Vérifier une information avec l'IA

La désinformation numérique est devenue une menace systémique dans notre environnement informationnel. Chaque jour, des millions de contenus circulent sur les réseaux sociaux, les messageries et les sites web, sans que leur véracité soit systématiquement établie. Avec l’essor des outils d’intelligence artificielle capables de générer du texte, des images ou des vidéos réalistes, le risque de diffusion de fausses informations a considérablement augmenté. Comprendre les formes que prend la désinformation et savoir les identifier est une compétence essentielle pour tout citoyen numérique. Les formes de désinformation sont nombreuses et varient selon leurs objectifs. Les fausses nouvelles (ou "fake news") sont des récits inventés de toutes pièces, souvent conçus pour imiter des médias légitimes. Par exemple, en 2016, une fausse information affirmant que le pape François avait soutenu Donald Trump a été partagée plus de 900 000 fois sur Facebook. Les canulars, quant à eux, sont des contenus humoristiques ou satiriques qui peuvent être mal interprétés comme véridiques. Le site The Onion publie régulièrement des articles fictifs à caractère satirique, mais certains lecteurs les prennent au sérieux et les partagent comme de l’information réelle. Les rumeurs virales, souvent diffusées via WhatsApp ou Telegram, se propagent rapidement sans vérification. Pendant la pandémie de COVID-19, une rumeur affirmant que boire de l’alcool protégeait du virus a conduit à des intoxications mortelles dans plusieurs pays, selon l’OMS. Un contenu suspect présente souvent des signes récurrents. Le recours à des émotions fortes — peur, colère, indignation — est une tactique courante pour susciter le partage immédiat sans vérification. Un message WhatsApp affirmant qu’un réseau de trafiquants d’organes opère dans une ville précise, accompagné d’un appel à la vigilance, exploite la peur pour maximiser sa diffusion. L’anonymat du diffuseur est un autre indicateur : si l’auteur n’est pas identifié ou si le site d’origine ne mentionne pas d’équipe éditoriale, cela doit alerter. Enfin, l’absence de sources vérifiables ou de liens vers des données objectives rend impossible la confirmation de l’information. Par exemple, un article affirmant qu’un médicament est interdit dans plusieurs pays sans citer d’agence de santé officielle doit être considéré comme douteux. L’impact de la désinformation va bien au-delà du simple partage d’erreur. Il peut altérer les décisions individuelles : des personnes ont refusé des vaccins efficaces en raison de fausses informations sur leurs effets secondaires. Il fragilise la confiance dans les institutions : une étude de l’Université de Stanford (2020) a montré que l’exposition répétée à des contenus conspirationnistes diminue la confiance dans les médias et les gouvernements. À l’échelle sociétale, la désinformation peut perturber les élections, comme observé lors des élections américaines de 2016 ou des européennes de 2019, où des campagnes coordonnées ont diffusé des contenus mensongers via des comptes automatisés. Elle peut même entraîner des violences : en Inde, des rumeurs diffusées sur WhatsApp ont provoqué des lynchages mortels en 2018.

Arrêter, investiguer, croiser, tracer : ce sont les piliers de la méthode SIFT, un outil de vérification d'information conçu par le chercheur Mike Caulfield et largement validé par la communauté des médias et de l’éducation. Dans un environnement numérique saturé, où l’information circule plus vite que sa vérification, maîtriser cette méthode est une compétence essentielle pour distinguer le vrai du faux. Contrairement à une lecture superficielle, SIFT vous invite à agir rapidement et stratégiquement face à un contenu douteux. La première étape, « Stop », consiste à prendre du recul avant de réagir ou de partager. Si une information suscite une forte émotion — colère, peur, enthousiasme — c’est souvent un signal d’alerte. Par exemple, une vidéo montrant des manifestations violentes accompagnée d’un commentaire alarmiste peut être manipulée. Avant toute chose, demandez-vous : « Est-ce que je connais cette source ? Est-ce que j’ai vérifié l’origine ? » Le simple fait de suspendre le partage vous place déjà en position de vérificateur. Ensuite, « Investigate the source » : recherchez qui se cache derrière le site ou le compte. Une recherche rapide sur Google avec le nom du site (par exemple, “Journal X avis fiabilité”) permet souvent de découvrir s’il s’agit d’un média sérieux, d’un site parodique ou d’un faux site d’information. Prenons le cas du site “Infowars” : une recherche rapide montre qu’il a été banni de plusieurs plateformes pour diffusion de désinformation, notamment lors des élections américaines 2020. Ce type de vérification, simple mais cruciale, s’appuie sur des données publiques et vérifiables. Troisièmement, « Find better coverage » : cherchez une couverture plus fiable de l’événement. Utilisez les opérateurs avancés de Google pour affiner vos recherches. Par exemple, la requête `"manifestations Paris" site:lemonde.fr` vous renvoie uniquement des résultats du *Monde* sur le sujet. L’opérateur `site:` limite les résultats à un domaine fiable, tandis que les guillemets permettent de chercher une expression exacte. Si plusieurs médias réputés comme *France Info*, *AFP* ou *Reuters* rapportent la même information, la probabilité de fiabilité augmente considérablement. Enfin, « Trace the claim to the original context ». Beaucoup de désinformation provient de la décontextualisation : une image ancienne utilisée pour un événement récent, un extrait de discours tronqué. Utilisez la recherche d’image inversée (Google Images ou TinEye) pour retrouver l’origine d’un visuel. Par exemple, une photo d’un ouragan attribuée à une catastrophe récente peut en réalité dater de 2017. Cette étape est fondamentale pour éviter la propagation de preuves visuelles fallacieuses.

L’essor des technologies d’intelligence artificielle a transformé la manière dont circulent les informations numériques. Si l’IA peut être utilisée pour générer de la désinformation — comme les deepfakes ou les textes rédigés par des bots — elle peut aussi devenir un allié puissant pour la vérification. Dans cette section, vous découvrirez comment exploiter des outils d’IA pour détecter les manipulations visuelles, analyser la crédibilité des contenus textuels et identifier les vidéos truquées. Ces outils ne remplacent pas le jugement critique, mais ils renforcent considérablement vos capacités de vérification. Pour détecter les images manipulées, commencez par les outils de recherche d’image inversée. Google Images et TinEye permettent d’uploader une image ou d’en coller l’URL pour trouver ses occurrences ailleurs sur le web. Si une photo circule avec des légendes contradictoires ou apparaît pour la première fois sur un site douteux, cela peut indiquer une manipulation. Pour aller plus loin, Forensically est un outil en ligne qui analyse les traces numériques d’une image : il détecte les duplications de zones (signe de copier-coller interne), les modifications de compression ou les ajustements de contraste suspects. Par exemple, lors de la crise des migrants à la frontière polonaise en 2021, une photo largement partagée montrant des enfants gelés a été démasquée comme ancienne grâce à TinEye : elle datait de 2015 et provenait d’un tout autre contexte. L’analyse de la crédibilité d’un texte peut désormais être assistée par l’IA. Des outils comme ClaimBuster, développé par l’Université du Texas, identifient automatiquement les affirmations factuelles dans un discours ou un article, en les classant selon leur potentiel de vérification. Il ne dit pas si l’affirmation est vraie, mais repère celles qui méritent d’être investiguées. Factmata, quant à lui, évalue le ton et la partialité d’un article en analysant son langage : il détecte les biais émotionnels, la désinformation implicite ou les sources non fiables citées. Ces outils sont utilisés par des journalistes de Reuters ou de la BBC pour trier rapidement des flux d’information. Par exemple, lors d’un débat politique, ClaimBuster a permis d’extraire en temps réel les déclarations chiffrées pour les soumettre à une vérification factuelle immédiate. Enfin, pour les vidéos manipulées, notamment les deepfakes, des solutions spécialisées émergent. Microsoft Video Authenticator analyse une vidéo en temps réel et détecte des artefacts invisibles à l’œil nu, comme des incohérences de lumière entre le fond et le visage, ou des anomalies de battement de paupières. Il attribue un score de confiance à chaque frame, indiquant la probabilité d’une manipulation. Cet outil a été utilisé lors de l’élection présidentielle américaine de 2020 pour surveiller les contenus audiovisuels suspects. Un autre exemple concret : en 2020, une vidéo truquée du président français Emmanuel Macron a circulé sur les réseaux, mais des experts l’ont rapidement identifiée comme un deepfake grâce à des outils d’analyse biométrique.

Analyser une information avant de la partager n’est plus une option : c’est une responsabilité numérique. Chaque jour, des fausses informations circulent à grande échelle, amplifiées par des algorithmes et des émotions. Cette section vous montre comment appliquer concrètement les méthodes vues précédemment, en combinant l’intelligence humaine et les outils d’intelligence artificielle. À travers des cas réels, vous verrez comment désamorcer une rumeur en quelques minutes, et comment intégrer ces réflexes dans votre usage quotidien du numérique. Prenons un cas concret survenu en 2023 : une vidéo largement partagée sur les réseaux sociaux montrait un ouragan dévastant une ville européenne. Le ton était alarmiste, les commentaires appelaient à la solidarité. En appliquant la méthode SIFT, la première étape est de s’arrêter (Stop) et d’observer : la vidéo n’est pas accompagnée d’un cadre clair (date, lieu) ni de source officielle. Ensuite, on Investigate la source : une recherche inverse d’image via Google Images révèle que la séquence provient d’un film catastrophe de 2012. Un outil comme Microsoft Video Authenticator aurait pu détecter des anomalies de pixels ou de profondeur, typiques des montages vidéo. Enfin, on Trace l’information : aucun média fiable (AFP, France Info, Le Monde) ne mentionne cet événement. Conclusion : la vidéo est un canular, rapidement démonté grâce à une vérification croisée et à des outils d’IA. Un autre exemple : un texte affirmant qu’un vaccin aurait causé des décès massifs en Afrique, attribué à l’OMS. Le ton est alarmant, mais aucune citation directe ou lien vers un rapport officiel n’est fourni. En utilisant un outil comme ClaimBuster, on constate que l’assertion est hautement polémique mais non étayée. Une recherche avancée sur le site de l’OMS avec l’opérateur "site:who.int" ne retourne aucun résultat correspondant. Factmata, quant à lui, classe le texte comme à risque élevé de désinformation en raison de son langage émotionnel et de ses généralisations. Croiser ces résultats permet de conclure à une rumeur infondée. Intégrer une routine de vérification ne prend que 30 à 60 secondes. Avant de partager, posez-vous trois questions : qui est l’auteur ? d’où vient cette information ? est-elle confirmée ailleurs ? Utilisez systématiquement une recherche d’image inversée pour les visuels, et un outil comme InVID (gratuit) pour vérifier l’authenticité d’une vidéo. En cas de doute, abstenez-vous de partager. Ces gestes simples brisent la chaîne de la désinformation. Enfin, ces compétences ne doivent pas rester individuelles. Expliquez à vos proches comment vérifier une image avec Google Images. Montrez-leur comment un deepfake peut paraître réaliste mais être détecté par IA. Partagez des ressources comme le décodeur de l’AFP ou le site Décodex de Le Monde. Former son entourage multiplie l’impact de votre vigilance.