« L’effet IA » a trois causes : quatre pixels d’écart, un filigrane invisible, et personne pour signer

Commençons par la conclusion

Ces deux dernières semaines, trois nouvelles sans rapport apparent racontaient en réalité la même histoire.

Le 7 octobre, Google a ouvert à tous son détecteur de filigrane SynthID. Le 9 octobre, Nikon a retiré le premier prix d’un concours d’imagerie microscopique : quelqu’un avait détecté un filigrane dans la vidéo. Presque au même moment, un projet open source qui génère des diagrammes pour des agents de code est monté dans les tendances GitHub, avec un argument pour le moins inattendu : « pas d’ombres, pas de Mermaid, et tous les espacements doivent être divisibles par 4 ».

Détection, responsabilité, esthétique. Mais si on superpose les trois, « l’effet IA » cesse d’être un mot mystique : il a trois sources concrètes — l’alignement, la provenance, la signature. Les deux premières se corrigent. La troisième, beaucoup moins.

Première faille : quatre pixels d’écart

Le projet s’appelle Diagram Design, son autrice est Cathryn Lavery. Il applique une règle d’un ennui absolu : toutes les coordonnées, largeurs et marges doivent être divisibles par 4.

Selon elle, c’est la clé pour que le résultat ne « fasse pas IA ». Ça mérite qu’on s’y arrête. Personne ne remarque qu’une case fait 137 pixels au lieu de 136. En revanche, on sent que « quelque chose cloche », sans savoir quoi. L’œil humain est extrêmement sensible aux désalignements ; simplement, il le signale par un malaise diffus, pas par un verdict net.

La première couche de « faux » dans une image générée n’est donc pas dans le contenu, mais dans le rythme. Un designer humain choisit des espacements qui forment un système. Le modèle produit des 13,5, 27, 54 — des nombres qui « ont l’air d’aller ». Ce petit écart, c’est tout le problème.

Bonne nouvelle : c’est la couche la plus facile à corriger. Poser des règles, installer une grille, transformer les espacements en variables. Ce sont des problèmes d’ingénierie.

Deuxième faille : la marque invisible

SynthID est un filigrane invisible intégré au fichier. L’œil ne le voit pas, et il survit généralement à la compression et au recadrage. Depuis le 7 octobre, n’importe qui peut envoyer une image, une vidéo ou un fichier audio pour vérifier s’il porte cette marque. Le périmètre dépasse les modèles de Google : OpenAI, Nvidia et Kakao sont couverts, et Apple devrait suivre bientôt.

Mais ce qui a transformé cette marque en affaire publique, c’est le dossier Nikon.

Le concours Small World in Motion de Nikon a décerné son premier prix à une vidéo microscopique de cils vibratiles, signée Xu Ning, montrant les tissus des voies respiratoires d’un enfant atteint de dyskinésie ciliaire primitive. Après l’annonce, les scientifiques ont commencé à relever des anomalies : des structures violettes apparaissant et disparaissant de nulle part, des cils verts « sortis on ne sait d’où ». Un doctorant du UT Southwestern Medical Center a fait passer la séquence dans Gemini et y a trouvé SynthID.

La version de Xu Ning : l’IA n’a servi qu’en post-production, pour séparer et coloriser des structures de forme similaire dans des données en niveaux de gris reconstruites ; la vidéo d’origine et le mouvement des cils sont réels. La réponse de Nikon est restée mesurée : l’œuvre « ne respecte pas le règlement de cette édition sur l’IA générative », une question d’éligibilité, et rien qui constitue un jugement sur la réputation académique ou l’intention de l’auteur. Le classement a ensuite été ajusté et l’œuvre retirée de la galerie des lauréats.

Le plus délicat, c’est que l’imagerie microscopique suppose toujours du traitement. Débruitage, déconvolution, fausses couleurs : autant d’étapes indispensables pour « voir quelque chose ». La ligne que Nikon devait tracer n’était donc pas « y a-t-il eu de l’IA », mais « le traitement a-t-il ajouté ce qui n’existait pas ». Un filigrane ne répond pas à cette question. Il dit seulement qu’un outil a touché le fichier.

L’autre affaire est plus banale. Fortnite a mis en ligne un morceau intitulé « Meow » dont la pochette portait un filigrane Gemini en bas à droite. Des joueurs l’ont repéré, l’image a été remplacée. Le distributeur affirme que l’artiste avait fourni le visuel ; l’artiste dit n’en avoir jamais rien su. Personne n’a accusé la plateforme d’avoir truqué quoi que ce soit. Le filigrane a rempli une fonction minuscule : dire qui avait touché le fichier. Le reste, la réaction sociale l’a fait toute seule.

Troisième faille : personne ne signe

La troisième couche est la plus difficile à corriger, parce qu’elle n’est pas technique.

Wired révélait ce mois-ci qu’au moins trois des cinq plus grands éditeurs américains — HarperCollins, Simon & Schuster et Hachette — ont utilisé des outils d’IA sans le divulguer publiquement ni prévenir les auteurs. Pas seulement pour les couvertures : rédaction de mails aux agents littéraires, textes promotionnels, quatrièmes de couverture, supports marketing. Des salariés affirment que beaucoup de ces usages venaient de la direction.

Les trois réponses sont éloquentes. Hachette dit soutenir l’IA pour les tâches « opérationnelles » qui aident les livres à toucher plus de lecteurs, mais « ne pas soutenir l’usage de l’IA à des fins créatives, y compris les échanges avec les auteurs et les partenaires ». Le problème : écrire à un agent relève de l’opérationnel, un quatrième de couverture du créatif, et selon ses propres salariés la ligne est déjà franchie. Simon & Schuster indique que les équipes disposent d’un nombre limité d’outils d’entreprise, que l’usage n’est pas obligatoire et que les outils non approuvés sont interdits — mais « pas obligatoire » et « jamais arrivé » sont deux choses différentes. HarperCollins n’a pas répondu.

La couverture est sensible parce que c’est l’un des rares maillons de la chaîne où un nom est explicitement crédité. Un illustrateur a un portfolio, un tarif, un agent. Remplacer une commande par une génération ne fait pas qu’économiser de l’argent : cela supprime une porte d’entrée pour les nouveaux venus. Et l’auteur, dont le nom figure sur la couverture, est généralement le dernier à savoir d’où elle vient.

Cette couche n’a pas de solution technique. Un filigrane prouve qu’un outil a touché un fichier, une grille rend une image plus humaine, mais « qui a fait cette image, et a-t-il été crédité » ne peut venir que des institutions : une ligne sur la page de copyright, une clause au contrat, un champ dans les métadonnées.

Alors, comment savoir si une image « fait IA » ?

Regardez d’abord la structure. Y a-t-il un rythme dans l’alignement, les espacements, les blancs ? Cette couche représente 80 % du problème, et elle tient presque entièrement à des règles, pas au modèle.

Cherchez ensuite les traces. La marque invisible est-elle là ? Le fichier a-t-il une origine traçable ? Cette couche se transforme en outils, et devient de plus en plus accessible au grand public.

Regardez enfin la signature. Qui a fait, qui a validé, qui a signé. Cette couche n’a pas d’outil, seulement des habitudes.

Les deux premières se rattrapent avec de la technique. La troisième non : il faut juste que quelqu’un accepte de mettre son nom dessus.