides quand ils tombent.

Le dernier effet est préventif. Une organisation qui a défini à l'avance ses catégories de verdict, ses seuils de diffusion et son mode de réponse ne les improvise pas sous pression. La question ne devient plus de savoir quoi faire, mais où se situe le cas dans une grille déjà écrite, ce qui abrège considérablement le délai entre la détection et la décision.

Questions fréquentes

Comment vérifier si une vidéo a été générée par intelligence artificielle ?

Aucune méthode ne donne aujourd'hui de certitude à elle seule. La démarche efficace combine la recherche du premier point d'apparition, l'examen d'un éventuel filigrane, la comparaison avec des images vérifiées du même lieu ou de la même personne et l'analyse de la cohérence contextuelle. Ce faisceau permet un verdict gradué, qui suffit presque toujours à décider s'il faut relayer, ignorer ou signaler.

Les filigranes invisibles suffiront-ils à régler le problème des deepfakes ?

Pas à eux seuls, dans l'état décrit par Gulf News. Trois obstacles subsistent : la robustesse du signal face aux modifications du fichier, la granularité de l'information qu'il porte, et l'absence de standard adopté par tous les acteurs. Ces marques constituent un progrès réel pour l'authentification à la source, mais elles complètent la vérification méthodique plutôt qu'elles ne la remplacent.

Faut-il publier un démenti quand une vidéo douteuse vise l'entreprise ?

La décision dépend de la diffusion mesurée, pas de l'indignation ressentie. En dessous d'un certain seuil, un démenti public offre au contenu une audience qu'il n'avait pas. Au dessus, l'absence de réponse laisse le récit devenir la version par défaut. Mesurer la diffusion réelle, plateforme par plateforme et langue par langue, précède donc systématiquement l'arbitrage de communication.

Que faire d'une vidéo authentique mais sortie de son contexte ?

La traiter comme trompeuse, pas comme fausse, et documenter précisément l'écart. Restituer la date réelle, le lieu réel et la séquence complète dont l'extrait a été tiré désamorce ce type de contenu plus efficacement qu'un démenti global, qui prête le flanc à la contestation puisque l'image, elle, est bien authentique. La précision de la qualification est ici toute la valeur ajoutée de la veille.