Éthique de l'image et Deepfakes

L’enjeu de l’éthique de l’image et des deepfakes repose sur une compétence essentielle pour les élèves : savoir analyser ce qu’ils voient et consomment. Travailler activement sur ce sujet permet de transformer une habitude passive (scrolling, partage) en une pratique réfléchie et méthodique, indispensable dans un environnement numérique saturé d’informations.

• Seconde
• SNT : Culture et Citoyenneté Numérique
• 3 activités
• 25 min–40 min

Objectifs d’apprentissage

1. Analyser les techniques de manipulation d'images utilisées dans les deepfakes pour en identifier les artefacts potentiels.
2. Évaluer la crédibilité d'une image ou d'une vidéo en appliquant des méthodes de vérification numérique.
3. Expliquer les implications éthiques et sociales de la diffusion de contenus visuels manipulés.
4. Comparer l'impact des images authentiques et des deepfakes sur la perception publique et la confiance dans les médias.
5. Synthétiser les bonnes pratiques pour identifier et signaler les contenus visuels trompeurs.

Étude de cas

⏱ 25 min·Classe entière

Jeu de Détection : Vrai ou généré par IA ?

L'enseignant projette une série de 15 images mêlant photographies authentiques et images générées par IA. Les élèves votent individuellement pour chaque image, puis les résultats sont révélés. La classe analyse collectivement les indices qui distinguent le vrai du faux.

Préparation et détails

Une photographie peut-elle encore être considérée comme une preuve irréfutable de la réalité à l'ère du numérique ?

Conseil de facilitation: Pour l’activité Jeu de Détection, imposez un temps limité de 2 minutes par image afin d’éviter que les élèves ne s’appuient sur des détails trop subtils à détecter en classe.

Setup: Groupes de travail en îlots avec dossiers documentaires

Materials: Dossier d'étude de cas (3 à 5 pages), Grille d'analyse méthodologique, Support de présentation des conclusions

• Analyser
• Évaluer
• Créer
• Prise de décision
• Autogestion

Étude de cas

⏱ 35 min·Petits groupes

Enquête en Équipe : Vérifier une image suspecte

Chaque groupe reçoit une image potentiellement manipulée et doit utiliser au moins trois méthodes de vérification : recherche inversée (Google Images, TinEye), analyse des métadonnées EXIF, examen des incohérences visuelles. Le groupe rédige un rapport de vérification structuré.

Préparation et détails

Dans quelle mesure les images générées par intelligence artificielle représentent-elles une menace pour la démocratie et la vérité ?

Setup: Groupes de travail en îlots avec dossiers documentaires

Materials: Dossier d'étude de cas (3 à 5 pages), Grille d'analyse méthodologique, Support de présentation des conclusions

• Analyser
• Évaluer
• Créer
• Prise de décision
• Autogestion

Étude de cas

⏱ 40 min·Petits groupes

Débat Structuré : Faut-il interdire les deepfakes ?

La classe est divisée en trois camps : pour l'interdiction totale, pour une régulation encadrée, contre toute restriction. Chaque groupe prépare ses arguments pendant 10 minutes, puis un débat chronométré commence avec un temps de parole égal pour chaque camp.

Préparation et détails

Comment vérifier l'authenticité d'une image ou d'une vidéo dans un contexte de désinformation croissante ?

Setup: Groupes de travail en îlots avec dossiers documentaires

Materials: Dossier d'étude de cas (3 à 5 pages), Grille d'analyse méthodologique, Support de présentation des conclusions

• Analyser
• Évaluer
• Créer
• Prise de décision
• Autogestion

Enseigner ce sujet

Enseigner ce sujet nécessite d’équilibrer démonstration et pratique. Commencez par des exemples concrets et médiatisés pour ancrer le questionnement, puis passez rapidement à l’expérimentation. Les recherches en pédagogie numérique soulignent que les élèves retiennent mieux quand ils manipulent eux-mêmes les outils de détection ou créent des contenus pour comprendre les limites technologiques.

À quoi s’attendre

À l’issue de ces activités, les élèves doivent être capables de repérer des indices de manipulation visuelle, de vérifier la crédibilité d’une image ou d’une vidéo, et d’argumenter sur les enjeux éthiques et sociaux des deepfakes. Leur posture doit passer de la simple consommation à une analyse critique structurée.

Attention à ces idées reçues

Idée reçue courante

During Jeu de Détection, certains élèves pensent qu'on peut toujours repérer un deepfake en examinant attentivement les détails visibles.

Ce qu'il faut enseigner à la place

Pendant Jeu de Détection, montrez-leur des exemples récents où les artefacts (mains floues, reflets incohérents) ont été corrigés par l’IA. Utilisez ce moment pour insister sur l’importance de recouper les informations plutôt que de se fier à l’observation seule.

Idée reçue courante

During Enquête en Équipe, les élèves supposent que les deepfakes ne touchent que les célébrités ou les personnalités politiques.

Ce qu'il faut enseigner à la place

Pendant Enquête en Équipe, présentez des cas concrets de revenge porn ou d’usurpation d’identité impliquant des citoyens ordinaires. Faites rechercher des exemples locaux ou régionaux pour ancrer la réalité du risque.

Idée reçue courante

During Débat Structuré, certains mélangent retouche photo et deepfake.

Ce qu'il faut enseigner à la place

Pendant Débat Structuré, comparez côte à côte une photo retouchée (modification de luminosité) et un deepfake (visage entièrement généré). Demandez aux élèves de décrire les différences techniques et de justifier pourquoi la confusion est problématique.

Idées d'évaluation

Question de discussion

After Jeu de Détection, présentez un cas médiatisé de deepfake politique et demandez aux élèves : 'Quels indices contextuels (source, date, cohérence du discours) ou visuels pourraient vous alerter ? Comment vérifier cette information avant de la partager ?' Évaluez leurs réponses en notant leur capacité à croiser plusieurs types d’indices.

Vérification rapide

During Enquête en Équipe, donnez aux élèves deux images similaires (une authentique, une retouchée ou deepfaked avec un outil simple) et demandez-leur de noter trois différences ou artefacts observés. Recueillez leurs listes et vérifiez qu’ils distinguent bien les manipulations légères des deepfakes.

Billet de sortie

After Débat Structuré, demandez aux élèves de répondre sur un post-it à la question : 'Quelle est la différence principale entre une image manipulée et un deepfake, et pourquoi cette distinction est-elle importante pour notre citoyenneté numérique ?' Recueillez les post-its pour évaluer leur compréhension des enjeux techniques et sociaux.

Extensions et étayage

• Challenge : Proposez aux élèves de créer leur propre deepfake minimaliste avec des outils gratuits (comme DeepFaceLab ou FaceApp) pour comprendre les étapes de fabrication et identifier les artefacts évidents.
• Scaffolding : Pour les élèves en difficulté, fournissez une grille d’analyse visuelle simplifiée avec des critères prédéfinis (symétrie du visage, cohérence des ombres, mouvement des lèvres).
• Deeper : Organisez une étude comparative entre les outils de détection automatisés (comme InVID ou Google Fact Check Tools) et l’analyse humaine pour discuter de leurs complémentarités.

Vocabulaire clé

Deepfake	Contenu multimédia, souvent une vidéo ou une image, créé ou modifié par intelligence artificielle pour remplacer l'apparence ou la voix d'une personne par celle d'une autre, de manière très réaliste.
GAN (Generative Adversarial Network)	Type de réseau de neurones artificiels composé de deux modèles qui s'entraînent mutuellement : un générateur crée des données synthétiques et un discriminateur évalue leur authenticité.
Artefact numérique	Défaut ou irrégularité visible dans une image ou une vidéo, souvent causé par le processus de compression, de manipulation ou de génération par IA, qui peut trahir une altération.
Recherche inversée d'images	Technique permettant de rechercher des images similaires ou la source originale d'une image donnée en utilisant cette image comme requête de recherche, utile pour vérifier son authenticité et son contexte.
Métadonnées	Données descriptives associées à un fichier numérique (image, vidéo), contenant des informations telles que la date de création, le lieu, le modèle de l'appareil photo, qui peuvent aider à authentifier ou à identifier une manipulation.