Alors que les journalistes et les enquêteurs spécialistes de l’OSINT disposent dorénavant d’outils d’intelligence artificielle capables de traiter des volumes considérables de contenus audiovisuels, il n’a pourtant jamais été aussi difficile de certifier l’authenticité d’une image ou d’une vidéo.

L’OSINT (Open Source Intelligence), renseignement à partir de sources ouvertes (voir La rem n°68, p.82), est une démarche qui consiste à extraire des informations du traitement de données librement accessibles. Forensic Architecture en Angleterre, Bellingcat au Pays-Bas, ou encore Witness aux États-Unis sont quelques-unes de ces organisations qui regroupent des journalistes et des enquêteurs en ligne, spécialisés dans la vérification des faits et dans le renseignement à partir de sources ouvertes. C’est l’affaire du vol MH17 en 2014 qui a révélé l’existence de Bellingcat, cette organisation non gouvernementale fondée la même année par le journaliste britannique et ancien blogueur Eliot Higgins. Le Boeing de Malaysia Airlines, connu sous le numéro du vol MH17 et abattu au-dessus du Donbass, a été identifié comme victime d’un missile russe grâce à la reconstitution, photo par photo, du trajet du lanceur depuis la Russie jusqu’à l’Ukraine – le tout à partir de publications de civils sur les réseaux sociaux, d’images de Google Street View et de données d’ombres portées, ayant permis de dater les clichés.

Or, aujourd’hui, le développement des IA génératives bouscule les fondements du renseignement à partir de sources ouvertes. Les juristes et chercheuses Georgia Edwards, Zuzanna Wojciak et Shirin Anlen, toutes trois membres de l’équipe de l’organisation Witness – spécialisée dans l’utilisation de la vidéo pour la défense des droits humains –, ont récemment publié, sur le site du Reuters Institute for the Study of Journalism de l’Université d’Oxford, un article pointant une grave contradiction : d’un côté, les modèles génératifs de nouvelle génération comme Veo 3 (Google DeepMind) ou Sora 2 (OpenAI) créent des contenus audiovisuels d’un réalisme suffisant pour brouiller les critères traditionnels d’authenticité ; de l’autre, les grands modèles de langage, désormais intégrés dans les flux de vérification, produisent des réponses probabilistes qu’aucun tiers ne saurait reproduire à l’identique en raison du côté aléatoire de l’algorithme, ce qui contredit le principe fondateur du renseignement à partir de sources ouvertes, qui impose que toute vérification soit reproduite par quiconque dispose des mêmes sources.

La discordance entre ces deux approches s’est notamment illustrée lors d’un épisode survenu à Téhéran en juin 2025. Une vidéo présentée comme l’enregistrement d’un écran de vidéosurveillance, diffusée par les médias d’État iraniens, montrait les dégâts causés par une frappe israélienne sur l’immeuble de Borhan Street, à Tajrish. Si la réalité de la frappe et des victimes civiles a été confirmée, le statut de cette vidéo est toutefois demeuré ambigu. Des fact-checkers l’ont validée par géolocalisation, tandis que des experts en détection d’IA ont identifié des artefacts numériques suspects, en particulier des flous localisés pouvant suggérer une retouche a posteriori. Ce cas illustre une complexité inédite, puisque la géolocalisation d’une vidéo, longtemps considérée comme l’ancre ultime de la vérification en renseignement à partir de sources ouvertes, établit qu’un événement a pu se produire en un lieu donné, sans toutefois garantir l’authenticité du contenu. Ainsi, les chercheuses de l’organisation Witness sont parvenues à montrer que ChatGPT ou Gemini, soumis à des images générées entièrement par intelligence artificielle imitant des caméras de vidéosurveillance, à Gaza ou encore à Times Square, certifient avec assurance leur authenticité, allant même jusqu’à préciser des coordonnées ou des éléments de contexte inventés.

En 2025, les équipes de Full Fact, autre organisation britannique de renseignement à partir de sources ouvertes, ont également révélé que Grok, le grand modèle de langage développé par Elon Musk, et Google Lens, le programme de reconnaissance d’image et de texte de Google, avaient qualifié d’authentiques des images générées par IA représentant une prétendue attaque dans un train, y ajoutant des détails contextuels comme des itinéraires et des noms de gares, pour renforcer l’illusion. Mais « les LLM ne “vérifient pas les faits” au sens traditionnel du terme ; ils génèrent des sorties probabilistes, produisant le token statistiquement le plus probable plutôt que d’évaluer la vérité factuelle. Cela peut conduire à des “hallucinations” », rappellent les chercheuses.

La fragilité de ces modèles face à la chronolocation – technique qui consiste à déterminer quand une image ou une vidéo a été prise – est tout aussi préoccupante. Soumise à une image falsifiée du supermarché de Kout, en Irak, incendié en juillet 2025, le restituant dans son état antérieur, et dotée d’un faux horodatage au 15 octobre 2025, l’IA générative de Google, Gemini, a d’abord validé la cohérence de l’heure grâce aux ombres et à l’activité de la rue, sans repérer immédiatement l’erreur flagrante concernant la destruction du bâtiment. Ce n’est qu’après avoir été explicitement interrogé sur cette incohérence que le modèle a alors évoqué l’incendie. Or, ce biais temporel constitue un puissant vecteur de désinformation, notamment dans des contextes de crise où la vérification d’images ou de vidéos doit être établie sans délai.

La chronolocation repose sur l’analyse croisée de plusieurs indices visuels : la direction et la longueur des ombres portées donnant la position du soleil, donc l’heure et la saison ; la végétation, comme le feuillage ou la floraison ; les conditions météorologiques comparées aux archives météorologiques disponibles en sources ouvertes, mais aussi des indices culturels ou commerciaux, comme une affiche publicitaire, une plaque d’immatriculation, un modèle de véhicule, qui permettront de valider ou d’invalider une fourchette temporelle. Combinée avec la géolocalisation, la chronolocation constitue ce que les enquêteurs en renseignement à partir de sources ouvertes appellent une « ancre spatio-temporelle », qui sert à confirmer qu’une image représente bien tel lieu, à telle date et à telle heure. Or, c’est précisément cette ancre spatio-temporelle que les IA génératives les plus récentes apprennent à simuler, tout en étant incapables de les détecter lorsqu’elles sont utilisées pour vérifier l’authenticité d’une image ou d’une vidéo.

Face à ces défis, les chercheuses formulent trois orientations. La première est le renforcement de la transparence documentaire, car « documenter chaque étape du processus et citer chaque source audiovisuelle de manière à ce que d’autres puissent les reproduire reste l’un des atouts majeurs » du renseignement à partir de sources ouvertes. La deuxième est la valorisation de l’expertise contextuelle de terrain. Selon les autrices, « les enquêteurs ayant une connaissance approfondie des nuances sociales, politiques et linguistiques locales sont bien mieux équipés pour détecter les manipulations de l’IA et ses échecs subtils ». Enfin, la troisième orientation vise à ce que « les praticiens de l’OSINT doivent cultiver une maîtrise de l’IA elle-même. Et pas seulement de la façon dont les modèles génératifs représentent le réalisme et manipulent les perceptions des preuves, mais aussi de la façon dont ils façonnent la confiance épistémique par leur seule échelle et leur capacité à nier de manière plausible. La vérification requiert désormais une double littératie : la maîtrise des méthodes traditionnelles en sources ouvertes et la compréhension technique des comportements, des biais et des affordances de l’IA ».

La preuve par la vidéo fonctionne encore. À Minneapolis, début 2026, des agents fédéraux de l’ICE (Immigration and Customs Enforcement) déployés dans le cadre des opérations d’expulsion massives lancées par l’administration Trump ont tué deux citoyens américains lors de raids. Des vidéos filmées par des passants et des témoins ordinaires ont très vite circulé en ligne, montrant le déroulement des faits et contredisant point par point la version officielle des agents, au point que l’administration de Donald Trump a dû annoncer le retrait des agents du Minnesota. Par la suite, un procureur fédéral a demandé l’abandon des charges dans l’une des affaires les plus médiatisées après que des vidéos ont établi sans équivoque que les déclarations des agents fédéraux étaient mensongères. Et, pour Sam Gregory, directeur exécutif de Witness, « c’est clairement une confirmation que nous pouvons encore montrer ce qui est réel avec la vidéo. Mais le fait que ce soit presque un scénario optimisé réaffirme à quel point ce moment est difficile ». Minneapolis réunissait, en effet, des conditions particulièrement favorables : une ville de taille moyenne facile à couvrir ; un déploiement fédéral massif et donc visible ; une communauté militante organisée et entraînée à filmer ; une multiplicité de sources audiovisuelles et, notamment, des caméras de surveillance, des vidéos réalisées par les passants avec leur téléphone et leur caméra embarquée. Ce qui revient à dire que la vidéo tient encore comme preuve, à partir du moment où elle est irréfutable, mais que la moindre suspicion de manipulation suffira désormais à fragiliser l’authenticité de ce qu’elle révèle.

Sources : Bellingcat, bellingcat.com/ Verify, verifymedia.com/ Witness, fr.witness.org/ Edwards Georgia, Wojciak Zuzanna, anlen shirin, « AI is undermining OSINT’s core assumptions. Here’s how journalists should adapt », Reuters Institute for the Study of Journalism,
December 12, 2025/ Homans Charles, « More than ever, videos expose the truth. and cloud it, too », The New York Times, February 15, 2026./ Witness, « It’s getting harder, but not impossible, to film, verify, and preserve a trustworthy record », blog.witness.org, February 24, 2026.