filesaudit.com

09/10/2026

Comment savoir si une vidéo a été générée par une IA

La question « cette vidéo est-elle réelle ou générée par IA ? » ne relève plus du simple curieux. Journalistes confrontés à des deepfakes, juristes recevant des « preuves » vidéo contestables, modérateurs de contenus, parents inquiets : tout le monde y est confronté. La mauvaise nouvelle, c'est qu'aucune méthode unique ne donne une réponse absolue. La bonne nouvelle, c'est qu'en combinant observation visuelle, analyse des métadonnées et vérification des données de provenance, on peut obtenir des indices techniques solides — à condition de bien distinguer ce qu'on peut prouver de ce qu'on ne fait que soupçonner.

Commençons par l'observation humaine, qui reste une première ligne de défense utile, même si elle s'érode vite. Les générateurs vidéo comme Sora, Runway, Pika ou Kling produisent encore des artefacts caractéristiques : mains au nombre de doigts instable, objets qui se fondent les uns dans les autres, arrière-plans qui « respirent » ou changent subtilement d'une image à l'autre, synchronisation labiale imparfaite, reflets et ombres physiquement incohérents. Les mouvements de caméra trop fluides, presque « rêvés », sont aussi un indice classique. Méfiance toutefois : ces signes disparaissent à chaque génération de modèles. Une vidéo qui *paraît* réelle n'est pas pour autant authentique, et une vidéo authentique filmée avec un mauvais capteur peut présenter des artefacts qui la font passer, à tort, pour du contenu synthétique. L'œil nu ne suffit plus — c'est là que l'analyse technique prend le relais.

Le deuxième niveau, c'est l'examen des métadonnées du fichier. Une vidéo capturée par un appareil réel — smartphone, caméra, drone — embarque généralement une richesse d'informations : marque et modèle du capteur, paramètres d'exposition, date et heure d'enregistrement, parfois coordonnées GPS, logiciel d'encodage utilisé par le système. À l'inverse, une vidéo produite par un générateur d'IA présente souvent un profil de métadonnées anormalement pauvre ou atypique : aucun fabricant d'appareil, un champ « encoder » pointant vers un pipeline logiciel, des dates incohérentes, ou des métadonnées nettoyées lors du passage par des plateformes ou des outils de montage. Ce n'est pas une preuve en soi — un fichier légitime peut aussi avoir été réencodé et dépouillé — mais l'absence totale de trace de capteur dans une prétendue « vidéo filmée au téléphone » est un signal d'alerte sérieux. Pour comprendre concrètement tout ce qu'un conteneur vidéo peut révéler, le guide dédié aux métadonnées des fichiers MP4 détaille les champs techniques les plus parlants.

Concrètement, comment procéder sans être expert en forensique ? L'approche la plus simple consiste à déposer le fichier sur une plateforme d'analyse comme FilesAudit, qui extrait automatiquement les métadonnées techniques du conteneur (codec, durée, résolution, logiciel d'encodage, horodatages) et calcule les empreintes cryptographiques SHA-256, MD5 et CRC32 du fichier. Le rapport PDF généré documente l'état technique du fichier à un instant donné — utile si vous devez tracer votre vérification dans le cadre d'une enquête journalistique, d'un litige ou d'un audit. Si vous travaillez localement, notre article expliquant comment voir les métadonnées d'une vidéo MP4 sans installer de logiciel vous guidera pas à pas.

Le troisième niveau, le plus prometteur à terme, c'est la provenance cryptographique via la norme C2PA (Coalition for Content Provenance and Authenticity). Le principe : au moment de la création ou de la génération, le fichier est signé numériquement avec un manifeste décrivant son origine — appareil utilisé, logiciel, modifications successives. OpenAI, Google, Meta et de grands fabricants d'appareils ont commencé à intégrer ces signaux : une vidéo générée par Sora peut ainsi embarquer un manifeste C2PA indiquant explicitement qu'elle provient d'un modèle d'IA. C'est une information forte, car elle ne repose pas sur une déduction mais sur une déclaration signée du producteur du contenu. FilesAudit détecte et expose précisément ces données de provenance C2PA quand elles sont présentes dans le fichier. Limite honnête : la couverture reste inégale, le manifeste peut être supprimé lors d'un réencodage, et l'absence de C2PA ne signifie absolument pas que la vidéo est réelle. C'est un indice positif quand il existe, pas un verdict quand il manque.

Un point mérite d'être clarifié, car il est source de nombreuses erreurs d'interprétation : l'analyse technique documente des faits, elle ne rend pas de verdict. Dire « cette vidéo a été générée par IA » est une conclusion ; dire « ce fichier ne contient aucune métadonnée de capteur, présente un manifeste C2PA indiquant un outil génératif, et son empreinte SHA-256 est telle » est un constat vérifiable. C'est cette seconde formulation, rigoureuse et opposable, qui a de la valeur dans une investigation. D'ailleurs, l'empreinte cryptographique joue un autre rôle précieux : si vous recevez plusieurs versions d'une même vidéo, comparer leurs hashes permet de déterminer instantanément si elles sont bit à bit identiques ou si l'une a été modifiée — notre guide sur la comparaison de fichiers par hash explique la méthode. Pour des analyses volumineuses ou confidentielles, l'application desktop FilesAudit traite les fichiers en local, sans les envoyer sur un serveur.

En pratique, voici la démarche que nous recommandons face à une vidéo suspecte. D'abord, récupérez le fichier original si possible — une capture d'écran ou une vidéo re-téléchargée depuis un réseau social a souvent perdu ses métadonnées d'origine. Ensuite, observez le contenu en ralenti pour repérer les artefacts visuels. Puis extrayez les métadonnées complètes : cherchez le fabricant d'appareil, le logiciel d'encodage, les dates de création et de modification, et tout manifeste C2PA. Calculez le hash du fichier pour figer la preuve et permettre des comparaisons ultérieures. Enfin, croisez avec la source : qui a publié cette vidéo en premier, où, quand ? Aucun de ces éléments seul ne tranche ; c'est leur convergence qui construit un faisceau d'indices solide. Et si le doute porte sur une photo plutôt qu'une vidéo, la logique est identique — les guides sur les métadonnées JPG et PNG appliquent la même méthodologie aux images.

Restons lucides sur les limites. Un acteur motivé peut fabriquer de fausses métadonnées, supprimer un manifeste C2PA, ou filmer un écran affichant une vidéo IA pour lui donner des métadonnées de capteur authentiques — la fameuse attaque par re-capture. À l'inverse, des vidéos parfaitement réelles circulent dépouillées de toute information technique après compression par WhatsApp ou TikTok. L'analyse forensique de fichiers n'affirme donc jamais seule qu'un contenu est « vrai » ou « faux » : elle documente des éléments techniques objectifs — métadonnées, empreintes, données de provenance — qui éclairent le jugement humain et alimentent un dossier. Vous pouvez explorer d'autres cas pratiques, comme détecter si un fichier a été modifié après envoi, sur le blog FilesAudit.

En résumé : face à une vidéo potentiellement générée par IA, combinez l'observation critique, l'extraction des métadonnées, la recherche de signaux C2PA et la vérification par empreinte cryptographique. Cette démarche ne prétend pas remplacer une expertise judiciaire, mais elle fournit des éléments techniques datés, reproductibles et documentés — exactement ce qu'il faut pour étayer un article, un rapport d'audit ou une contestation. Et c'est précisément pour rendre cette démarche accessible à tous, sans compétence forensique préalable, que des outils comme FilesAudit existent.

Ready to see what's hidden in your own files? Upload a file to FilesAudit and get a free forensic metadata report in seconds — no registration required.