KYC et onboarding
Fintechs, banques, marketplaces et plateformes de travail indépendant demandent à leurs nouveaux utilisateurs un selfie, une photo de pièce d’identité et parfois un justificatif de domicile. Les générateurs d’images savent désormais produire les trois. Notre API attribue à chaque fichier un score de génération par IA, comme contrôle supplémentaire aux côtés du prestataire KYC et de détection du vivant que vous utilisez déjà.
99,5 %
des images IA détectées avec seulement 1 % des vraies photos signalées, sur 19 générateurs actuels
96,2 %
toujours détectées après la compression de WhatsApp, d’Instagram et des repartages
0,987
d’AUROC sur la vidéo IA de 12 modèles vidéo
Partie cachée de notre benchmark d’octobre 2026, jamais utilisée pour l’entraînement. Méthode et résultats completsEN
Un selfie créé par un modèle d’image montre une personne plausible, avec une peau, un éclairage et un arrière-plan naturels. Un analyste qui le compare à la photo d’identité n’a aucune raison évidente de douter.
Les fraudeurs génèrent des photos de cartes d’identité et de passeports qui n’ont jamais existé, ou demandent à un modèle de poser une fausse carte sur un bureau sous une lumière réaliste. L’image ressemble à une photo prise au smartphone d’un vrai document.
Les justificatifs de domicile, comme les factures d’énergie ou les relevés bancaires, peuvent être générés en quelques secondes. Lorsqu’une équipe les vérifie à l’œil, le volume rend un contrôle rigoureux difficile à tenir.
Une probabilité que l’image du visage ait été générée ou modifiée de façon synthétique, calculée par un modèle entraîné sur les générateurs d’images actuels et sur des images recompressées après leur envoi.
Le même contrôle s’applique à la photo d’une carte ou d’un passeport. Il vous indique si l’image elle-même semble générée par IA. Il ne lit pas la MRZ, n’examine pas les hologrammes et ne détecte pas les retouches d’un document authentique.
Les photos et captures d’écran de factures, relevés et courriers peuvent être analysées comme des images : un document généré est signalé avant qu’un agent n’y consacre du temps.
Si un fichier contient encore un manifeste C2PA, celui-ci est analysé et sa signature vérifiée. Une déclaration valide du signataire indiquant que le fichier est généré par IA est restituée comme une certitude, et non comme un score.
Envoyez chaque selfie et chaque photo de document à la REST API en parallèle de l’appel que vous faites déjà à votre prestataire KYC ou de détection du vivant. Les deux contrôles répondent à des questions différentes et fonctionnent indépendamment.
Vous décidez quels scores sont acceptés, lesquels passent en revue manuelle et lesquels bloquent la demande pour le moment. La plupart des équipes orientent les scores élevés vers un analyste plutôt que de les rejeter automatiquement.
Enregistrez le score et les éventuelles informations de Content Credentials dans le dossier du demandeur, afin qu’un analyste, puis un auditeur, puisse comprendre pourquoi une demande a été escaladée.
Analyser un selfie issu d’un parcours d’onboarding
curl -X POST https://www.wasitaigenerated.com/api/v1/detect/image \
-H "Authorization: Bearer YOUR_API_KEY" \
-F "file=@applicant-selfie.jpg"Images, images extraites et clips entiers. Consultez la documentation de l’API pour les réponses, les limites et les tarifs.
Oui. Banques, organismes de crédit et prestataires de paiement appliquent le même contrôle aux selfies, aux photos d’identité et aux images de pièces justificatives comme les relevés bancaires ou les bulletins de salaire. Il signale les images qui semblent générées ou retouchées par IA. Il ne lit ni ne valide les chiffres d’un document : associez-le à vos contrôles documentaires et LCB-FT existants.
Non. Nous ne faisons ni détection du vivant, ni comparaison faciale, ni contrôle d’authenticité des documents. L’API répond à une seule question : cette image semble-t-elle générée par IA ? Utilisez-la avec votre prestataire actuel pour couvrir les envois synthétiques que d’autres contrôles ne sont pas forcément conçus pour repérer.
Un score de détection est une probabilité, pas une preuve. Utilisez-le pour transmettre une demande à une personne qui l’examinera, et fondez la décision finale sur l’ensemble des contrôles. Réglez vos seuils pour qu’un score élevé entraîne une escalade plutôt qu’un rejet automatique.
Sur notre benchmark d’octobre 2026, le modèle d’image a détecté 99,5 % des images IA pour un taux de faux positifs de 1 % sur 19 générateurs actuels, et 96,2 % après compression par WhatsApp, Instagram et les repartages. Nous recommandons un pilote payant sur un échantillon de vos propres fichiers pour fixer le seuil.
Les fichiers envoyés sont supprimés après l’analyse ; l’API conserve le résultat, pas le fichier. Un DPA, une capacité dédiée et l’auto-hébergement sur vos propres GPU et serveurs sont disponibles pour les équipes soumises à réglementation. Pour tester d’abord des images à la main, utilisez l’outil gratuit sur /fake-id-detector.
Nous menons des pilotes payants sur un échantillon de vos images et clips, calibrons le seuil selon votre tolérance aux faux positifs et vous communiquons les taux de détection et d’erreur avant tout engagement. Des tarifs sur volume et un SLA sont disponibles pour la production, et les modèles peuvent tourner sur vos propres GPU et serveurs.
Parlons d’un projet pilote