Aller au contenu
Outils IA

ChatGPT aurait généré de véritables signatures d’artistes du New Yorker et y aurait ajouté…

Julien Macé 15 min de lecture
Deux dessins similaires sur papier, une loupe et le logo ChatGPT sur une tablette.
Noter l\'Article post

ChatGPT et les signatures du New Yorker : ce que révèlent les images générées

Une caricature humoristique peut sembler anodine jusqu’au moment où elle porte la signature d’une personne qui ne l’a pas dessinée. C’est le problème soulevé par des images produites avec ChatGPT : certaines imitent l’apparence des dessins du New Yorker et affichent le nom ou le monogramme de véritables artistes du magazine. Pour le lecteur qui découvre l’image sur un réseau social, la signature peut faire office de preuve d’authenticité, alors qu’elle est ici associée à une création générée artificiellement.

Une enquête du Nieman Journalism Lab a rapporté plusieurs cas de ce type, concernant plus d’une douzaine de caricaturistes professionnels. Parmi les exemples relayés figure celui de Brendan Loper, dont le monogramme « BLOPER » est apparu sur une illustration qu’il n’avait pas réalisée. Le reportage est présenté dans l’enquête consacrée aux signatures de dessinateurs ajoutées aux images.

La question ne se limite donc pas à savoir si un dessin ressemble à un style connu. Une signature identifie un créateur et peut laisser croire qu’il a conçu, approuvé ou publié l’œuvre. Cette confusion touche à la fois la réputation de l’artiste, la confiance du public et la manière dont une image circule en ligne. Lorsqu’une illustration est recadrée ou repartagée sans son contexte, le nom visible dans le coin du dessin risque de devenir la seule information retenue.

Une imitation visuelle qui devient une fausse attribution

Le cas rapporté par le journalisme spécialisé illustre une différence importante entre une ressemblance stylistique et une attribution trompeuse. Un dessin peut évoquer les conventions graphiques d’un magazine sans prétendre provenir d’un artiste particulier. En revanche, l’ajout d’une signature réelle associe directement l’image à une personne précise, même si cette dernière n’a participé ni à sa création ni à sa diffusion.

Emily Flake, contributrice du New Yorker, a décrit une impression de familiarité mêlée de distance : l’image lui rappelait certains éléments de son travail, sans être quelque chose qu’elle aurait dessiné. Cette comparaison est parlante. Un système peut reproduire des indices visuels reconnaissables — une composition, un trait ou une chute humoristique — tout en produisant un résultat qui ne correspond pas à la démarche ni à l’intention de l’artiste.

Pour rendre le phénomène concret, imaginons Nora, responsable d’une petite page consacrée à l’humour. Elle voit passer un dessin prétendument signé par une caricaturiste connue, le partage rapidement et ajoute une légende enthousiaste. Même sans intention de tromper, elle contribue à faire circuler une attribution erronée. Le problème ne naît donc pas seulement au moment de générer l’image : il s’amplifie à chaque partage qui transforme une hypothèse en apparente certitude.

Pourquoi la signature modifie la lecture de l’image

Une signature fonctionne comme un repère de provenance. Dans la presse, elle permet souvent de reconnaître l’auteur et de relier une œuvre à un parcours éditorial. Quand un générateur l’ajoute à une image fabriquée, ce repère devient trompeur : l’illustration peut être interprétée comme une œuvre authentique, une commande ou une prise de position de l’artiste.

Cette confusion peut également provoquer des conséquences pratiques. Un lecteur peut attribuer au dessinateur une blague maladroite, un message politique ou une représentation offensante qu’il n’a jamais conçus. Le créateur se retrouve alors à devoir démentir une publication virale, tandis que les captures d’écran continuent parfois à circuler après la correction. Une signature inventée n’est donc pas un simple détail graphique : elle change l’identité que le public prête à l’image.

Le premier réflexe utile consiste à distinguer l’apparence du dessin de son origine. Une image au style familier ne prouve pas qu’elle vient du magazine, et une signature visible ne suffit pas à établir l’identité de son auteur. Ce cas invite ainsi à examiner non seulement ce que l’outil peut produire, mais aussi les indices de confiance qu’il reproduit.

Pourquoi ChatGPT reproduit-il des signatures d’artistes du New Yorker ?

Les mécanismes exacts à l’origine de chaque image ne sont pas toujours visibles pour l’utilisateur. Les éléments rapportés suggèrent toutefois une combinaison plausible : les dessins du New Yorker sont largement diffusés sur Internet, leurs codes graphiques sont connus, et les modèles d’intelligence artificielle sont entraînés à partir de grands ensembles de données. Lorsque des images circulent avec leurs signatures, ces éléments peuvent être appris ensemble comme un seul motif visuel.

Il faut toutefois distinguer une explication générale d’une preuve concernant un cas précis. Les informations disponibles ne permettent pas d’affirmer que chaque signature a été copiée depuis une source particulière, ni de reconstituer exactement la chaîne de données utilisée pour produire une sortie donnée. L’hypothèse du moissonnage de contenus en ligne aide à comprendre le risque, mais l’origine d’une image individuelle demande des éléments vérifiables.

La diffusion en ligne rend les œuvres faciles à reconnaître

Les caricatures du New Yorker sont partagées, commentées et archivées depuis des années. Leurs dessins peuvent apparaître sur des pages de presse, des réseaux sociaux, des blogs ou des sites de collection. Dans ces copies, le trait, la mise en page et le nom de l’artiste sont parfois présentés côte à côte. Un modèle génératif qui apprend des régularités dans des images peut alors associer un style à des éléments textuels visibles, notamment une signature.

Il ne s’agit pas nécessairement d’un mécanisme qui « comprend » la signature comme le ferait un lecteur humain. Le système apprend plutôt à produire des configurations probables à partir de ses exemples et des instructions reçues. Si une consigne demande un dessin proche d’une publication connue, il peut réutiliser plusieurs conventions associées à cette demande. L’écriture de quelques lettres dans un coin de l’image peut faire partie de ces conventions, même lorsque leur présence est inappropriée.

Pour Nora, l’analogie serait celle d’un poste de travail où des fichiers de projets sont mélangés sans métadonnées fiables. Le logiciel peut retrouver une forme ressemblante, mais l’absence de provenance claire rend difficile de savoir à qui appartient chaque élément. Dans un modèle d’image, le fonctionnement est bien plus complexe, mais l’enjeu pratique reste compréhensible : des contenus accessibles en ligne peuvent alimenter des ressemblances sans que l’utilisateur sache quelles œuvres sont en jeu.

Le moissonnage des données et les limites de la transparence

Des éditeurs, dont Condé Nast, ont demandé une meilleure protection contre la collecte automatisée non autorisée de contenus. Cette préoccupation concerne aussi bien les textes que les illustrations. Les éditeurs ont également conclu des accords avec des entreprises d’IA, dont un partenariat annoncé en 2024 entre Condé Nast et OpenAI, couvrant des marques comme le New Yorker, Vogue, GQ, Vanity Fair et Bon Appétit.

Mais un accord commercial sur l’utilisation de contenus ne signifie pas automatiquement que chaque catégorie d’œuvre peut servir à chaque fonction. Un porte-parole du New Yorker a précisé que l’accord ne donnait pas à OpenAI l’autorisation d’entraîner ses modèles sur les caricatures ni d’employer le logo et les dessins du magazine pour générer des images. Les caricaturistes contributeurs conservent par ailleurs les droits sur leurs œuvres. La présence d’un partenariat ne vaut donc pas autorisation générale pour toutes les images et tous les usages.

La collecte automatisée reste un sujet plus vaste que ce seul cas. Pour comprendre comment des robots peuvent récupérer des pages et des fichiers, un lecteur peut consulter ce guide sur les robots et l’extraction de données pour l’IA. Cette question technique devient une question de gouvernance dès lors qu’elle touche à la propriété, à la rémunération et au contrôle des œuvres.

Un avertissement ne suffit pas toujours à empêcher la sortie

Les articles rapportent que ChatGPT a commencé à afficher un avertissement lorsque certaines demandes évoquent un style protégé ou identifiable. Pourtant, l’image peut encore être produite, parfois avec une signature. Ce décalage montre la différence entre un garde-fou qui signale une demande et un mécanisme qui bloque effectivement une sortie problématique.

La plateforme a indiqué apprécier les signalements d’utilisateurs afin de corriger des comportements inattendus. C’est utile, mais cela place aussi une partie de la détection sur les épaules du public. Un avertissement peut inviter à la prudence ; il ne transforme pas une image trompeuse en contenu autorisé. La transparence sur les limites de génération doit s’accompagner d’actions capables de réduire les fausses attributions.

Comprendre ces causes permet de passer à la question suivante : qui porte la responsabilité lorsqu’une illustration signée à tort est créée, publiée et reprise par d’autres comptes ?

Signatures, droits d’auteur et contrefaçon : les responsabilités en jeu

Lorsqu’une image générée reprend des éléments reconnaissables d’un dessin et affiche le nom de son auteur, plusieurs sujets juridiques et éthiques se croisent. Il faut distinguer le style, qui n’est pas toujours protégé de la même manière qu’une œuvre précise, de la reproduction d’éléments originaux, de l’usage d’une signature et de la fausse attribution. Ces notions peuvent dépendre du droit applicable et des faits propres à chaque cas ; elles ne se résument pas à une règle unique.

Le New Yorker a indiqué que ses dessinateurs conservent le copyright de leurs créations. Cette précision est importante : les œuvres ne deviennent pas libres parce qu’elles sont visibles en ligne, et un partenariat entre un éditeur et une entreprise technologique ne signifie pas que les artistes individuels renoncent à leurs droits d’auteur. L’enjeu est de savoir quels contenus ont été utilisés, dans quel cadre et avec quelle autorisation.

Style, œuvre et attribution : trois questions différentes

Demander une illustration « dans le style » d’un magazine peut produire une ressemblance générale sans copier un dessin particulier. En revanche, une sortie qui reprend des détails distinctifs d’une œuvre existante peut soulever une question différente. L’ajout d’une signature réelle ajoute un troisième niveau : l’image donne l’impression d’avoir été créée ou validée par une personne identifiable.

Ces distinctions comptent pour éviter les raccourcis. Qualifier automatiquement chaque image de contrefaçon ne permet pas d’analyser les éléments précis qui la composent. À l’inverse, dire qu’une image est « seulement inspirée » ne règle pas le problème d’une signature trompeuse. La création artistique s’inscrit dans un cadre où la provenance et le consentement méritent d’être examinés séparément de la seule ressemblance visuelle.

Voici une grille simple pour examiner une image suspecte :

  • Identifier la source : retrouver le compte ou le site qui a publié l’image en premier, plutôt que de se fier à une capture recirculée.
  • Vérifier l’attribution : consulter les pages officielles de l’artiste ou du magazine pour confirmer que le dessin a réellement été publié par eux.
  • Observer la signature : comparer sa forme avec des œuvres authentifiées, sans considérer cette comparaison comme une preuve suffisante à elle seule.
  • Conserver le contexte : noter la date, la légende et les modifications visibles, car un recadrage peut supprimer un avertissement ou une mention de génération.
  • Signaler la sortie : utiliser les outils de signalement de la plateforme si l’image attribue faussement l’œuvre à une personne réelle.

Cette méthode ne remplace pas un avis juridique, mais elle aide un éditeur ou un internaute à ne pas amplifier une fausse information. Dans le cas de Nora, la vérification de la source et un échange avec le compte officiel du dessinateur auraient évité de présenter l’image comme authentique.

Ce que montre la différence entre l’accord d’entreprise et les droits des artistes

Le partenariat conclu en 2024 entre Condé Nast et OpenAI illustre un point souvent mal compris : un accord conclu avec un éditeur peut porter sur certains contenus et usages, tandis que les droits attachés aux œuvres de contributeurs restent distincts. Selon les précisions rapportées, le contrat ne couvrait pas l’entraînement sur les caricatures ni la génération à partir des dessins et du logo du magazine.

Ce détail invite les entreprises à documenter précisément les autorisations. Une mention générale de partenariat n’est pas une réponse suffisante lorsqu’une image reprend le travail d’un artiste. Les professionnels doivent pouvoir établir quelles collections ont été utilisées, quelles restrictions s’appliquent et comment les demandes de retrait ou de correction sont traitées.

Les débats publics et les réactions de lecteurs montrent aussi que ces questions dépassent le droit strict. Les discussions sur la circulation des images signées par des artistes réels mettent en avant un enjeu de confiance : si les utilisateurs ne peuvent plus distinguer une œuvre authentique d’une image générée, c’est toute la valeur de la signature éditoriale qui s’affaiblit.

La responsabilité se répartit entre les fournisseurs d’outils, les éditeurs et les personnes qui diffusent les images. Cette répartition rend nécessaire une réponse pratique, au-delà des déclarations de principe.

Comment repérer et limiter une fausse signature générée par ChatGPT

Un utilisateur n’a pas besoin d’être spécialiste du droit ou de l’IA pour adopter quelques réflexes utiles. Le premier consiste à ne pas confondre qualité graphique et authenticité. Une image convaincante peut être artificielle, tandis qu’une signature bien dessinée peut être inventée ou copiée. La vérification repose davantage sur la provenance et les confirmations de l’artiste que sur l’apparence seule.

Si un dessin attribué au New Yorker apparaît sur un réseau social, il est préférable de rechercher le titre ou la légende sur le site du magazine, puis de consulter les comptes vérifiés de l’artiste. L’absence de résultat ne prouve pas à elle seule que l’image est fausse, mais elle justifie de différer le partage. Une capture isolée, sans lien vers une publication originale, mérite une prudence particulière.

Une procédure concrète avant de partager une illustration

Pour Nora, la vérification peut tenir en quelques étapes. Elle commence par enregistrer le lien du message original, puis cherche si l’image est présente sur les canaux officiels du magazine. Elle compare ensuite le nom visible avec les signatures publiées par le caricaturiste, en gardant à l’esprit qu’une ressemblance de lettres ne confirme pas l’auteur.

  1. Remonter à la première publication : les reposts et captures d’écran effacent souvent les informations utiles.
  2. Rechercher une source éditoriale : une caricature authentique est généralement accompagnée d’un contexte, d’une date ou d’une page de publication.
  3. Vérifier l’artiste : un portfolio ou un compte officiel permet parfois de confirmer qu’il a créé ou relayé l’image.
  4. Lire les avertissements : une mention « généré par IA » ou une réserve dans la légende doit rester attachée au contenu lorsqu’il est repartagé.
  5. Éviter l’attribution affirmative : tant que la provenance n’est pas établie, ne pas présenter le dessin comme l’œuvre certaine d’un artiste.

Ces étapes sont faciles à appliquer dans une rédaction, une association ou une petite entreprise qui publie des contenus. Elles réduisent le risque d’associer involontairement une personne à une création qu’elle désapprouve. Elles protègent aussi le lecteur, qui peut alors distinguer une illustration générée d’une publication vérifiée.

Les créateurs peuvent documenter et signaler les abus

Pour les artistes concernés, conserver des copies datées de leurs publications, de leurs contrats et des images litigieuses facilite la constitution d’un dossier. Une capture d’écran seule peut perdre des métadonnées, mais elle peut être complétée par le lien de publication, la date, le nom du compte et une description des modifications observées. L’objectif est de rendre le signalement précis et vérifiable.

Les créateurs peuvent ensuite contacter la plateforme qui héberge l’image et, si nécessaire, l’éditeur ou l’entreprise responsable de l’outil. Une demande efficace indique l’URL du contenu, l’œuvre concernée, la nature de la fausse attribution et la correction souhaitée. Pour un public francophone, un compte rendu comme cet article sur les signatures reproduites aide à comprendre le contexte médiatique, mais ne remplace pas une vérification des cas individuels.

Les plateformes peuvent également améliorer leurs interfaces : afficher plus clairement la provenance, faciliter le signalement d’une signature imitée et empêcher certaines sorties trompeuses. Un réglage de préférences peut rendre les réponses plus adaptées, comme le présente ce guide sur le paramétrage de ChatGPT pour obtenir des réponses utiles, mais une personnalisation de compte ne résout pas à elle seule les problèmes de droits ou d’attribution.

Le bon réflexe n’est pas de croire toute image ni de rejeter toute création assistée : c’est de demander une provenance claire avant de la relayer. Cette discipline individuelle complète les protections que les outils doivent mettre en place.

J’ai créé une chaîne YouTube entière dans ChatGPT grace à Higgsfield

Création artistique et éthique numérique : les protections attendues des outils d’IA

Un générateur d’images peut être un outil de création utile, mais son intérêt dépend aussi de la manière dont il respecte le travail humain. Dans le cas des caricatures du New Yorker, la difficulté ne vient pas seulement de la capacité à produire une illustration humoristique. Elle vient du fait que l’image peut reprendre les codes d’une publication et y associer les signatures de personnes réelles, ce qui brouille la frontière entre expérimentation et fausse attribution.

OpenAI a déclaré que l’avenir de la créativité devait rester fondamentalement humain et que ses outils devaient soutenir les créateurs. L’entreprise a également indiqué prendre en compte les signalements de comportements inattendus. Ces engagements posent une direction, mais leur valeur concrète se mesure à l’efficacité des corrections : l’avertissement apparaît-il au bon moment, l’image est-elle bloquée lorsque la demande vise une signature réelle, et les utilisateurs disposent-ils d’un recours simple ?

Des garde-fous plus précis que de simples avertissements

Un message indiquant qu’une demande peut enfreindre les règles de similarité avec des contenus tiers est un signal utile. Mais si la génération se poursuit et qu’une signature identifiable apparaît quand même, l’avertissement ne suffit pas à empêcher le dommage. Le système devrait pouvoir distinguer une demande générale d’illustration d’une instruction qui cherche à imiter un artiste nommé ou à signer l’image à sa place.

Une approche plus robuste combine plusieurs protections. Le modèle peut refuser d’ajouter le nom d’un artiste vivant ou d’un contributeur identifiable, proposer une signature fictive clairement non attribuable, ou suggérer de décrire des caractéristiques générales sans nommer une personne. Les outils de publication peuvent ensuite signaler qu’une image est générée et conserver cette information lors des exportations, afin qu’elle ne disparaisse pas dès le premier repost.

Les tests doivent inclure des demandes indirectes et des variations de formulation. Un utilisateur peut ne pas écrire explicitement « ajoute la signature de cet artiste » ; il peut demander une imitation d’un dessin existant ou charger une référence qui contient déjà le nom. Tester uniquement des prompts évidents laisserait des failles faciles à contourner. Un garde-fou sérieux doit être évalué sur les usages réels, pas seulement sur les exemples les plus simples.

La transparence et la rémunération comme conditions de confiance

Les créateurs demandent souvent deux choses très concrètes : savoir si leurs œuvres ont servi à entraîner ou à orienter un modèle, et pouvoir choisir les usages autorisés. Les mécanismes de retrait, les licences explicites et les accords de rémunération peuvent contribuer à une relation plus équilibrée. Leur mise en œuvre doit être suffisamment claire pour que les artistes comprennent ce qu’ils acceptent et puissent vérifier que leurs choix sont respectés.

Pour un éditeur, une politique utile décrit les catégories de contenus concernées, la portée de l’autorisation et les limites appliquées aux fonctions de génération. Elle évite de confondre l’accès à des articles avec l’autorisation d’utiliser chaque dessin. Pour un fournisseur d’IA, la traçabilité des sources et un processus de réponse aux plaintes permettent de traiter les problèmes autrement qu’au cas par cas, après qu’une image est devenue virale.

Les utilisateurs ont aussi un rôle à jouer dans cette éthique numérique. Une entreprise qui utilise des illustrations générées pour une campagne doit vérifier les noms, les logos et les éléments visuels avant publication. Une petite équipe peut intégrer une étape de contrôle simple à son processus : revue humaine, vérification de provenance, suppression des signatures non autorisées et conservation de la mention d’origine.

Les outils d’IA peuvent soutenir la création artistique lorsqu’ils servent à explorer des idées sans faire passer le travail d’un autre pour le sien. La différence se joue dans les détails : l’attribution, le consentement, la transparence et la capacité à corriger une sortie problématique. Une image techniquement réussie n’est pas nécessairement une image publiable.

Les controverses autour des caricatures montrent ainsi qu’une signature constitue une information, pas une décoration. Protéger les artistes suppose de traiter cette information comme un élément de provenance essentiel, au même titre que le texte qui accompagne l’image.

38 millions de vues en quelques jours : la nouvelle IA qui affole toute l'industrie
Julien Macé

Je suis Administrateur Réseaux et Systèmes dans un grand groupe Français. Je suis passionné par l'informatique, les cryptomonnaies, le seo et l'intelligence artificielle.

Partager Facebook X WhatsApp LinkedIn Pinterest Reddit E-mail

Laisser un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *