Best AI Image Detector

Trois étapes

Comment vérifier si une image a été générée par IA

Glissez une photo ou collez un lien pour détecter les images générées par IA en quatre secondes environ. Le détecteur d'images IA gratuit renvoie un score de 0 à 100, un verdict clair et une carte des zones qui ont déclenché le signal. Les formats JPG, PNG, WebP, AVIF, HEIC, GIF, TIFF et BMP sont pris en charge, et rien ne quitte votre appareil.

Étape 1Téléchargez ou collez l'image

Glissez un fichier, cliquez pour parcourir ou collez le lien d'une image ou d'une page publique. Les formats JPG, PNG, WebP, AVIF, HEIC, GIF, TIFF et BMP sont pris en charge, jusqu'à 60 Mo par fichier.

Étape 2Laissez l'analyse s'exécuter

L'évaluation prend environ quatre secondes sur un ordinateur portable standard. Tout s'exécute dans l'onglet de votre navigateur, de sorte que le fichier sélectionné n'est jamais mis en ligne et rien n'est stocké une fois la page fermée.

Étape 3Lisez le résultat

Vous obtenez un verdict, une probabilité de 0 à 100, la bande correspondante, une ventilation de chaque signal contributif et une carte des régions indiquant quelles parties de l'image ont émis le signal.

Sur le terrain

Les vérifications les plus courantes

Trois situations représentent la majorité des images soumises à cet outil. Chacune nécessite une partie différente du résultat : un score global pour l'image entière, une seule zone signalée ou les preuves sous-jacentes du fichier.

Inspecter les images de produits et de marketplaces Un cliché de produit généré vend un article que personne n'a fabriqué. Un score global élevé sur la photo d'une annonce est l'avertissement le moins coûteux que vous recevrez avant qu'un paiement ne soit effectué.

Vérifier les documents et les images d'identité La carte peut être authentique et le visage avoir été modifié. Lorsqu'une zone affiche un score élevé et que toutes les autres restent basses, la carte thermique vous indique où porter votre regard.

Détecter les fausses factures et les preuves de paiement Les notes de frais et les litiges de remboursement s'accompagnent désormais de reçus qui n'ont jamais été imprimés. Les montants modifiés laissent un signal local, même lorsque le papier est net en photo.

Ce qu'il détecte

Entièrement généré, partiellement modifié ou réellement pris en photo

La plupart des vérificateurs vous donnent un chiffre et vous laissent deviner. Celui-ci distingue les trois cas qui comptent vraiment, car ils signifient des choses très différentes.

Généré par IA

94 score typique

Créé par un modèle

La texture synthétique se lit de manière cohérente sur l'ensemble du cadre. Typique d'une image sortie tout droit d'un générateur.

Modifié par IA

61 score typique

Vraie photo, fausse partie

Une zone s'illumine tandis que le reste demeure propre : un arrière-plan remplacé, un objet inséré, un remplissage génératif ou un détail effacé.

Aucun signal d'IA

08 score typique

Semble authentique

Rien dans les pixels ou le fichier ne pointe vers un modèle. Chaque région reste basse, et le score se situe tout en bas de l'échelle.

Lecture du résultat

Ce que signifie le score et le degré de certitude de l'outil

L'outil renvoie une probabilité, jamais un oui ou un non catégorique. Un détecteur qui indique « IA » sans aucun chiffre cache le degré d'incertitude de l'analyse, et l'écart entre 66 et 96 sépare une simple vérification d'un élément exploitable.

L'échelle se divise en cinq bandes fixes, la ligne de décision étant fixée à 65. Un score de 72 aujourd'hui a la même signification qu'un score de 72 le mois dernier.

Les cinq bandes de confiance et la conduite à tenir pour chacune
Score	Bande	Ce que cela signifie	Que faire ensuite
0 – 20	Aucun signal d'IA	Rien dans les pixels ne pointe vers un modèle génératif.	S'apparente à une capture authentique. Vérifiez le contexte malgré tout.
20 – 45	Probablement réel	Un faible signal synthétique. Les modifications légères et la compression se trouvent également ici.	À traiter comme réel sauf si un autre élément le contredit.
45 – 65	Non concluant	L'incertaine zone médiane. Les captures d'écran, la mise à l'échelle (upscaling) et les filtres se situent ici.	Ne considérez pas le résultat comme une preuve dans un sens ou dans l'autre.
65 – 90	Probablement IA	Au-dessus du seuil de décision, mais suffisamment proche pour qu'un redimensionnement important ait pu l'influencer.	Vérifiez auprès d'une seconde source avant d'agir.
90 – 100	Généré par IA	Un signal fort réparti sur l'ensemble de l'image.	À traiter comme synthétique.

Sous le score se trouve la liste des signaux : chaque élément de preuve ayant contribué au résultat. Un score global de l'image apparaît toujours, accompagné d'une lecture par région lorsque l'image est suffisamment grande pour être divisée, et des informations d'identification du contenu (content credentials) si le fichier en comporte.

La carte des régions est l'élément qui permet de vérifier le score. Chaque zone est évaluée indépendamment, ce qui vous permet de voir si le signal couvre uniformément l'image ou se concentre dans un coin.

Fonctionnalités

Conçu pour être digne de foi, pas seulement pour être utilisé

Chaque partie du résultat est expliquée, sourcée et honnête quant à ses limites. C'est la différence entre un détecteur d'image AI que vous pouvez citer et un outil que vous devez croire sur parole.

Carte thermique des zones

Voyez exactement où se situe le signal synthétique. Faites glisser le calque ou passez aux scores par zone pour lire directement les chiffres.

Vérification par lots

Mettez jusqu'à 25 images en file d'attente à la fois. Chaque carte affiche son score sur 100 et son verdict ; ouvrez-en une pour obtenir l'analyse complète.

Compatible avec les liens d'images

Collez une image ou une page publique et choisissez parmi les images qu'elle contient. Si un hébergeur bloque l'accès par navigateur, enregistrez l'image et ajoutez le fichier directement.

Privé par défaut

Les fichiers que vous choisissez sont lus et évalués directement dans votre navigateur. Ils ne sont jamais mis en ligne, stockés, mis en file d'attente ou enregistrés nulle part.

Des preuves que vous pouvez partager

Copiez un résumé textuel ou téléchargez un rapport JSON complet comprenant le score, chaque valeur de zone et le raisonnement qui sous-tend le verdict.

Calibré, et non deviné

Les scores correspondent à des tranches publiées avec un seuil de décision fixe, de sorte que 72 signifie toujours la même chose, et les limites sont explicitées plutôt que passées sous silence.

Rapports partageables

Envoyez un résultat à un client ou à un collègue sous forme de lien. L'analyse est intégrée au lien lui-même, de sorte que l'image n'est jamais mise en ligne et que la personne qui l'ouvre voit le raisonnement, et non votre fichier.

En bref

Ce que fait réellement un détecteur d'images IA

Un détecteur d'images IA est un outil qui lit les pixels d'une image et estime la probabilité qu'elle ait été produite par un modèle génératif. Il examine la texture statistique de l'image elle-même, et non les métadonnées du fichier, puis renvoie une probabilité, une bande de confiance et les indices qui motivent ce résultat.

Votre œil a cessé d'être un test fiable autour de 2024. Les indices que l'on apprenait à repérer — mains à six doigts, texte fondu, peau lisse — sont ceux que les modèles les plus récents ont corrigés en premier.

Ce détecteur d'images par IA fonctionne donc en deçà du niveau visible. Un modèle entraîné sur des millions d'images réelles et générées analyse la façon dont chaque pixel se positionne par rapport à ses voisins. Cette relation diffère entre le capteur d'un appareil photo et un modèle diffusion d'une manière qui survit à une capture d'écran. Un bloc EXIF supprimé ne le rend pas aveugle.

0–100Score de confiance

25Images par lot

9Régions cartographiées

0Fichiers envoyés sur un serveur

Les cas difficiles

Les images complexes que d'autres détecteurs manquent

Les images entièrement générées constituent le cas le plus simple. Pratiquement n'importe quel vérificateur d'images par IA détecte un rendu Midjourney propre directement issu du générateur. Les difficultés commencent avec les images mixtes, les fichiers recompressés et les images qui ont transité par quatre plateformes depuis leur création.

The same headline score can come from a wholly generated image or from a real photograph with one object added. Only the tile breakdown separates them.

Photos réelles avec des modifications par IA

Un objet ajouté, une personne supprimée, un arrière-plan échangé. Seule une partie de l'image est synthétique, de sorte qu'un score global unique dilue la région fausse parmi les pixels réels environnants.

Photos retouchées et mises à l'échelle par IA

La prise de vue était réelle. Les détails, non. Les modèles de mise à l'échelle et de retouche inventent des textures de pores, des mèches de cheveux et des trames de tissu qu'aucun capteur n'a enregistrées, ce qui fait grimper une photographie authentique sur l'échelle.

Captures d'écran et nouveaux téléchargements

Chaque plateforme réencode ce que vous publiez et supprime les données du fichier. Les vérifications de métadonnées s'arrêtent là. Le signal des pixels se dégrade mais persiste, ce qui explique pourquoi cet outil analyse l'image plutôt que l'en-tête.

Échanges de visages (face swaps) et portraits synthétiques

Un corps réel doté d'un visage généré, ou un visage n'appartenant à personne. La zone modifiée obtient un score nettement supérieur au reste de l'image, ce qui la fait apparaître comme une zone chaude plutôt que comme une répartition uniforme.

Art stylisé, anime et illustration

Ne pas être une photographie ne signifie pas ne pas être réel, et confondre les deux est le point de départ de fausses accusations. Une illustration dessinée à la main ne présente pas non plus de bruit de capteur ; un détecteur d'images IA doit donc évaluer le motif plutôt que le style.

Images modifiées pour échapper à la détection

Bruit surajouté, filtres empilés, fichier réenregistré une douzaine de fois. Les modifications qui effacent les traces des générateurs endommagent aussi visiblement l'image, et des dommages importants font basculer le résultat dans la zone non concluant.

Précision

La précision du détecteur d'images AI

Sur l'ensemble de référence, le modèle atteint une précision équilibrée de 91,3 % sur les images propres. Réencodez ces mêmes images au format JPEG avec une qualité de 60 et il maintient 87,3 %. Descendez à une qualité de 40 et il tient à 84,6 %. Une précision équilibrée signifie que les images réelles et générées ont un poids égal, de sorte que le chiffre n'est pas gonflé par un jeu de test déséquilibré.

Ces chiffres proviennent de l'évaluation publiée du modèle, et non d'un test interne. Ils décrivent le canal des pixels sur cet ensemble de données, et votre image ne fait pas partie de cet ensemble.

Ce qui réduit la fiabilité

Les images de très petite taille et tout ce qui mesure moins de 576 pixels sur le plus petit côté, ce qui est trop petit pour être divisé en régions
Les captures d'écran de captures d'écran, où l'image a été ré-encodée plusieurs fois
Le résultat d'un générateur sorti ces dernières semaines
Les filtres lourds, les bordures épaisses, les collages et les textes superposés sur l'image
Les images composites où seule une petite zone est synthétique et le reste est une prise de vue réelle

Un faux positif est une vraie photographie notée au-dessus de la ligne. Une retouche lourde, une mise à l'échelle et une compression agressive en sont les causes habituelles, et le téléchargement de l'original plutôt que d'une capture d'écran résout la plupart de ces cas.

Un faux négatif est une image générée notée en dessous de la ligne. Un nouveau générateur, une petite zone synthétique au sein d'une image réelle ou un fichier lourdement manipulé provoqueront ce résultat.

Un résultat est un indice, pas un verdict. Pesez-le à la lumière de tout ce que vous savez sur la provenance de l'image.

Sous le capot

Comment le détecteur lit une image

Deux voies traitent chaque image, maintenues séparées à dessein. L'une lit les pixels. L'autre lit le fichier. Aucune ne l'emporte silencieusement sur l'autre, car elles échouent de manières différentes.

La voie des pixels est un transformateur de vision entraîné sur le jeu de données Community Forensics — des millions de photographies réelles et d'images générées couvrant un large éventail de modèles. Elle lit l'image par blocs de 384 pixels carrés et renvoie une probabilité brute, calibrée pour que le chiffre corresponde aux tranches publiées. Ce qu'elle détecte est le résidu statistique de la génération : les modèles de diffusion et les réseaux antagonistes génératifs (GAN) laissent des signatures spécifiques au générateur dans la façon dont les pixels voisins sont reliés, ce qu'un capteur et un objectif produisent de manière mesurable différente.

Ce même modèle parcourt ensuite l'image sous forme d'une grille de tuiles qui se chevauchent, chacune étant évaluée individuellement. Cela permet de repérer les modifications partielles, car un visage remplacé illumine ses propres tuiles tandis que la photographie intacte autour reste à un niveau bas. Une image nécessite 576 pixels sur son côté le plus court pour être divisée en un nombre suffisant de régions.

La voie du fichier lit la provenance. Elle vérifie la provenance du contenu et les informations d'identification d'authenticité (C2PA) et valide cryptographiquement la signature, puis recherche les paramètres de génération intégrés, les noms des générateurs et les déclarations de filigrane SynthID. Une information d'identification signée liée à ces pixels exacts est un indicateur fort. Un marqueur textuel isolé est faible, car n'importe qui peut l'ajouter, et les deux sont évalués différemment.

Les voies se combinent en un seul verdict, et les divergences sont signalées plutôt que cachées. Un score global faible avec la plupart des régions au-dessus de la ligne renvoie un résultat de preuves contradictoires qui l'exprime clairement.

Ce que l'outil ne fait pas : il n'exécute pas d'analyse du niveau d'erreur (ELA), de mise en correspondance du bruit de motif du capteur, ni de vérifications de la géométrie des ombres et des reflets. Ce sont de véritables techniques forensiques qui ne sont pas intégrées dans cette version. Les revendiquer serait facile et faux.

Pourquoi les pixels

Pourquoi les métadonnées et les filigranes échouent sur les images du monde réel

Les métadonnées sont supprimées dès qu'une image est publiée sur presque n'importe quelle plateforme, de sorte qu'une vérification basée sur les métadonnées échoue précisément sur les images que les gens ont besoin de vérifier. L'image qu'un inconnu vous a envoyée est passée par un pipeline de compression sans données de fichier restantes à lire.

EXIF contient la marque de l'appareil photo, l'objectif, l'exposition et parfois l'emplacement. Ces données survivent à une copie de fichier directe, mais pas à une mise en ligne sur une plateforme sociale, une application de messagerie, une capture d'écran ou à la plupart des réenregistrements.

Les informations d'identification du contenu constituent une réelle amélioration, et cet outil les vérifie cryptographiquement lorsqu'elles sont présentes. Elles ne tiennent que si chaque outil de la chaîne les préserve, et un seul enregistrement dans un éditeur non compatible rompt la chaîne. Leur adoption reste faible, de sorte que la plupart des images n'en contiennent aucune, et leur absence ne prouve rien. Les filigranes invisibles fonctionnent lorsqu'un générateur en a appliqué un et que rien n'est venu le perturber depuis ; un recadrage ou un réencodage peut supprimer la marque, et de nombreux générateurs n'en appliquent jamais.

Il ne reste donc que l'analyse au niveau des pixels comme seule méthode disposant encore d'éléments lisibles après une capture d'écran. Elle n'est pas parfaite, et les sections ci-dessous indiquent honnêtement où elle présente des failles. C'est la seule approche qui résiste à la manière dont les images circulent réellement.

Couverture

Quels générateurs il reconnait

Deux choses se produisent ici, et les amalgamer conduit les outils à des promesses excessives. Le modèle de pixels n'identifie pas les marques : il sépare la texture générée de la texture de l'appareil photo en général, ce qui lui permet de généraliser à un modèle qu'il n'a jamais vu. L'analyse du fichier est distincte et peut nommer l'outil exact.

Ce que fait l'analyse par pixel

Elle renvoie une probabilité que le cliché soit synthétique, quel que soit son auteur. Aucune marque n'est associée à ce chiffre. Un générateur publié ces dernières semaines se situe dans une période où la précision de sa production est plus faible, et cela vaut pour tous les détecteurs.

Ce que l'analyse de fichier peut nommer

Lorsqu'une image contient encore des informations d'identification ou des paramètres de génération, l'analyse nomme l'outil. Ces marqueurs survivent beaucoup moins souvent que les gens ne le pensent.

Midjourney
OpenAI DALL·E et image GPT
Stable Diffusion et SDXL
Adobe Firefly
FLUX (Black Forest Labs)
Google Imagen et Gemini
Leonardo.Ai
Ideogram
Recraft
xAI Grok
Runway
Déclarations de filigrane SynthID

Les noms de produits appartiennent à leurs propriétaires. Leur présence ici indique une couverture de détection, et non une affiliation.

La question du sceptique

Une image IA peut-elle être modifiée pour contourner la détection ?

Oui, des gens essaient, et cela fonctionne souvent assez pour valoir la peine d'être compris. La détection est une cible mouvante et toute page prétendant le contraire cherche à vendre quelque chose.

Les tentatives se divisent en quelques catégories : ajout de bruit, superposition de filtres lourds, réenregistrements répétés, recadrage serré, captures d'écran et passage de l'image dans un second modèle. Chacune dégrade les traces du générateur que le détecteur lit.

Voici ce qu'on oublie souvent de dire. Ces mêmes modifications dégradent l'image. Poussez le processus assez loin pour enfouir le signal et vous aurez visiblement endommagé l'image, et ces dommages sont mesurables en soi. Un fichier lourdement manipulé se retrouve généralement dans la bande indécidée plutôt que de passer pour authentique.

Le modèle a été entraîné sur des échantillons post-traités et modifiés par des méthodes contradictoires, et non seulement sur des sorties propres ; par conséquent, une compression modérée et des filtres ordinaires ne le trompent pas. La limite honnête : une image poussée trop loin finit par être indécidée, et l'outil le signale au lieu de deviner.

Cette section décrit des types de tentatives parce que les gens les recherchent et méritent une réponse claire. Elle ne fournit délibérément aucun paramètre, aucune étape ni aucun outil pour contourner la détection.

À l'œil nu

Signes qu'une image a été créée par l'IA

Avant de téléverser quoi que ce soit, huit éléments méritent d'être examinés. Aucun d'entre eux n'est décisif à lui seul.

Comptez les doigts, puis observez la manière dont les mains touchent les objets.
Vérifiez les dents, les oreilles et les bijoux, là où les petites formes répétées se détériorent.
Lisez le texte présent sur les panneaux, les étiquettes et les emballages.
Regardez les reflets dans les yeux, les miroirs et le verre.
Tracez la direction des ombres jusqu'à la source lumineuse.
Analysez les foules, les tissus et le feuillage pour y déceler des motifs répétitifs.
Suivez la limite où les cheveux ou la pelage rencontrent l'arrière-plan.
Recherchez une peau sans pores, sans asymétrie et sans imperfections.

Vient maintenant la partie inconfortable. Les générateurs les plus récents passent la plupart de ces critères avec succès. Les mains sont globalement corrigées, le texte est correct et la texture de la peau est convaincante à pleine résolution. Ces indices permettent encore de détecter d'anciennes productions, qui constituent une grande partie de ce qui circule, mais un passage réussi à travers ces huit critères ne prouve rien. C'est cet écart que l'analyse des pixels vient combler.

En pratique

Ce que les gens vérifient avec

Photos de produits et annonces sur les plateformes de vente

Une photo de produit générée vend un article que personne n'a fabriqué. Vérifiez l'image de l'annonce avant de payer, en particulier lorsqu'une photo semble plus propre que les autres du vendeur.

Reçus, factures et justificatifs de paiement

Un reçu falsifié est à l'origine de la plupart des fraudes au remboursement. Analysez l'image et observez la carte des régions, car il s'agit généralement de modèles réels comportant des chiffres modifiés.

Pièces d'identité et selfies de vérification

Des photos d'identité synthétiques et des documents modifiés parviennent quotidiennement aux files d'attente d'intégration. La carte des régions importe plus que le score, car la partie falsifiée constitue souvent une petite zone.

Photos de profil et photos d'applications de rencontres

Un visage qui n'appartient à personne coûte peu à créer et est difficile à repérer. Vérifiez une photo de profil avant de faire confiance à la personne, en particulier lorsqu'il n'y a qu'une seule photo.

Photos d'assurance et de constat de dommage

Des dommages générés et des preuves modifiées apparaissent tous deux dans les réclamations. Une modification partielle sur une photographie authentique est le schéma habituel ; lisez donc les tuiles, pas le titre principal.

Photos de livraison et de preuve de fin de travaux

Les images de preuve de livraison sont faciles à falsifier et rarement examinées. Vérifiez-les lorsqu'un colis fait l'objet d'un litige ou qu'une intervention a été validée uniquement sur photo.

Photographies d'actualité et publications virales

Un faux convaincant se propage plus rapidement au cours de la première heure d'un événement d'actualité. Vérifiez avant de publier ou de repartager, et conservez le rapport avec le fichier.

Œuvres d'art, illustrations et portfolios

Les deux cas de figure nuisent : faire passer une œuvre générée pour authentique, et accuser à tort un artiste humain. Lisez les preuves plutôt que le verdict, car un style artistique ne prouve rien.

Annonces immobilières, de location et de voyage

Des intérieurs générés et des extérieurs retouchés montrent un lieu qui n'existe pas. Vérifiez les photos de l'annonce avant de verser un acompte pour un endroit que vous n'avez pas visité.

Appels aux dons et images de collecte de fonds

Des images générées à forte charge émotionnelle alimentent les arnaques aux dons. Vérifiez la photo derrière un appel urgent avant de donner, et avant de la partager.

Conséquences

Ce qui se passe lorsqu'une fausse image passe entre les mailles du filet

Fraude sur les plateformes de vente

L'article n'a jamais existé

Un vendeur liste des meubles avec des photos générées à la demande, encaisse le paiement d'une douzaine d'acheteurs, puis ferme le compte. Chaque acheteur se retrouve avec un litige bancaire et une photo qui ne correspond à rien.

Arnaques aux sentiments

Un visage qui n'appartient à personne

Des portraits synthétiques permettent à un seul opérateur de gérer de nombreux profils sans le risque de recherche d'image inversée lié aux photos volées. Les victimes perdent de l'argent pendant des mois, et le conseil habituel de vérifier si la photo apparaît ailleurs cesse discrètement de fonctionner.

Vérifications d'identité

L'intégration accepte une personne qui n'existe pas

Des selfies générés et des documents modifiés passent les contrôles de connaissance client (KYC) conçus pour la falsification humaine. Le compte ainsi ouvert sert au blanchiment, et la vraie personne dont les informations ont été usurpées le découvre bien plus tard.

Fraude aux sinistres

Des dommages ajoutés après coup

Une photographie authentique d'une vraie voiture reçoit un remplissage génératif d'une bosse qui n'a jamais existé. L'évaluation de l'image entière la considère comme majoritairement authentique, puisqu'elle l'est en grande partie, et le sinistre est remboursé.

Actualité de dernière heure

La première heure appartient au faux

Lors du développement d'un événement, une image fabriquée se propage pendant que la vérification tente de rattraper son retard. Les corrections n'atteignent qu'une fraction des personnes ayant vu l'original, et l'image continue de circuler pendant des années.

Style volé

Un artiste en concurrence avec une imitation

Un travail généré dans le style d'un artiste vivant concurrence ses commandes et inonde les mêmes mots-clés. Le phénomène inverse se produit également : des artistes sont accusés d'avoir généré leur propre travail, sur la simple impression de quelqu'un.

À qui cela s'adresse

À qui s'adresse cet outil

Utilisateurs du quotidien

Quelqu'un vous a envoyé une photo et vous avez un doute. Glissez-la dedans, lisez le chiffre, passez à autre chose. Pas de compte, rien à installer, et le fichier reste dans votre navigateur.

Vendeurs et acheteurs

Vous vous apprêtez à payer pour quelque chose dont vous n'avez vu qu'une photo. La carte des régions est primordiale, car les photos d'annonces modifiées sont généralement de vraies images comportant un seul détail inventé.

Équipes de confiance et de sécurité

Vous traitez une file d'attente, et non une seule image. Le traitement par lots prend en charge 25 éléments à la fois avec un verdict par image, et chaque résultat s'exporte au format JSON pour être rattaché à un dossier.

Journalistes et fact-checkers

Vous devez justifier votre position auprès d'un rédacteur en chef. La décomposition du signal montre ce qui a contribué et avec quelle intensité, les tranches sont publiées, et les limites sont explicitées sur la page plutôt que masquées.

Enseignants et étudiants

Vous apprenez aux gens à évaluer des preuves plutôt qu'à faire confiance à un verdict. La carte des régions rend le raisonnement visible, ce qui est plus utile en classe qu'un simple pourcentage.

Artistes et designers

Vous vérifiez une soumission, ou défendez votre propre travail face à une accusation. Les images stylisées constituent le cas le plus difficile, et l'outil met en évidence l'incertitude au lieu de la dissimuler.

Cas d'usage

Qui vérifie des images et pourquoi

Rédactions

Vérifiez une photo soumise avant sa publication et conservez le rapport avec le dossier de l'article.

Marketplaces

Repérez les photos de produits générées et les fausses photos d'annonces avant leur mise en ligne.

Rencontres et sécurité sociale

Vérifiez une photo de profil avant de faire confiance à la personne qui se cache derrière.

Éducation

Examinez les travaux soumis et montrez aux étudiants à quoi ressemblent réellement les preuves.

Assurance et sinistres

Vérifiez les photos de sinistres pour y déceler des dommages générés ou des preuves modifiées.

Marques et agences

Auditez les images de fournisseurs et de banques d'images afin qu'aucune image générée ne se glisse dans une campagne.

Étapes suivantes

Vous avez découvert qu'il s'agit d'une création de l'IA. Et maintenant ?

Sauvegardez d'abord les preuves

Téléchargez le rapport JSON et conservez le fichier d'origine. Les publications sont supprimées et les comptes ferment pendant que vous décidez quoi faire.
Recherchez la plus ancienne copie

Effectuez une recherche d'image inversée pour retrouver la copie la plus ancienne. Une image présente en ligne depuis 2019 a peu de chances d'être le produit d'un modèle de diffusion, peu importe ce que suggèrent les pixels.
Examinez le compte associé

Vérifiez le vendeur, le profil ou la page à la recherche d'autres indices : l'âge du compte, le fait que les autres photos partagent la même signature et l'apparition de l'image sous différents noms.
Signalez-la là où vous l'avez trouvée

La plupart des plates-formes disposent désormais d'une politique concernant les médias synthétiques. Effectuez le signalement sous cette règle spécifique plutôt que dans une catégorie de spam générique, et joignez le score si le formulaire le permet.
Ne la republiez pas sans avertissement

Republier un faux pour avertir le public ne fait que le propager davantage, et l'avertissement se dissocie de l'image au bout de quelques partages. Indiquez clairement qu'il s'agit d'un faux dans la publication elle-même.

Alternatives

Comment cela se compare aux autres méthodes de vérification

Méthode	Fonctionne après une capture d'écran	Explique le résultat	Gère les retouches partielles	Coût
Vérifier de ses propres yeux	Oui	Non	Rarement	Gratuit
Visionneuses de métadonnées ou EXIF	Non	Partiellement	Non	Gratuit
Vérifications de filigrane ou de certificat	Uniquement si préservé	Partiellement	Non	Gratuit
Recherche d'image inversée	Parfois	Non	Non	Gratuit
Interroger un chatbot IA généraliste	Peu fiable	Paraît sûr de lui, a souvent tort	Non	Varie
Ce détecteur	Oui	Oui	Oui	Gratuit

Interroger un chatbot est l'erreur la plus fréquente. Un modèle de langage généraliste produit un paragraphe fluide et affirmatif sans aucune analyse forensique sous-jacente : aucun seuil calibré, aucun benchmark, aucun moyen de montrer quels pixels ont motivé la réponse. Il devine en faisant des phrases complètes, et c'est la fluidité qui persuade.

Fonctionnalité par fonctionnalité

Comment il se compare à un vérificateur en ligne classique

La plupart des vérificateurs gratuits font une seule chose : prendre votre fichier mis en ligne et renvoyer un chiffre. Voici ce qui est omis, ligne par ligne.

Fonctionnalité	Best AI Image Detector	Vérificateur en ligne classique
S'exécute dans votre navigateur, aucun fichier mis en ligne	Oui	Non Fichiers envoyés sur un serveur
Trouve les modifications par IA au sein d'une vraie photo	Oui	Non Image entière uniquement
Carte thermique par zone avec scores par tuile	Oui 9 tuiles	Non
Tranches de score publiées et seuil de décision	Oui	Partiellement Score uniquement, tranches non spécifiées
Vérification des Content Credentials (C2PA)	Oui	Non
Vérification par lots en un seul passage	Oui Jusqu'à 25	Partiellement Souvent une par une
Rapport PDF imprimable	Oui	Non
Exportation JSON lisible par machine	Oui	Non
Entrée HEIC, AVIF et TIFF	Oui	Partiellement JPG et PNG uniquement
Chiffres de précision et limites publiés	Oui	Non
Quota quotidien gratuit	Oui 50 images	Partiellement 10 à 20 au total
Aucun compte requis	Oui	Non Inscription obligatoire pour voir un résultat
Lien de rapport partageable	Oui aucun chargement	Partiellement Hébergé sur leur serveur
Sans publicité	Oui	Non

La colonne de droite décrit le modèle commun aux vérificateurs Web gratuits, et non un produit en particulier. Les outils individuels obtiennent de meilleurs résultats sur certaines lignes, et la comparaison concerne le cas général plutôt que le cas idéal.

Accès

Gratuit, aucun compte requis

Chaque vérification est gratuite. Vous n'avez besoin d'aucun compte, d'aucune adresse e-mail ni d'aucun moyen de paiement, et aucune période d'essai n'expire. Cette raison est structurelle plutôt que généreuse : le modèle s'exécute directement dans votre navigateur sur votre propre appareil, il n'y a donc aucun coût de serveur par vérification à amortir. La limite de 50 images par jour relève d'une utilisation équitable plutôt que d'un péage, et elle se réinitialise pendant la nuit. La détection offerte par ce Best AI Image Detector restera gratuite.

Gratuit

$0pas de carte, pas d'expiration

50 vérifications par jour
Sans compte
25 images par lot
60 Mo par fichier
Carte des régions
Vérification des Content Credentials
Liens de rapport partageables
Exportation PDF et JSON

Payant

Pas encore

Il n'existe aucune offre payante ni de date prévue pour son lancement. Si elle voit le jour, elle couvrira les rapports et les flux de travail en équipe, tandis que tout ce qui est listé à côté restera gratuit. Rien ici ne correspond à une période d'essai qui prend fin.

Ce qu'une offre payante ajouterait

Les lots sont limités à 25 images et les fichiers à 60 Mo, ce qui correspond aux limites qu'un onglet de navigateur gère confortablement. Le quota quotidien est comptabilisé sur votre propre appareil et se réinitialise à minuit dans votre fuseau horaire.

Confidentialité

Ce qui advient de l'image que vous téléversez

Rien n'est téléversé. Le fichier que vous sélectionnez est lu et évalué à l'intérieur de votre onglet de navigateur et ne voyage jamais vers un serveur, il n'y a donc aucune période de conservation à décrire et rien à supprimer. Vos images ne sont jamais utilisées pour l'entraînement, puisqu'elles n'arrivent nulle part où cela serait possible. Une exception près : la case URL récupère une image distante via le réseau, et lorsqu'un serveur bloque l'accès direct, cette requête transite par un proxy public.

Sélectionner Le fichier est lu depuis votre appareil par la page.

Score Le modèle s'exécute sur votre propre matériel, hors ligne de notre côté.

Supprimer Fermez l'onglet et rien ne subsiste.

Lire la politique de confidentialité

Compatibilité

Formats et appareils pris en charge

Il fonctionne dans tout navigateur moderne sur tout appareil sans rien à installer. Il n'y a ni application ni extension, ce qui correspond généralement à ce que recherchent les utilisateurs : un détecteur d'images AI en ligne qui fonctionne sur un téléphone sans téléchargement. Le sélecteur de fichiers accède à votre appareil photo et à votre photothèque. Les formats en couches comme PSD ne sont pas lus directement, veuillez donc exporter un fichier PNG ou JPG aplati.

Formats: JPG, PNG, WebP, AVIF, HEIC, HEIF, GIF, TIFF, BMP, JPEG XL
Taille de fichier maximale: 60 Mo par image
Taille des lots: 25 images à la fois
Entrée URL: Liens d'images directs et pages publiques
Mobile: Tout navigateur mobile moderne
Application ou extension: Aucune — rien à installer
Prérequis: JavaScript et WebAssembly activés

En volume

Vérification d'images en masse

Le traitement par lot prend 25 images à la fois. Chacune est évaluée tour à tour et sa carte est mise à jour dès qu'elle est terminée, de sorte que les résultats s'affichent pendant que le reste s'exécute. N'importe quelle carte ouvre le rapport complet, et le lot s'exporte sous forme d'un fichier JSON unique contenant le score, la bande, les statistiques de région et les signaux pour chaque image.

Il n'y a pas encore d'API

Aucun point de terminaison hébergé n'existe pour le moment, et décrire un service qui n'est pas disponible serait une perte de temps. Le détecteur s'exécute entièrement côté client, de sorte qu'une intégration aujourd'hui implique d'intégrer la page plutôt que d'appeler un service. Si vous avez besoin d'un accès programmatique, faites-le savoir via la page de contact — c'est cette demande qui justifierait son développement.

Comparaison avec un point de contrôle public

Le modèle de pixels est un modèle de recherche ouvert, dont la licence et l'origine sont explicitées et non cachées. Un déploiement maintenu ajoute l'étalonnage, l'analyse par zones pavées, la lecture de provenance et des bandes publiées autour de la sortie brute du classificateur.

FAQ

Questions fréquentes

Utilisation de l'outil

Qu'est-ce qu'un détecteur d'images IA et comment ça marche ?

Un détecteur d'images IA estime si une photo a été produite par un modèle génératif, en analysant les pixels plutôt que les données du fichier. Un modèle de vision entraîné sur des millions d'images réelles et générées mesure la façon dont chaque pixel se positionne par rapport à ses voisins, les capteurs et les modèles de diffusion laissant des traces différentes. Vous obtenez une probabilité de 0 à 100, une plage, les signaux contributifs et une carte des régions.

Comment vérifier si une image est générée par IA ?

Glissez un fichier sur la page, cliquez pour parcourir, ou collez le lien d'une image ou d'une page web publique. L'évaluation prend environ quatre secondes. Lisez d'abord le verdict et la probabilité, puis ouvrez la carte des régions pour voir si le signal couvre l'ensemble du cadre ou se concentre sur une zone.

Ce détecteur d'images IA est-il gratuit ?

Oui. Il n'y a pas de période d'essai, pas de moyen de paiement et pas de compte. Le quota gratuit est de 50 images par jour, ce qui se réinitialise la nuit et couvre la quasi-totalité des utilisateurs qui ne font pas cela pour vivre. Les lots sont limités à 25 images et les fichiers à 60 Mo, ce qui correspond aux limites pratiques de l'exécution d'un modèle dans un onglet de navigateur plutôt qu'à des limites commerciales. Aucun niveau payant n'existe à ce jour.

Ai-je besoin d'un compte pour l'utiliser ?

Non. Il n'y a pas d'inscription, pas d'adresse e-mail et pas de connexion. Ouvrez la page et vérifiez une image. L'analyse s'exécutant sur votre propre appareil plutôt que sur un serveur, il n'y a aucune utilisation à comptabiliser et aucune raison de vous identifier.

Puis-je vérifier une image à partir d'une URL au lieu de télécharger un fichier ?

Oui. Collez un lien d'image direct, ou collez une page publique et choisissez parmi les images qu'elle présente. La récupération d'une image distante est une requête réseau, et lorsqu'un hôte bloque l'accès du navigateur, le lien transite par un proxy public. Pour les travaux sensibles, téléchargez l'image et ajoutez le fichier à la place.

Puis-je l'utiliser sur un téléphone, et existe-t-il une application ?

Oui pour le téléphone, non pour l'application. Le site fonctionne dans n'importe quel navigateur mobile moderne sans rien installer, et le sélecteur de fichiers accède à votre appareil photo et à votre photothèque. Il n'y a pas d'application native ni d'extension. La première vérification télécharge le modèle, elle prend donc plus de temps que les suivantes.

Précision et fiabilité

Quelle est la précision de ce détecteur d'images IA ?

Le modèle atteint une précision équilibrée de 91,3 % sur des images de référence propres, 87,3 % après une compression JPEG de qualité 60, et 84,6 % à la qualité 40. La précision équilibrée pondère de manière égale les images réelles et générées, ce qui évite qu'un jeu de test biaisé ne l'gonfle. Les petits fichiers, les captures d'écran répétées, les filtres puissants et les générateurs flambant neufs réduisent tous la fiabilité.

Comment savoir si une photo est générée par IA alors qu'elle a l'air complètement réelle ?

C'est généralement impossible, et c'est le problème que cet outil résout. Les indices visuels que les gens ont appris à reconnaître — mains ratées, texte illisible, peau en plastique — sont ceux que les modèles les plus récents ont corrigés en premier. L'analyse fonctionne en deçà de ce que votre œil peut résoudre, en mesurant des statistiques de pixels qui diffèrent entre un capteur et un modèle génératif.

Peut-il détecter une image où seule une partie de la photo a été modifiée par IA ?

Oui, et c'est le cas que la plupart des détecteurs gèrent le plus mal. Un score d'image unique fait la moyenne entre une petite zone synthétique et les pixels authentiques qui l'entourent, de sorte que la modification se fond dans la moyenne. L'outil éote à nouveau l'image sous forme de tuiles qui se chevauchent. Une zone chaude au milieu d'une image propre signale un remplissage génératif ou un visage interchangé.

Fonctionne-t-il sur l'art IA, les animés et les illustrations ?

Oui, avec plus d'incertitude que sur les photographies. Un style graphique ne constitue pas la preuve d'une origine artificielle, et traiter les choses ainsi conduit à accuser à tort des artistes humains. Une illustration dessinée à la main ne présente pas non plus de bruit de capteur, analysez donc la disposition des régions et l'intervalle de confiance plutôt que le chiffre principal.

Pourquoi a-t-il signalé ma vraie photo comme étant potentiellement générée par IA ?

Une retouche poussée, un suréchantillonnage par IA, des filtres puissants et une recomposition agressive poussent tous les photographies authentiques vers le haut de l'échelle, car chacun remplace les détails enregistrés par des détails inventés ou moyennés. Les petites images et les captures d'écran produisent le même effet. Importez le fichier d'origine plutôt qu'une capture d'écran, et le score baisse généralement.

Quelqu'un peut-il modifier une image IA pour que le détecteur la rate ?

Oui, et ces tentatives sont bien connues : ajout de bruit, superposition de filtres, réenregistrements répétés, recadrages serrés, captures d'écran et passage par un second modèle. Le compromis est que ces modifications dégradent l'image, et une dégradation importante fait atterrir le résultat dans la zone d'indécision plutôt que de la blanchir en tant qu'image réelle.

Est-ce mieux que de demander à un chatbot IA généraliste si une image est artificielle ?

Oui, et l'écart est plus important qu'il n'y paraît. Un chatbot produit un paragraphe fluide et affirmatif sans aucune analyse forensique sous-jacente : aucun seuil calibré, aucun benchmark, aucun moyen de montrer quels pixels ont motivé la réponse. Un classifieur entraîné à séparer les images générées de celles capturées renvoie un nombre que vous pouvez vérifier.

Peut-il détecter les deepfakes et les échanges de visage ?

Oui, et c'est la carte des régions qui permet de le faire. Un deepfake diffère d'une image entièrement générée : le corps, l'arrière-plan et l'éclairage proviennent d'une vraie capture, et seul le visage a été remplacé. L'évaluation au niveau des tuiles met en évidence la zone modifiée sous forme de région chaude tandis que la photographie environnante reste basse.

Un résultat de détection d'IA constitue-t-il une preuve ?

Non. C'est un indice, qui doit être soupesé avec tout ce que vous savez par ailleurs sur l'image. Aucun détecteur n'atteint la certitude, celui-ci compris, et tout outil prétendant être définitif vous induit en erreur. Un score élevé assorti d'une configuration de région claire est un signal fort. Un score limite sur une capture d'écran compressée ne l'est pas.

Technique

Quels générateurs d'images IA peut-il détecter ?

Le modèle de pixels est agnostique quant au générateur : il sépare de manière générale la texture générée de la texture de caméra, ce qui lui permet de se généraliser à des modèles qu'il n'a jamais vus au lieu de s'en tenir à une liste fixe. Par ailleurs, l'analyse du fichier peut nommer Midjourney, DALL·E, Stable Diffusion, Firefly, FLUX, Imagen, Leonardo.Ai, Ideogram, Recraft, Grok et Runway lorsque des marqueurs subsistent.

Fonctionne-t-il sans métadonnées ni filigrane ?

Oui. L'analyse lit le contenu même de l'image, de sorte qu'un bloc EXIF supprimé, un filigrane absent ou une capture d'écran ne l'aveuglent pas. Les métadonnées et les certificats de contenu sont lus comme une piste supplémentaire lorsqu'ils sont présents, et traités comme des indices complémentaires plutôt que comme le facteur décisif.

Quels formats d'image et tailles de fichier sont pris en charge ?

Les formats pris en charge incluent JPG, PNG, WebP, AVIF, HEIC, HEIF, GIF, TIFF, BMP et JPEG XL, jusqu'à 60 Mo par fichier et 25 fichiers par lot. Les formats par calques tels que le PSD ne sont pas lus directement ; exportez plutôt un PNG ou un JPG aplati. Tout ce que votre navigateur décode en tant qu'image fonctionne généralement.

Existe-t-il une API pour la détection d'images IA ?

Non. Il n'y a pas de point de terminaison hébergé pour le moment. Le détecteur s'exécute entièrement dans le navigateur, il n'y a donc aucun serveur à appeler. Si vous avez besoin d'un accès programmatique pour un pipeline de modération ou de vérification, contactez-nous via la page de contact.

Puis-je vérifier plusieurs images en même temps ?

Oui, 25 par lot. Chaque image est évaluée tour à tour et sa carte se met à jour dès qu'elle est terminée, de sorte que les résultats s'affichent pendant que le reste continue de s'exécuter. Ouvrez n'importe quelle carte pour consulter le rapport complet, ou exportez l'ensemble du lot sous la forme d'un fichier JSON unique.

Peut-il détecter du texte généré par IA dans une image, ou m'indiquer le prompt qui se cache derrière ?

Non dans les deux cas. L'outil évalue si les pixels ont l'air générés. Il ne lit pas le texte dans l'image, ne juge pas si la formulation a été rédigée par une machine et ne peut pas retrouver le prompt. La récupération du prompt est impossible à partir des seuls pixels. Lorsqu'un fichier comporte des paramètres de génération intégrés, l'analyse signale leur présence.

En quoi est-ce différent d'un détecteur open-source sur GitHub ou Hugging Face ?

Le modèle de pixels sous-jacent est ici un modèle de recherche ouvert, et cela est dit clairement plutôt qu'occulté. C'est ce qui est construit autour qui fait la différence : l'étalonnage sur des plages publiées, la passe par tuiles pour les régions qui repère les modifications partielles, la vérification cryptographique des certificats, et une ligne de décision explicite. Un point de contrôle brut vous livre un chiffre non étalonné.

Peut-il vérifier des vidéos en plus des images ?

Non. Uniquement des images fixes. La vidéo n'est prise en charge sous aucune forme, y compris les GIF animés, dont seule la première image est lue. Pour une vidéo, vous devriez exporter une image clé et l'analyser, ce qui ne vous renseigne que sur cette image isolée.

Peut-il estimer quand une image a été créée, ou quelle version du modèle l'a produite ?

Non, pas à partir des pixels. Le modèle renvoie une probabilité que l'image soit synthétique, sans date ni version de modèle associée. Lorsqu'un fichier contient encore des certificats de contenu ou des paramètres de génération, l'analyse rapporte ce que ceux-ci prétendent, mais il s'agit de la description du fichier par lui-même, et elle peut être modifiée.

Confidentialité et accès

Stockez-vous les images que je vérifie ?

Non. Les fichiers que vous sélectionnez sur votre appareil ne sont jamais téléchargés, il n'y a donc rien de stocké, rien de mis en file d'attente et rien à supprimer. Ils sont lus et évalués dans l'onglet de votre navigateur et éliminés lorsque vous le fermez. Vos images ne sont jamais utilisées pour l'entraînement. La seule exception concerne le champ d'URL.

Vérifier une image maintenant

Déposez l'image qui vous pose question et lisez vous-même les indices. Ce détecteur d'images IA est gratuit, et rien ne quitte votre navigateur.

Aucun compte. Aucun téléchargement. Cinquante vérifications par jour.

Déposez les images ici