En quoi c’est différent

Il existe une douzaine de détecteurs d’images IA. La plupart fonctionnent pareil : vous envoyez votre image sur leur serveur, un modèle regarde les pixels, vous recevez un nombre. Voici ce qui se passe ici à la place — et, plus bas, là où cette approche est moins bonne.

	La plupart des détecteurs	SynthCheck
Où va votre image ?	Sur leur serveur, pour traitement	Nulle part. Elle est lue sur votre appareil
Qu’obtenez-vous ?	Un pourcentage de confiance	Les indices trouvés, classés par poids
Peut-on voir comment il décide ?	Non — le modèle leur appartient	Oui. Tout est public, et c’est le code que votre navigateur exécute
Content Credentials signés	Lus et répétés, ou confiés à un service qui les téléverse	Signature et lien à l’image vérifiés sur votre appareil
Coût et limites	Quelques vérifications gratuites par jour, puis un abonnement	Gratuit, sans compte, sans limite — rien n’est traité chez nous qu’il faudrait financer
Fonctionne sans internet ?	Non	Oui, et c’est la preuve la plus simple que rien n’est envoyé

Là où un classifieur fait mieux

Un détecteur par apprentissage regarde les pixels. Pas nous. Sur une image entièrement nettoyée — capture d’écran, republiée, réenregistrée — un bon classifieur peut encore voir dans l’image des traces que nous n’avons aucun moyen de lire. Nous nous rabattons sur la forme du fichier, ce qui attrape beaucoup, mais pas tout. Si la réponse ici est « impossible à dire », un outil basé sur les pixels est un second avis raisonnable. Nous préférons le dire plutôt que faire comme si cet écart n’existait pas.

Pourquoi il n’y a pas de pourcentage

Un nombre ressemble à une réponse, et c’est précisément le problème. Le même détecteur qui dépasse les quatre-vingt-dix pour cent sur un jeu de test facile tombe vers le pile ou face face à des images conçues pour paraître authentiques — et le nombre affiché est identique dans les deux cas. Les indices n’ont pas ce défaut : vous voyez ce qui a été trouvé, et vous voyez quand rien ne l’a été.