01Vérification d’images
Fileverity soumet chaque image à plusieurs analyses indépendantes et en tire une conclusion unique, preuves à l’appui, sur laquelle votre équipe peut agir.
01Inspection
Déplacez la loupe sur la photo. Elle agrandit les pixels situés sous le réticule et les mesure : position, couleur et variation locale. R1 marque une tache de rouille ; R2, sa copie sur une autre partie de la carrosserie.
02
Plusieurs détecteurs indépendants, opérant au niveau des pixels, estiment si l’image entière a été produite ou régénérée par un modèle génératif. Les résultats sont calibrés : un même score a la même signification d’une image à l’autre.
Lorsque les preuves le permettent, le rapport indique la famille de modèles probable et l’origine de cette attribution : métadonnées, filigrane ou analyse des pixels.
Des analyses forensiques indépendantes recherchent les incrustations, le clonage de zones (copier-déplacer), les retouches et le remplissage par IA (inpainting), puis signalent les zones suspectes sur l’image.
Les enregistrements laissés dans le fichier par des outils comme Photoshop, Lightroom ou GIMP sont analysés afin de distinguer les modifications de contenu des fichiers simplement réenregistrés.
Les Content Credentials (identifiants de contenu C2PA), les métadonnées EXIF et XMP, les paramètres de génération et les étiquettes IA lisibles par machine, comme celles qu’exige la norme chinoise GB 45438, sont lus et confrontés aux pixels.
Tous les signaux sont pondérés conjointement. Les contradictions sont mises en évidence plutôt que masquées, et le résultat peut être déclaré non concluant lorsque les preuves sont insuffisantes.
03
Chaque image reçoit l’une des quatre conclusions, un score d’authenticité de 0 à 100 et un niveau de risque, associé à une action recommandée selon la politique que vous avez choisie.
04
01
Une vérification en ligne rapide, image par image : verdict sur la génération par IA, signalement des retouches et aperçu des zones suspectes sous forme de carte de chaleur.
02
La chaîne d’analyse complète : attribution du générateur, masques des zones, rapports vérifiables, traitement par lots et accès API.
05
Utilisez l’application web pour un examen au cas par cas, ou appelez l’API REST depuis votre système de gestion des sinistres, d’ouverture de compte ou de modération. Les rapports sont fournis en JSON pour vos systèmes et sous forme de documents prêts à imprimer pour vos équipes.
Intégrez un filigrane invisible, protégé par une clé, dans les images que vous publiez, puis détectez-le ultérieurement pour prouver leur origine et retracer leur rediffusion.
06
Fileverity recherche les incrustations, le clonage de zones (copier-déplacer), les suppressions d’objets, les retouches, les modifications de texte et le remplissage par IA (inpainting). Il signale aussi l’historique de retouche enregistré dans le fichier par les logiciels d’édition.
Une image générée par IA a été entièrement produite ou recalculée par un modèle génératif, alors qu’une image retouchée est une photo réelle modifiée dans certaines zones. Fileverity rend compte des deux séparément, afin que vos analystes sachent à quelle question répond chaque constat.
Oui : Fileverity lit et valide les Content Credentials C2PA ainsi que les autres données de provenance intégrées, et vérifie si les déclarations contenues dans le fichier concordent avec l’analyse des pixels.
Oui : les offres Pro et Entreprise comprennent une API REST qui renvoie des résultats et des rapports structurés, ainsi qu’un point de terminaison permettant de vérifier tout rapport ultérieurement.
Oui, pour les images fixes. Fileverity détecte les images générées ou régénérées par IA et localise les zones retouchées par IA, ce qui couvre la plupart des hypertrucages (deepfakes) d’images. Une détection dédiée des échanges de visages (face swap) est en cours de développement.
Présentez-nous vos processus et vos volumes : nous configurerons votre accès et passerons en revue des cas réels avec votre équipe.