5 idées reçues sur ce que l'IA voit dans vos photos
Par Chatday Editorial Team ·
Montrez à une IA la photo d’un chien et demandez-lui combien il a de pattes. Elle répond quatre. Retouchez maintenant la photo pour que le chien en ait cinq, puis reposez la question. Elle répond toujours quatre.
Ce n’est pas un piège inventé de toutes pièces. C’est l’un des tests d’une étude intitulée « Vision Language Models Are Biased », acceptée à l’ICLR 2026, l’une des grandes conférences de recherche en IA. Quand les chercheurs ont montré aux modèles des animaux avec une patte en trop ou en moins, les IA n’ont compté juste que dans 2,12 % des cas.
Et pourtant, ce même type d’IA sait lire un ticket de caisse flou, vous expliquer un écran de réglages déroutant ou vous dire quelle plante pousse sur votre rebord de fenêtre. Alors, l’IA voit-elle vraiment vos photos, oui ou non ? La plupart des idées qu’on s’en fait sont à moitié vraies. Voici cinq croyances répandues, vérifiées une par une.
Idée reçue n° 1 : « L’IA regarde une photo comme vous »
Faux. Vous regardez une photo et vous remarquez ce qui s’y trouve réellement. Une IA qui lit les images (le terme technique est modèle de langage visuel) fait plutôt quelque chose comme reconnaître, puis se souvenir. Elle repère « chien », se rappelle qu’un chien a quatre pattes et répond cela. Les chercheurs le disent sans détour : les modèles « ne comptent pas ».
Même chose avec les logos. Ajoutez une quatrième bande au célèbre logo à trois bandes d’Adidas, et les modèles en voient toujours trois. Sur sept types d’images retouchées (animaux, logos, échiquiers, jeux de société, illusions d’optique et grilles à motifs), les modèles de 2025 testés ont obtenu en moyenne 17,05 % aux questions de comptage. Sur les originaux non retouchés, ils ont tout bon.
Environ trois quarts de leurs réponses sur les images retouchées correspondaient exactement au nombre « attendu » : celui que le modèle connaissait déjà, pas celui de l’image. Une étude plus ancienne, « Vision Language Models Are Blind », avait relevé le même schéma avec des formes dessinées. Invité à compter des cercles entrelacés dans un logo façon Jeux olympiques, un modèle Gemini répondait « 5 » dans près de 99 % de ses erreurs, quel que soit le vrai nombre. Cinq anneaux, comme aux JO.
En résumé : l’IA excelle à reconnaître ce qui lui est familier, mais elle a bien plus de mal à remarquer qu’une chose familière a été modifiée.
Idée reçue n° 2 : « Une IA qui brille aux olympiades de maths sait forcément lire l’heure »
Il lui a fallu du temps. C’est celle qui surprend le plus. En septembre 2025, un benchmark baptisé ClockBench a demandé à des modèles d’IA de lire des horloges à aiguilles : l’heure, quelle aiguille est laquelle, et ce qu’afficherait l’horloge quelques minutes plus tard. Les humains ont obtenu 89,1 % en moyenne. Le meilleur des 11 modèles testés plafonnait à 13,3 %.
L’AI Index 2026 de Stanford en a fait son exemple favori de ce que les chercheurs appellent « l’intelligence en dents de scie » : une IA capable de décrocher l’or aux Olympiades internationales de mathématiques, mais toujours incapable de lire l’heure de façon fiable. Les horloges sont étonnamment piégeuses. Le modèle doit estimer des angles avec précision, distinguer deux aiguilles qui se ressemblent, puis faire un petit calcul, et les cadrans à aiguilles sont bien plus rares en ligne que de simples chiffres numériques.
La bonne nouvelle, c’est la vitesse à laquelle les choses ont bougé :
| Quand | Meilleur score IA sur ClockBench | Moyenne humaine |
|---|---|---|
| Septembre 2025 (lancement) | 13,3 % | 89,1 % |
| Mars 2026 (AI Index de Stanford) | 50,6 % (GPT-5.4) | environ 90 % |
| Novembre 2026 (classement public) | 87,8 % (Claude Fable 5.2) | 90,7 % |
Aujourd’hui, les cinq premières places du classement reviennent à Claude Fable 5.2, Gemini 4 Carbon, Gemini 4 Argon, Claude Opus 5.5 et GPT-6 Astra, tous réglés sur leur niveau de réflexion maximal. Les humains gardent une courte avance. Mais en un an environ, l’écart est passé de « sans espoir » à « au coude-à-coude ».
Idée reçue n° 3 : « Une photo plus nette et plus grande corrige les erreurs »
Plutôt faux. Cela semble logique : si l’IA se trompe, donnez-lui une meilleure image. Pourtant, dans l’étude « Blind », modifier les couleurs, l’épaisseur des traits ou la résolution n’a presque rien changé à la capacité des modèles à compter des cercles entrelacés. Le problème n’était pas de distinguer les formes. L’information était bien là. Le plus dur était de la traduire en bonne réponse.
Ce qui a vraiment aidé, c’est de désencombrer l’image. Dans l’étude « Biased », supprimer l’arrière-plan des images retouchées a presque doublé la précision, soit un bond d’environ 21 points de pourcentage. Un arrière-plan chargé donne à l’IA davantage d’indices pour se rabattre sur ce qu’elle attend (« c’est une ferme, donc c’est un chien normal ») plutôt que sur ce qu’elle a sous les yeux.
Idée reçue n° 4 : « Il suffit de lui demander de regarder à nouveau »
Ça marche à peine. Demander à un modèle de vérifier sa réponse, ou de s’en tenir à ce qui figure sur l’image, n’a amélioré la précision du comptage que de 2 points en moyenne dans l’étude « Biased ». Le laisser réfléchir plus longtemps a aidé jusqu’à un certain point, avec une précision qui grimpait autour de 40 %, puis les résultats se sont dégradés à force de trop réfléchir.
Ce qui fonctionne mieux, c’est de changer la question. « Combien ? » appelle une réponse apprise par cœur. Demander d’abord à l’IA de parcourir l’image l’oblige à regarder l’image elle-même :
- « Énumérez chaque personne sur cette photo de gauche à droite, puis dites-moi combien il y en a. »
- « Décrivez vers où pointent l’aiguille des heures et celle des minutes, puis donnez-moi l’heure. »
- « Lisez-moi chaque ligne de ce ticket de caisse, puis calculez le total. »
Si la description étape par étape est fausse, vous le verrez tout de suite, et c’est tout l’intérêt. Vous voyez où elle a dérapé au lieu de recevoir un simple chiffre annoncé avec aplomb.
Idée reçue n° 5 : « L’IA d’image est donc trop peu fiable pour servir à quelque chose »
Faux, et c’est l’idée reçue dont il vaut le plus la peine de se défaire. Tous les échecs ci-dessus viennent de tests volontairement piégeux : logos retouchés, pattes en trop, cadrans d’horloge bizarres. Ils sont conçus pour débusquer les points faibles, et ils le font bien. Ils montrent aussi que ces points faibles reculent vite. L’équipe de l’étude « Biased » indique que GPT-6 Astra, sorti en octobre 2026, obtient 84,10 % au même test où les modèles de 2025 plafonnaient à 17 % en moyenne.
Un détail persiste toutefois. Quand Astra se trompe, selon les chercheurs, il donne la réponse mémorisée dans 92,4 % des cas. Le réflexe n’a pas disparu. Il se manifeste simplement beaucoup moins souvent.
Au quotidien, le tableau est nettement plus rassurant. Décrire une scène, lire un texte imprimé, expliquer une capture d’écran, identifier un objet courant : tout cela joue sur le point fort de l’IA, qui consiste à reconnaître ce qui lui est familier. Voici un repère approximatif pour savoir quand vous pouvez être tranquille et quand il vaut mieux vérifier :
| Ce que vous demandez | Niveau de confiance | Pourquoi |
|---|---|---|
| « Qu’y a-t-il sur cette photo ? » | Élevé | Reconnaître des scènes familières est son point fort |
| Lire un texte imprimé, un menu, un panneau | Élevé | Le texte net abonde dans ses données d’entraînement |
| Expliquer une capture d’écran ou un message d’erreur | Élevé | Elle lit l’écran et connaît le logiciel |
| Compter des objets, surtout nombreux | À vérifier | Elle peut donner le nombre attendu |
| Tout ce qui est inhabituel ou retouché | À vérifier | Elle a tendance à « corriger » l’insolite vers la normale |
| Horloges à aiguilles, jauges, cadrans | À vérifier | Mieux qu’avant, mais encore derrière les humains |
C’est d’ailleurs la même chose avec les mots. Si vous vous êtes déjà demandé pourquoi l’IA avait du mal à compter les lettres d’un mot, notre article sur pourquoi l’IA n’arrive pas à compter les R de strawberry montre qu’il s’agit d’un proche cousin de ce problème.
Le plus simple pour constater tout cela par vous-même, c’est de faire l’essai avec une photo de votre propre galerie. Choisissez quelque chose de banal, puis quelque chose d’un peu étrange, et demandez à l’IA de vous détailler ce qu’elle voit. Notre guide pour faire expliquer n’importe quelle photo ou capture par l’IA vous donnera d’autres idées de questions.