Le nouveau filigrane IA de Meta échoue déjà aux tests basiques

Points clés

• Meta a lancé Content Seal en juillet 2025, un filigrane invisible appliqué uniquement aux images créées par son nouveau générateur d'images Muse.
• Reuters a testé Content Seal en 2025 et a constaté qu'il n'a pas réussi à détecter plus de la moitié des images générées par Muse après qu'elles aient été recadrées.
• Lorsqu'une image de test a été alimentée dans l'assistant IA Gemini de Google et le portail officiel de détection C2PA, aucun outil n'a confirmé que l'image était générée par IA.
• Meta propose des outils de génération d'images IA depuis 2023, ce qui signifie que des années de résultats ne peuvent pas être identifiés par son nouveau système.
• La technologie de filigrane SynthID de Google a déjà été adoptée par OpenAI, mais Meta a choisi de construire un système séparé et incompatible à la place.

Meta, la société à l'origine de Facebook et Instagram, a annoncé discrètement un nouvel outil en juillet appelé Content Seal. L'idée est simple : chaque image créée par le générateur d'images IA de Meta, Muse, reçoit un tampon invisible intégré à l'image. Vous ne pouvez pas le voir, mais un outil de détection peut le lire et vous dire que l'image a été créée par l'IA.

Le filigrane invisible n'est pas nouveau. Google exécute déjà un système appelé SynthID qui fonctionne de la même manière, et OpenAI l'utilise aussi. Une norme industrielle distincte appelée C2PA Content Credentials, qui est une sorte de certificat numérique d'origine qui accompagne un fichier image, existe également et Meta siège déjà au comité directeur qui la promeut.

Alors pourquoi construire encore un autre système à partir de zéro ?

Meta n'a pas donné de réponse claire. Ce qu'elle a fourni, c'est un outil présentant certaines lacunes notables.

Actuellement, Content Seal ne couvre que les images de Muse. Il ne couvre pas les vidéos. Il ne couvre rien créé avec les anciens outils IA de Meta, qui générent des images depuis 2023. L'outil de détection est un site web séparé que les utilisateurs doivent visiter de leur propre chef. Il n'est pas intégré à Meta AI, le chatbot de l'entreprise, comme la détection de Google l'est dans Gemini.

Meta limite également le nombre de fois par jour où quelqu'un peut vérifier les images. Cette limite quotidienne est compréhensible d'un point de vue sécuritaire, mais elle va à l'encontre de l'objectif de faciliter la détection à grande échelle. C2PA n'a pas de limite de ce type.

Le problème le plus important est la compatibilité. Lorsque The Verge a effectué un test pratique et alimenté une image générée par Muse dans Gemini de Google et le portail officiel de vérification C2PA, aucun outil ne l'a marquée comme créée par l'IA. Content Seal, pour l'instant, ne communique essentiellement qu'avec lui-même.

La porte-parole de Meta, Faith Eischen, a déclaré à The Verge que l'entreprise « explore les moyens de rapprocher la détection des endroits où les gens rencontrent du contenu généré par l'IA » et est « déterminée à travailler avec les pairs de l'industrie ». Ce langage indique que le travail n'est pas terminé.

Reuters a découvert que la performance du système dans le monde réel était encore plus faible : Content Seal n'a pas réussi à identifier plus de la moitié des images générées par Muse une fois qu'elles ont été recadrées. Le recadrage est l'une des retouches les plus basiques que quiconque fait à une photo.

Les utilisateurs ordinaires devraient-ils faire confiance à Content Seal pour les protéger ?

Pas encore, et pas à lui seul. Le système est trop étroit dans ce qu'il couvre, trop isolé des outils utilisés par d'autres entreprises, et trop facile à contourner avec un simple recadrage.

Si vous voyez une image sur Facebook ou Instagram avec un label « IA », ce label peut provenir de signaux de métadonnées plutôt que de Content Seal seul. Sur d'autres plateformes, les images générées par Muse peuvent ne porter aucun label.

À surveiller :

• Un label IA sur une publication ne signifie pas que chaque image créée par l'IA a été détectée. L'absence de label ne prouve pas qu'une image est réelle.
• La recherche d'image inversée dans Google ou sur un site de vérification des faits dédié reste votre vérification initiale la plus fiable.
• Les images recadrées ou redimensionnées sont plus difficiles à lire pour tout système de filigrane, traitez donc les images fortement retouchées avec un scepticisme supplémentaire.

Les chercheurs de Reuters et l'équipe de The Verge AI sont ceux qui ont mis en évidence ces lacunes. Crédit où le crédit est dû.