Par TIna Nikoukhah, doctorante en première année au CMLA, laboratoire de mathématiques appliquées de l'ENS Paris-Saclay.
Un nombre croissant d'images falsifiées sont utilisées sur les réseaux sociaux et alimentent les fake news. La littérature sur la détection de falsification table sur des faussaires habiles, mais pas si méticuleux. Elle suppose que la falsification laisse des traces malgré le camouflage. Pour détecter une falsification il faut donc d'une part reconstruire le modèle de constitution de l'image simulé par le faussaire, et détecter toute anomalie de ce prétendu modèle. Notre proposition vise à développer des algorithmes applicables à toute image numérique. Ces algorithmes produiront par ingénierie inverse un historique complet de l'image et des visualisations révélant les défauts potentiels. La construction de cet historique permettra de détecter des anomalies improbables. Ainsi on associera à l'expertise humaine, des probabilités d'erreur ou un nombre de fausses alarmes permettant des décisions quantitatives et libres de toute subjectivité. L'enjeu de la thèse est de faire la théorie, les algorithmes et de les publier en ligne de forme ouverte, afin que toute personne puisse soumettre une photographie douteuse et obtenir un rapport scientifique automatique sur les anomalies détectées. Il s'agit donc de passer de l'artisanat de la détection à une détection aussi massive que les fraudes qu'elle doit contrer.