Pangram signale un coin de l’image. Que peut en faire une rédaction ?

Un lecteur envoie une vidéo de douze secondes montrant un carrefour inondé. Le début paraît filmé depuis une voiture. À la fin, de l’eau jaillit d’une boutique. C’est ce moment que l’expéditeur souhaite voir publié. Par où commencer ? Vous pourriez analyser toute la vidéo à la recherche de contenu synthétique. Il vous faut surtout savoir quelles images confronter à d’autres éléments.

Le 4 novembre 2026, Pangram, société de détection de contenus générés par l’IA, a lancé Pangram Image 1.0 et Image Flash 1.0. Son modèle principal produit une carte de chaleur qui signale les zones associées à du contenu généré. Flash, plus rapide, analyse les vidéos importées sur plusieurs images pour montrer où le résultat change. La version étend également l’API de Pangram aux images et vidéos et ajoute la détection d’images à l’extension Chrome. Notes de publication de Pangram

Une carte de chaleur fonctionne comme un surligneur. Elle attire l’attention sur une enseigne, un coin de ciel ou quelques secondes de vidéo. La rédaction doit encore établir qui a fourni le fichier, comment il a circulé et si son affirmation tient. Ces questions comptent particulièrement lorsqu’un résultat peut retarder la couverture d’un événement ou nuire à une réputation.

Photo d’illustration du carrefour de 5th Street et Guadalupe Street à Austin, prise le 20 février 2021. Photo de Jno.skinner, recadrée et redimensionnée sous CC BY-SA 4.0. Photo originale

Illustration originale de Telli.sh. Un détecteur peut réduire le champ de recherche. Des vérifications indépendantes déterminent le poids à donner au résultat.

La carte de chaleur aide à demander les bons éléments

Supposons que le carrefour soit vraiment inondé, mais qu’un logo dans la vidéo présente un flou évoquant une retouche. La personne chargée de vérifier peut demander la vidéo originale et une photo prise au même moment, sous le même angle. La zone marquée aide à décrire ce qu’il faut regarder. La comparaison doit aussi tenir compte des ombres, du flou de mouvement, de la stabilisation, du recadrage et des éventuelles modifications à l’envoi.

Pangram illustre ses cartes avec une photographie qui contient une image générée. Cet exemple montre qu’une photo peut mêler des contenus d’origines différentes. Un montage clairement signalé peut être légitime. La question pratique est de savoir si la modification change l’affirmation factuelle portée par l’image. Masquer le visage d’un passant pour protéger sa vie privée et ajouter une foule à une scène vide sont deux décisions éditoriales différentes. Exemple officiel de carte de chaleur

Le fichier original pèse davantage que l’intensité de la couleur. La version partagée dans un groupe de discussion peut être plus petite et avoir perdu ses métadonnées. Demandez l’export intact de la caméra ou la plus ancienne version disponible. Gardez-le à part des captures, recadrages et republications. Pour chaque dérivé, consignez sa provenance et sa méthode de création. Si un signal n’apparaît qu’après un redimensionnement par la plateforme, notez cette divergence dans le dossier.

Pangram a réduit la taille minimale des entrées de 512 × 512 à 256 × 256 pixels. Selon l’annonce, le service affiche un avertissement de confiance réduite sous l’ancien seuil de 512 pixels. Une petite vignette peut aider à retrouver une meilleure copie ou le compte source. Si c’est la seule version disponible, joignez l’avertissement à toute décision fondée sur ce résultat. Modification de la taille d’entrée

Une vidéo peut changer de nature au montage

Prenons douze secondes montées pour les réseaux sociaux. Le début montre l’approche d’un bâtiment, un plan large en montre l’entrée et le dernier plan montre de l’eau à l’intérieur. Chaque segment peut avoir sa propre source et le montage peut précéder votre réception. Une analyse image par image permet de rejoindre une transition, de comparer les images qui l’entourent et de demander si le plan intérieur figurait déjà dans la première version.

Utilisez les instants signalés comme repères temporels. Regardez la séquence à vitesse normale, puis image par image. Cherchez d’abord des changements ordinaires de montage, comme une coupe, un fondu, un titre, une capture d’écran ou l’insertion d’une deuxième vidéo. Rattachez ensuite le segment contesté au lieu et à l’heure de l’événement. Un signal visuel frappant gagne en valeur quand une enseigne, une façade, la météo ou un autre enregistrement étaye la piste indépendamment.

Un cas prête facilement à confusion. Une vidéo authentique peut comporter une vignette générée automatiquement, une voix doublée et un bandeau de texte. Ces trois modifications peuvent sembler évidentes à la personne qui les a ajoutées et manquer dans l’original. L’outil examine le contenu visuel qu’il reçoit. Le son original, l’identité de l’auteur, la date et la fidélité de la vignette méritent des contrôles séparés.

Le cas inverse compte autant. Une vidéo authentique vieille de trois ans peut passer un contrôle de contenu synthétique et être présentée comme un événement actuel. Une photo réelle republiée avec un lieu erroné pose un problème de provenance, même si chaque pixel vient d’un appareil photo. La recherche inversée, les archives d’événements et la plus ancienne publication connue restent utiles dès que la légende doit être exacte. Un processus limité à un détecteur laisse ici une lacune.

Un résultat fournisseur demande un dénominateur et un taux de base

Pour son test d’images, Pangram dit avoir pris 100 photos réelles et généré 1 200 équivalents synthétiques à l’aide de douze générateurs. L’annonce rapporte une exactitude agrégée de 99,96 % sans détailler le mode d’agrégation. Pour la vidéo, l’entreprise a utilisé 129 clips réels issus des réseaux sociaux et 1 400 clips synthétiques de quatorze générateurs. La première image réelle et une description du mouvement initial ont servi à conditionner la génération pour rapprocher les sujets. Pangram rapporte ces tests pour son lancement du 4 novembre. Ils permettent de comparer les résultats dans ce protocole. Évaluations d’images et de vidéos de Pangram

Pourquoi rapprocher les contenus ? Si chaque vidéo réelle était une interview locale et chaque vidéo générée un paysage imaginaire, un système pourrait exploiter le thème. Faire correspondre la scène, le sujet ou la première image réduit ce raccourci. La répartition des contenus continue de compter. Une file d’annonces de location contiendra des intérieurs, des photos republiées, des filigranes et d’anciennes annonces dans d’autres proportions. Le seuil de contrôle devrait venir d’exemples représentatifs de la file réelle.

Pangram rapporte aussi 98,7 % pour Flash sur DF26. DF26 est un benchmark de recherche distinct consacré aux vidéos de personnes qui parlent face caméra. Ses auteurs décrivent des vidéos synthétiques et authentiques et évaluent les performances humaines et celles des détecteurs. Distinguez le benchmark des chercheurs du score qu’y rapporte Pangram. Un résultat sur des visages parlant face caméra ne donne aucun taux mesuré pour les captures d’écran, les visites immobilières ou la vidéosurveillance. Prépublication DF26 · Résultat Flash de Pangram

Même un bon détecteur demande une deuxième étape convenue. Imaginez une file de 1 000 fichiers, dont dix contiennent des modifications synthétiques pertinentes. Un détecteur fictif en signale neuf et signale aussi 1 % des 990 autres. L’équipe reçoit environ 19 alertes, dont une dizaine pour des fichiers qui ne contiennent pas les retouches recherchées. C’est un exemple distinct de l’exactitude annoncée par Pangram. Il montre pourquoi la proportion de vrais problèmes change la valeur d’un signal.

Illustration originale de Telli.sh. Les taux de cet exemple montrent qu’un faible taux apparent de faux positifs peut engendrer de nombreuses fausses alertes.

Constituer une file de vérification dont les décisions sont explicables

Une erreur n’a pas le même coût sur une place de marché et dans une rédaction. La rédaction peut retenir une image contestée et demander une meilleure copie. La place de marché peut prendre une mesure qui touche le compte d’un vendeur. Une équipe peut tester séparément trois groupes étiquetés : des originaux vérifiés, des exemples volontairement générés et des images authentiques redimensionnées, compressées ou modifiées. Incluez des cas difficiles comme les tirages numérisés, les photos de nuit au téléphone et les images avec incrustations.

Consignez les erreurs comme des événements concrets. Comptez les fichiers signalés qui sont ouverts, les contrôles qui trouvent un élément indépendant exploitable et les originaux vérifiés transmis à tort pour examen. Mesurez aussi le temps passé. Cherchez les erreurs concentrées sur un type de prise de vue, comme le mode nuit d’une famille de téléphones. Un score global peut masquer un processus apparemment efficace qui pénalise régulièrement les mêmes personnes.

Les personnes concernées doivent comprendre quelles preuves elles peuvent apporter. Une vendeuse peut envoyer l’original de l’appareil ou montrer l’article sous un deuxième angle. Un auteur peut transmettre l’historique de publication ou la licence. Cette réponse sert à résoudre un désaccord factuel précis. Un score peut motiver une recherche supplémentaire. Une mesure sur le compte doit suivre les règles et la procédure de contrôle de la place de marché.

Vérifiez si le système peut retrouver le fichier et le modèle à l’origine d’un résultat. Plusieurs exports d’une même scène méritent des traces distinctes, tout comme des résultats obtenus à différentes dates. Une mise à jour du détecteur peut déplacer les cas proches du seuil. Conservez l’original et le dossier assez longtemps pour traiter un recours selon la politique de conservation, puis supprimez ce qu’elle ne demande plus.

Mener un petit pilote avant d’automatiser la réception

1. Choisir une décision précise. Définissez une action, par exemple quelles informations publiques méritent une deuxième source. Séparez-la de la décision finale de publier, de retirer ou de sanctionner.
2. Réunir des exemples connus. Commencez par quelques originaux détenus ou autorisés. Ajoutez si nécessaire une copie réencodée et une variante dont la génération ou la retouche est connue. Incluez les dimensions à l’envoi et l’événement ou le sujet revendiqué.
3. Vérifier la voie d’accès au service. Pangram propose l’envoi via navigateur, une extension Chrome et une API. Utilisez la voie autorisée par votre organisation pour ces fichiers. Vérifiez les conditions d’accès et de conservation avant d’envoyer du contenu privé ou sensible.
4. Examiner les zones et les repères temporels. Fournissez la version source et les éléments nécessaires à la corroboration. Faites vérifier un segment contesté par une deuxième personne lorsque l’enjeu le justifie.
5. Mesurer la décision retenue. Comparez le temps de contrôle, les suites utiles et les transmissions injustifiées à votre processus habituel. Automatisez une fois que vous pouvez expliquer ce qu’un signal change dans le parcours.

Si le fichier contient un Content Credential, vérifiez ce que le document signé atteste. C2PA définit un format pour des déclarations vérifiables sur les médias et leur historique d’édition. Chacune a un émetteur et une portée. Un document vérifié donne à examiner des faits précis. Son absence peut simplement indiquer que la chaîne de capture ou de partage ne l’a pas conservé. Le document, le récit de la source et le résultat du détecteur constituent trois éléments distincts d’un même dossier. Spécifications C2PA

Le point d’escalade fait la différence. Une rédaction peut attendre une deuxième source. Une place de marché peut demander une nouvelle image montrant l’article. Dans les deux cas, nommez la preuve manquante et donnez à la personne responsable un moyen de l’obtenir. Un résultat qui indique où regarder est plus utile lorsque la suite est définie avant que la file se remplisse.

La meilleure alerte débouche sur une meilleure question

Une alerte utile donne une prochaine action concrète. Une rédaction peut demander l’image originale à la neuvième seconde. Une personne chargée d’une annonce peut comparer le recadrage de la boutique à une autre photo du même auteur. Le verdict repose toujours sur les preuves pertinentes pour l’affirmation en question. Quand une carte de chaleur améliore les questions posées, sa contribution reste visible même si le premier signal se révèle erroné.

Sources

• Annonce de Pangram Image 1.0 et Image Flash 1.0, 4 novembre 2026
• Prépublication et benchmark DF26
• FAQ de Pangram sur la confidentialité des données
• Spécifications techniques de C2PA
• Photo d’illustration à Austin par Jno.skinner, CC BY-SA 4.0

---

Pour retrouver les discussions et les décisions concernant les sources de votre travail, créez un compte Telli.sh.