La photo reste une preuve — mais elle ne devrait pas être la seule[2]
En e-commerce, une image documente état produit, dommage, emballage ou variante et permet de résoudre de nombreux dossiers sans expertise physique.
Le coût de la manipulation a cependant chuté. Des outils génératifs peuvent ajouter localement fissure, tache, élément manquant ou même une scène entière sans compétence professionnelle de retouche.
Le FBI documente l'utilisation d'images générées pour profils, documents d'identité et autres supports de fraude. Cela ne prouve pas une falsification massive des réclamations, mais justifie de ne plus traiter un JPEG isolé comme une vérité neutre par défaut.
Que peut-on falsifier dans une photo de réclamation ?[3][4]
Une modification locale peut ajouter rayure, fissure, tache, déchirure ou déformation. Une manipulation plus avancée peut remplacer une partie du produit, une étiquette, un numéro de série ou le fond ; une photo entièrement synthétique est aussi possible.
Pour le processus, l'outil compte moins que la question centrale : l'image représente-t-elle fidèlement l'état du produit au moment affirmé ?
Un simple detector « AI-generated » ne suffit donc pas. Il faut également signaux de manipulation locale, provenance, métadonnées et contexte du dossier.
NIST applique un principe comparable à la preuve d'identité à distance[1]
NIST SP 800-63A traite digital injection et forged media. L'IA générative peut créer ou modifier photos, vidéos et documents pour tromper validation automatique, biométrie ou opérateur humain.
NIST recommande d'analyser les médias pour détecter des signes de manipulation, de tester les systèmes sur matériaux authentiques et falsifiés et de compléter l'automatisation par une revue humaine en raison des faux positifs et faux négatifs.
Pour une réclamation, le principe est le même : le detector signale un risque et modifie la voie de traitement, il ne condamne pas le client.
Un risque élevé de manipulation doit déclencher une vérification supplémentaire, pas une accusation automatique.
La chaîne de preuve commence avant l'analyse IA
Si le support conserve seulement une capture réduite, métadonnées, structure d'encodage et provenance peuvent être perdues. Il faut si possible préserver upload original, nom de fichier, heure de réception, taille et SHA-256.
Plusieurs photos doivent être traitées comme un ensemble puis croisées avec SKU, variante, photos d'entrepôt, poids du colis, packing data, numéro de série et historique. L'analyse technique enrichit ce contexte, elle ne le remplace pas.
Six couches valent mieux qu'un seul AI score[3][4]
Un système pratique combine provenance/C2PA, EXIF/XMP et structure du conteneur, forensic locale pixels/compression, plusieurs détecteurs indépendants, cohérence entre plusieurs vues et contexte métier.
Une source manquante ne doit pas transformer les autres en zéro. Mais les couches indisponibles doivent être visibles : un rapport fondé sur quatre sources ne doit pas prétendre en avoir utilisé six.
Construire une règle de décision plutôt qu'un seuil unique
La règle « AI > 50% = rejet » est dangereuse : le score d'un detector n'est pas la probabilité que le client soit coupable.
- Risque faible : aucun signal fort et dossier cohérent — parcours standard.
- Incertain : anomalies isolées ou divergence des détecteurs — demander original, vues supplémentaires ou retour physique.
- Risque élevé : plusieurs couches indépendantes ou provenance directe indiquent manipulation — suspendre l'automatisme et effectuer une revue manuelle.
- Litige formel : conserver fichiers, hashes, rapport et historique complet ; ne pas attribuer une intention que la technique ne démontre pas.
Pourquoi des photos supplémentaires sont particulièrement utiles
Une seule image peut être modifiée de façon convaincante. Plusieurs angles exigent cohérence de géométrie, lumière, texture et dommage entre les vues, ce qui augmente fortement les informations comparables.
Demandez des cadrages précis : produit entier, gros plan du problème, étiquette ou numéro de série et vue sous un autre angle ou éclairage.
La limite technique et juridique[1][3]
Un rapport technique peut montrer de forts signes d'origine synthétique, de manipulation locale ou de provenance directe. Il n'établit pas à lui seul qui a fait la modification, quand ou avec quelle intention.
Dire « le fichier présente des anomalies techniques et nécessite une vérification » est très différent d'accuser le client de falsification. Un bon système antifraude réduit les fausses demandes comme les refus injustifiés de clients honnêtes.
Un standard minimum raisonnable pour 2026[1][3][4][5]
Tous les marchands n'ont pas besoin d'un laboratoire forensic. Préserver les originaux, demander des preuves supplémentaires en cas d'ambiguïté, utiliser plusieurs signaux techniques et documenter le raisonnement améliore déjà fortement la décision.
Avec la diffusion des Content Credentials, davantage de fichiers porteront un historique vérifiable tandis que les générateurs continueront de progresser. Le processus doit donc rester multicouche et indépendant d'un detector unique.