Contexte et objectifs
Depuis février 2024, Meta indique que les photos publiées sur Instagram sont analysées pour détecter la présence de contenus générés ou modifiés par intelligence artificielle. L’objectif affiché est de permettre aux utilisateurs d’identifier rapidement les images synthétiques grâce à un label « AI Content ». Le système s’appuie sur la lecture de métadonnées standards (IPTC, C2PA) et sur des indicateurs propriétaires que Meta ne détaille pas publiquement.
Mécanismes de détection et métadonnées
Meta affirme scanner les métadonnées C2PA, qui peuvent contenir un horodatage ou un jeton prouvant l’usage d’un outil génératif. En parallèle, la plateforme aurait intégré la détection de « SynthID », le filigrane invisible développé par Google et intégré dans les outils Apple Intelligence (iOS 27). Ces deux signaux sont censés différencier une image entièrement générée d’une photo simplement retouchée. Cependant, la documentation publique ne précise pas quels seuils de modification déclenchent le label, ni comment les algorithmes de classification pondèrent chaque indicateur.
Cas d’erreurs observées
Des utilisateurs ont signalé que le label apparaît sur des photos éditées avec des fonctions d’assistance IA telles que le « Background Remover » de Canva ou les outils de sélection de Photoshop. Dans plusieurs rapports, la suppression d’un simple grain ou d’une tache suffit à déclencher le marquage, même si aucune métadonnée C2PA n’est ajoutée. Canva a reconnu que certains de ses outils assistés par IA étaient erronément classés comme « génératifs », puis a affirmé avoir corrigé le problème, sans que la communauté constate de changement durable. Des marques comme About Face ont également vu leurs clichés iPhone, retouchés uniquement dans l’app Photos, recevoir le label, alors que les seules fonctions d’Apple Intelligence susceptibles d’ajouter un filigrane SynthID (Spatial Reframing, Extend, Clean Up) n’ont pas été utilisées selon leurs déclarations.
Analyse des limites et perspectives
Le principal point de friction réside dans l’opacité du critère de déclenchement. Les tests indépendants menés par le journaliste montrent que même des images contenant des métadonnées C2PA ou SynthID, générées par des outils tiers (Firefly, Gemini Nano Banana), ne sont pas systématiquement étiquetées. En revanche, le seul signal fiable identifié reste le contenu produit par les propres modèles génératifs de Meta, qui déclenche systématiquement le label. Cette asymétrie suggère que le pipeline de détection privilégie des signatures internes au détriment de standards ouverts, ce qui augmente le risque de faux positifs sur des retouches mineures. De plus, l’absence de rétroaction aux créateurs empêche d’ajuster les flux de travail pour éviter les étiquetages indésirables. Sans publication de seuils de sensibilité ou de listes d’indicateurs, les acteurs tiers ne peuvent pas garantir la conformité, ce qui compromet la confiance que le label était censé instaurer.
