Visages créés par IA : cette aptitude très rare permet de ne jamais se faire piéger… et ce n’est pas le QI

Alors que les deepfakes se multiplient, une équipe de chercheurs aux États-Unis a identifié une faculté visuelle étonnamment rare.

Aux États-Unis, des psychologues de la Vanderbilt University viennent de montrer, dans une étude relayée notamment par le site spécialisé NeuroSciences.com, que seuls certains profils parviennent vraiment à repérer les visages générés par IA. Leur secret ne tient ni au QI, ni au niveau en informatique, mais à une compétence visuelle bien particulière.

Une capacité visuelle inconnue du grand public, loin du QI

L’étude, publiée dans la revue Journal of Experimental Psychology: General, part d’un constat devenu familier : sur les réseaux sociaux, des portraits hyper réalistes circulent en continu, mêlant vrais visages et images synthétiques. Beaucoup d’internautes ont le sentiment de ne plus pouvoir distinguer l’un de l’autre.

Les chercheurs de la Vanderbilt University ont voulu vérifier si cette impression d’impuissance était réelle, ou si certaines personnes restaient capables de trancher avec précision. Leur réponse est nette : la population se répartit en plusieurs groupes, du très faible au très performant.

Selon l’équipe de recherche, la capacité à repérer un visage généré par IA dépend surtout d’une aptitude générale de reconnaissance des objets, très inégalement distribuée.

Isabel Gauthier, psychologue à la Vanderbilt University, résume dans le communiqué relayé par l’université : certains ne voient presque jamais la différence, d’autres s’en sortent très bien, et un troisième groupe se situe entre les deux. L’idée d’une incapacité générale serait donc trompeuse.

Reconnaissance d’objets : le vrai « super pouvoir » face aux visages générés

Pour comprendre ces écarts, l’équipe s’est appuyée sur un concept déjà documenté en psychologie cognitive : l’aptitude générale de reconnaissance des objets. Il ne s’agit pas de reconnaître des objets familiers au quotidien, mais de distinguer des éléments visuellement très proches les uns des autres.

Cette aptitude intervient dans de nombreux domaines :

• analyse de radios médicales pour repérer des nodules pulmonaires ;
• identification de cellules cancéreuses au microscope ;
• lecture détaillée de partitions musicales ;
• distinction fine entre modèles d’un même type d’objet (voitures, oiseaux, outils, etc.).

Les chercheurs constatent que les personnes qui possèdent de fortes capacités de reconnaissance d’objets dominent systématiquement dans la détection des visages générés par IA. Leurs performances restent stables lorsqu’on les teste à nouveau, ce qui suggère un trait relativement constant, et non un simple coup de chance.

Les auteurs de l’étude soulignent que l’aptitude de reconnaissance d’objets prédit mieux les résultats au test que l’intelligence générale, l’expérience avec l’IA ou même la familiarité avec les visages.

Autrement dit, savoir bien lire une image dans son ensemble, comparer des détails subtils, repérer des incohérences entre les éléments du visage compterait davantage que la culture numérique ou le niveau d’études.

AI Face Test : comment les chercheurs mesurent ce talent caché

Pour évaluer cette faculté, l’équipe a mis au point un protocole spécifique, l’AI Face Test. Le principe : présenter une longue série de visages, certains appartenant à de vraies personnes, d’autres générés par des modèles d’images basés sur l’IA.

À chaque image, les participants doivent décider rapidement : visage réel ou visage créé par IA. Les chercheurs ne se sont pas seulement intéressés au score brut, mais à la façon dont ces performances se relient à d’autres aptitudes visuelles.

Isabel Gauthier explique dans le communiqué de la Vanderbilt University que l’objectif était de comparer les individus entre eux, puis de voir si l’on pouvait prédire leur réussite grâce à des tests indépendants de reconnaissance d’objets. C’est ce lien qui ressort le plus nettement de leurs analyses.

L’AI Face Test montre qu’une même personne garde un niveau de performance assez stable dans le temps, ce qui renforce l’idée d’un trait cognitif relativement durable.

Les chercheurs ont également examiné d’autres facteurs potentiels : intelligence générale, pratique de l’informatique, familiarité avec les outils d’IA, compétences spécifiques de reconnaissance des visages. Aucun de ces éléments ne suffit à expliquer les écarts observés.

Un talent utile contre les deepfakes et la désinformation visuelle

Cette aptitude rare ne relève donc pas d’un simple « bon sens numérique », mais d’un type particulier de perception visuelle. Dans un contexte de deepfakes, où les images truquées peuvent manipuler l’opinion, ce constat intéresse directement les acteurs de la lutte contre la désinformation.

Les auteurs de l’étude avancent plusieurs pistes d’application :

• sélectionner des personnes particulièrement performantes pour valider des images sensibles (journalisme, justice, sécurité) ;
• constituer des panels d’experts visuels pour tester la crédibilité d’images avant leur diffusion ;
• affiner les jeux de données qui servent à entraîner les modèles d’IA en s’appuyant sur les retours des meilleurs détecteurs humains.

Face à des visages créés par IA toujours plus convaincants, les chercheurs rappellent que le regard humain garde un rôle stratégique, même si tout le monde ne dispose pas du même niveau de compétence.

Cette répartition inégale pose aussi une question pratique : comment protéger les personnes moins douées pour repérer les images trompeuses ? L’étude ne propose pas de solution directe, mais son existence alimente le débat sur l’éducation aux images numériques et sur la nécessité d’outils automatiques d’alerte.

Et en France, qui protège les internautes des faux visages générés par IA ?

En France, le problème des images créées par IA et des deepfakes concerne à la fois les autorités publiques, les plateformes et les médias. Plusieurs acteurs suivent le sujet :

• l’Autorité de régulation de la communication audiovisuelle et numérique (Arcom) s’intéresse aux contenus trompeurs diffusés en ligne ;
• la Commission nationale de l’informatique et des libertés (CNIL) veille à la protection des données, y compris lorsqu’il est question d’images de personnes ;
• les médias et agences de presse développent des cellules de vérification d’images, souvent appuyées sur des outils d’analyse automatique.

La recherche française en sciences cognitives et en vision par ordinateur travaille également sur la détection des deepfakes, mais les travaux restent pour l’instant largement techniques. Le type de test imaginé par la Vanderbilt University ouvre une piste complémentaire : repérer et mobiliser, au sein de la population, les personnes naturellement plus performantes dans ces tâches de discrimination visuelle.

Pour le grand public, en France comme ailleurs, la vigilance passe surtout par des réflexes de vérification : se méfier des images trop parfaites, croiser les sources, et chercher les indices contextuels (date, lieu, présence d’autres témoins). Ces stratégies ne remplacent pas l’aptitude de reconnaissance d’objets mise en avant par l’étude, mais elles peuvent limiter l’impact des manipulations visuelles sur les personnes moins douées pour ce type de détection.

Comment mieux comprendre cette aptitude rare de reconnaissance d’objets ?

La « reconnaissance d’objets » mentionnée par les chercheurs désigne une compétence cognitive large : la capacité à comparer rapidement des formes, des textures, des orientations, et à repérer des anomalies dans une scène visuelle. Cette aptitude peut se manifester dans la vie quotidienne sans que la personne en ait conscience.

Quelques exemples concrets :

Dans le cas des visages générés par IA, cette aptitude permettrait de détecter des incohérences microscopiques mais significatives : proportions légèrement atypiques, texture de peau uniforme de façon inhabituelle, reflets dans les yeux peu crédibles, fusion maladroite d’éléments d’arrière-plan.

Les chercheurs soulignent enfin que cette capacité apparaît assez stable dans le temps, ce qui laisse penser qu’elle repose sur une combinaison de facteurs : dispositions individuelles, apprentissages visuels accumulés, expérience professionnelle spécifique. Elle ne se confond pas avec le QI et ne se résume pas à « être bon avec la technologie ».