OSINT et enquêtes

Identifiez les images et vidéos synthétiques d’un dossier

Les enquêteurs collectent des photos, captures d’écran et extraits vidéo issus des réseaux sociaux, des messageries et d’appareils saisis. Une part croissante de ces contenus est générée ou manipulée. Notre API attribue à chaque fichier un score de génération par IA à partir des pixels, pour que les analystes sachent à quoi se fier avant de l’intégrer à un rapport.

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

Cité par

Le problème

Les métadonnées ont disparu

Lorsqu’un contenu arrive chez un analyste, il a déjà été transféré, capturé et recompressé. Les données EXIF et les identifiants de contenu sont généralement supprimés : les outils de provenance n’ont plus rien à lire.

Les faux paraissent désormais vrais

Les modèles d’image et de vidéo actuels produisent des visages, des documents et des scènes que même un œil exercé ne distingue plus de manière fiable d’images filmées par une caméra.

Le volume dépasse la revue manuelle

Un seul dossier peut contenir des milliers de fichiers multimédias. Personne ne peut les examiner un par un, et un faux passé inaperçu peut compromettre toute une piste d’enquête.

Ce que vérifie l’API

Images et captures d’écran

Une probabilité qu’une image ait été générée ou modifiée de façon synthétique, avec un modèle entraîné sur les générateurs les plus récents et sur des copies passées par WhatsApp, Instagram et des partages successifs.

Extraits vidéo

Des images sont échantillonnées sur toute la durée de l’extrait et évaluées par un modèle vidéo dédié, avec le nombre d’images qui semblent générées par IA, pour voir où se situe le signal dans l’extrait.

Images isolées

Une miniature ou une capture tirée d’une vidéo peut être analysée seule avec le modèle vidéo, sans le fichier d’origine.

Identifiants de contenu

Si un fichier contient encore un manifeste C2PA, celui-ci est analysé et sa signature vérifiée. Une déclaration d’IA valide du signataire est indiquée comme une certitude, et non comme un score.

Comment elle s’intègre à votre flux de travail

  1. 1

    Envoyez les fichiers dès leur arrivée

    Téléversez images et extraits, ou transmettez une URL, depuis votre chaîne de collecte ou de gestion des dossiers via une REST API.

  2. 2

    Triez selon le score

    Réglez les seuils selon votre tolérance aux faux positifs : signalez automatiquement les scores élevés, confiez la zone grise à un analyste, écartez le reste.

  3. 3

    Joignez le résultat au dossier

    Conservez le score, le nombre d’images analysées et les éventuels identifiants de contenu avec l’élément, afin que l’évaluation soit documentée avec la preuve.

Évaluer un extrait vidéo d’un dossier

curl -X POST https://www.wasitaigenerated.com/api/v1/detect/video \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"url": "https://example.com/evidence/clip.mp4"}'

Images, images extraites et clips entiers. Consultez la documentation de l’API pour les réponses, les limites et les tarifs.

Questions

Est-ce adapté aux équipes du secteur public et des administrations ?

Oui. Police, parquets, autorités électorales et autres organismes publics utilisent la même API pour vérifier images et vidéos dans le cadre d’enquêtes et de la surveillance de la désinformation. Pour les travaux sensibles, nous proposons un accord de traitement des données, une capacité dédiée et l’auto-hébergement sur vos propres GPU et serveurs, afin que les fichiers restent dans votre environnement.

Un score de détection peut-il servir de preuve ?

Considérez-le comme une piste d’enquête, pas comme une preuve. Le score est une probabilité fournie par un modèle. Associez-le à d’autres vérifications, comme le traçage de la source, la recherche inversée et les identifiants de contenu, et faites relire par un analyste tout élément dont dépend une décision.

Cela fonctionne-t-il sur des contenus transférés via des messageries ?

Oui. Le modèle est entraîné sur des images passées par la recompression des messageries et des réseaux sociaux. Sur notre benchmark publié, il a encore détecté 96,2 % des images générées par IA après compression par WhatsApp, Instagram et des partages successifs, avec un taux de faux positifs de 1 %.

Que deviennent les fichiers que nous envoyons ?

Les fichiers téléversés sont supprimés après l’analyse ; l’API conserve le résultat, pas le fichier. Un accord de traitement des données et l’auto-hébergement sur vos propres GPU et serveurs sont disponibles pour les dossiers sensibles.

Pouvons-nous l’exécuter dans notre propre environnement ?

Oui. Les clients Enterprise peuvent exécuter nos modèles sur leurs propres GPU et serveurs, sur site ou dans leur propre cloud, afin que les fichiers ne quittent jamais leur infrastructure. Nous proposons aussi une capacité dédiée dans notre cloud. Parlez-nous de vos besoins.

Testez-la sur vos propres données

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