Pour améliorer les systèmes de repérage des photographies truquées et modifiées, une solution est d'instruire un logiciel en fonction d'indications laissées par des internautes volontaires.

L'altération d'images n'échappe pas à la loupe du collaboratif

Comment repérer et évaluer automatiquement le degré de modification numérique d'une photo ? En passant par le crowdsourcing et le machine learning. Deux chercheurs de l'université de Dartmouth aux Etats-Unis travaillent ainsi sur un système qui sera capable d'indiquer quel type d'altération a été effectué, à quel endroit et avec quelle intensité. Pour mettre au point leur algorithme mathématique, les deux scientifiques ont d'abord utilisé le crowdsourcing, en sollicitant l'aide de 350 volontaires sur Amazon Mechanical Turk. Chacun avait à sa disposition 70 paires d'images représentant des célébrités ou des mannequins sous le format avant / après.

Machine learning à partir de notations d'utilisateurs

L'utilisateur devait ensuite noter ces paires, sur une échelle allant de 1 (très similaires) à 5 (très semblables). Sur un panel total de 468 duos d'images, chacune aura donc été évalué une cinquantaine de fois. Grâce au machine learning, le logiciel a ensuite pu apprendre à repérer un ensemble de 8 caractéristiques principales (déviation et distorsion géométriques, flou, lissage, éclairage...) et ainsi donner lui-même un note finale. D'après les chercheurs, le prototype aurait déjà un taux de succès d'environ 80% et s'améliorera au fil du temps puisque le logiciel garde en mémoire toutes les sortes de modifications qu'il aura observées.

Lutter contre les canons de beauté des magazines

Il faudra bien entendu parer également à l'évolution éventuelle des techniques numériques de traitement d'images. A l'origine, le programme a été développé dans un but de santé publique pour aider les associations et les gouvernements à lutter contre l'image déformée de la beauté pouvant être renvoyée par les magazines après des altérations massives de photos. Mais le projet s'orienterait dans le futur vers d'autres applications comme éviter la fraude sur les images à caractère scientifique ou se tourner vers des sujets différents des portraits. A noter que cette initiative rappelle, dans un registre similaire, celle de l'application smartphone YouProve qui permettait de vérifier l'authenticité d'une image ou d'un son.