• Fake news, mésinformation, désinformation, manipulation informationnelle : de quoi parle-t-on ?
• Ce que l’IA générative change dans la production de contenus.
• Nouveaux formats à risque : deepfakes, images synthétiques, faux documents, textes générés, citations inventées.
• Mécanismes de diffusion, amplification et viralité.
• Pourquoi les contenus générés par IA peuvent paraître crédibles.
• Impacts pour les professionnels de l’information, de la veille et de la communication

• Incohérences textuelles, visuelles ou contextuelles.
• Ruptures de style, formulations trop génériques, absence de sources vérifiables.
• Indices dans les images : détails anatomiques, arrière-plans, ombres, textures, logos, typographies.
• Indices dans les vidéos : mouvements, synchronisation, artefacts, montage.
• Faux documents : structure, métadonnées, origine, cohérence institutionnelle.
• Limites des détecteurs automatiques.

Atelier pratique
Analyser plusieurs contenus suspects et identifier les indices de manipulation ou de génération artificielle.

• Identifier la source originale d’une information.
• Vérifier l’auteur, le média, la date, le contexte et les reprises.
• Utiliser la recherche inversée d’images.
• Retrouver l’origine d’une citation ou d’un document.
• Croiser avec des sources primaires.
• Repérer les chaînes de reprise et les boucles informationnelles.
• Évaluer l’autorité, l’intention et la fiabilité d’une source.

• Méthodes de vérification d’image.
• Analyse des métadonnées lorsque disponibles.
• Fragmentation d’une vidéo et vérification de captures.
• Recherche d’antériorité.
• Géolocalisation et chronolocalisation de premier niveau.
• Analyse d’un document : format, cohérence, éléments institutionnels, signatures, mentions.
• Points de vigilance sur les outils de détection IA.

Atelier pratique
Vérifier une image ou une vidéo à partir d’une méthode guidée.

• Hallucinations, références inventées, autorité apparente.
• Demander à l’IA de citer ses sources : intérêts et limites.
• Faire produire une grille de vérification.
• Utiliser l’IA pour assister le fact-checking sans lui déléguer la validation.
• Comparer plusieurs outils ou moteurs conversationnels.
• Identifier ce qui doit impérativement être vérifié par un humain.

• Définir une procédure simple de vérification.
• Adapter la méthode selon le contexte : veille, communication, documentation, réseaux sociaux, analyse stratégique.
• Formaliser une checklist de contrôle.
• Documenter ses vérifications.
• Qualifier le niveau de confiance.
• Savoir alerter, corriger ou contextualiser.

Atelier final
Déconstruire un cas de désinformation : analyse du contenu, vérification, qualification du risque, rédaction d’une note courte de fact-checking.

• Repérer les principaux signes de contenus falsifiés ou générés par IA.
• Vérifier une information, une image, une vidéo ou un document suspect.
• Utiliser les outils et méthodes de fact-checking adaptés.
• Évaluer la fiabilité d’une source ou d’une réponse générée.
• Construire une démarche professionnelle de vérification.
• Produire une note de vérification claire et argumentée.

• Auto-évaluation dans le questionnaire de préparation
• Validation des concepts
• Exercices pratiques
• QCM
• Étude de cas (cas fil rouge pour chaque phase projet)
• Évaluation à chaud
• Évaluation à froid (6 mois)

Avant : FAD33 ou FAD50 pour consolider les bases de l’IA générative.

Après : FAD51 pour intégrer ces méthodes dans un dispositif de veille, FA98 pour appliquer la vérification aux sources scientifiques, FA64 pour aborder la gouvernance et les risques liés à l’IA.