Elles permettent de distinguer signal d’image, watermarking de texte, provenance signée et étiquette destinée au public.
Avant de chercher une marque, il faut préciser la question
Demander si une image « vient de l’IA » peut en réalité recouvrir plusieurs questions : un générateur a-t-il laissé un signal détectable ? Une provenance est-elle attachée au fichier ? La plateforme affiche-t-elle une mention ? Un système précis sait-il reconnaître sa propre marque ? Ces indices ne sont pas interchangeables.
L’absence d’une marque ne permet donc pas de conclure à l’absence d’IA. La marque peut ne jamais avoir été ajoutée, ou avoir été altérée par une capture d’écran, un recadrage, une recompression ou une conversion. Inversement, retrouver un signal donné ne reconstitue pas à lui seul tout l’historique de création et d’édition.
| Mécanisme | Où se trouve l’information | Ce qu’elle permet surtout de vérifier |
|---|---|---|
| Filigrane ou signal d’image | Pixels ou signal de l’image | Si une marque donnée reste observable |
| Filigrane texte d’un LLM | Motif statistique dans le choix des tokens | Si le texte porte le motif d’un procédé donné |
| Content Credentials | Manifest signé lié au fichier | Quelles informations de provenance sont vérifiables |
| Étiquette IA visible | Interface de la plateforme | Comment l’usage de l’IA est expliqué au public |
Le marquage est devenu un enjeu de transparence
À mesure que générer et retoucher devient plus simple, l’image ou le texte final raconte moins bien son propre parcours. Dans l’Union européenne, les obligations de transparence de l’article 50 de l’AI Act s’appliquent depuis le 2 août 2026. Les fournisseurs concernés doivent rendre les contenus artificiellement générés ou manipulés détectables au moyen d’un marquage lisible par machine ; des obligations de divulgation distinctes concernent notamment les deepfakes et certains textes d’intérêt public.
Cette évolution réglementaire n’a pas créé un filigrane universel. Le bon mécanisme dépend du média et de la question posée.
Dans une image, le signal est lié aux pixels
Un filigrane peut être visible — nom, logo, signature — ou intégré de manière non visible afin qu’un détecteur compatible puisse le rechercher plus tard. Sa persistance dépend du procédé et des transformations subies ensuite : recadrage, redimensionnement, recompression, capture d’écran ou retouche générative peuvent modifier son observabilité.
C’est le terrain du flux actuel de SIGNA : préparer une image compatible avant diffusion, ajouter si besoin un filigrane visible et un signal SIGNA invisible, puis examiner plus tard une image revenue pour voir si ce signal reste observable sur l’appareil. Ce n’est pas un verdict universel « IA » ou « non-IA ».
SynthID-Text agit pendant le choix des tokens
Le texte n’offre pas de pixels où cacher un motif d’image. SynthID-Text de Google DeepMind intervient dans le sampling d’un modèle autorégressif lorsqu’il choisit le token suivant. L’article publié dans Nature décrit un Tournament sampling et distingue une configuration non-distortionary, conçue pour préserver la distribution en espérance, d’une configuration distortionary qui renforce la détectabilité au prix d’un compromis sur la qualité.
En septembre 2026, Lasso Security a ajouté une question de sécurité opérationnelle. En appliquant une implémentation de SynthID-Text à plusieurs modèles ouverts, l’étude a observé que certaines décisions de refus et certains appels d’outils changeaient entre exécutions avec et sans watermark. Les auteurs parlent de « sampling drift ». Dans un agent, un token différent peut devenir un argument, un chemin ou le choix d’un outil.
Ce résultat mérite d’être étudié dans les systèmes LLM concernés, mais il ne décrit pas tous les filigranes invisibles. Un signal intégré aux pixels d’une image ne participe pas au choix du prochain token. On ne peut donc pas transposer ce sampling drift au signal d’image SIGNA.
Content Credentials relève de la provenance
C2PA Content Credentials rassemble des assertions sur la création, les modifications et d’autres éléments d’historique dans des manifests signés et liés au contenu. La validation porte sur les signatures, les bindings et un modèle de confiance. C’est une infrastructure de provenance, pas simplement la recherche d’un motif statistique caché.
Une Content Credential absente, un watermark non détecté et une étiquette IA absente d’une plateforme sont donc trois observations différentes. Chaque type d’information peut n’avoir jamais existé ou avoir été affecté différemment lors de la circulation du fichier.
L’étiquette visible s’adresse d’abord aux personnes
Les orientations de la Commission européenne et le Code of Practice 2026 distinguent le marquage lisible par machine des fournisseurs des obligations de divulgation liées aux deepfakes et à certains textes. Une étiquette peut informer immédiatement un lecteur ; un signal machine peut servir à un logiciel sans être visible ; une provenance signée peut fournir un historique plus riche.
Pas de marque ne veut pas dire « pas d’IA »
Capture d’écran, réencodage, traitement par une plateforme, suppression de métadonnées ou recours à un autre système peuvent expliquer l’absence d’une marque attendue. À l’inverse, détecter un signal propre à un système n’autorise que des conclusions correspondant à ce signal. « Détecteur d’IA » et « détecteur d’un signal connu » ne reposent pas sur le même type de preuve.
La place de SIGNA
SIGNA intervient avant le partage d’une image. Sur les flux Android pris en charge, la photo sélectionnée est traitée sur l’appareil plutôt qu’envoyée aux serveurs de SIGNA AI Lab pour ce traitement. Vous pouvez utiliser un filigrane visible pour une identification immédiate, ajouter un signal SIGNA invisible en complément, puis examiner ultérieurement les images compatibles.
SIGNA ne remplace ni SynthID-Text ni C2PA. Comprendre les frontières entre ces mécanismes permet précisément de choisir le bon outil.
Sources
Préparer l’image avant de la partager
Si votre besoin concerne la diffusion d’une photo, SIGNA permet d’associer filigrane visible et signal invisible selon le contexte, puis d’examiner plus tard les images compatibles.