← Le parcours CLR

La fusion et le plafond : v1.9

Comment j’ai diagnostiqué l’angle mort structurel de la fondation de déformation et l’ai brisé, tiré de mes carnets de recherche originaux.

L’évadé

Le résidu de déformation lit la physique de la capture photographique. Que se passe-t-il alors sur des images d’IA qui n’ont jamais prétendu être des photographies ? bahamut.jpg, une pièce d’art conceptuel généré, m’a donné la réponse : le modèle de déformation l’a déclarée réelle. L’art d’IA non photographique n’a pas de PRNU photo à rendre fragile ; son résidu ressemble à « pas de capteur ici », ce que le modèle entraîné sur des photos lit comme bénin.

Ma figure de diagnostic : les photos réelles (bleu) se séparent nettement sur l’énergie du résidu, mais les évadés (orange : bahamut, gita1, art du jeu de test) se regroupent à la fois à faible corrélation croisée ET à faible dispersion du résidu. Une simple barrière d’énergie du résidu sépare « cette sonde s’applique » de « cette sonde est aveugle ».

J’ai d’abord essayé l’impasse, et je l’ai mesurée honnêtement : plus d’une douzaine de caractéristiques globales de bas niveau fabriquées à la main, ajoutées à la déformation, ont fait passer l’AUC par image de 0,751 à 0,754 (+0,003). Une vraie peinture et une peinture d’IA sont indiscernables au bas niveau ; la différence est sémantique. Aucune quantité d’ingénierie de caractéristiques sur ce substrat n’allait combler un écart sur l’art.

La pile de fusion

Dans la v1.9, j’ai gardé la déformation comme fondation et fusionné deux signaux complémentaires, commercialement propres, à travers une petite tête XGBoost :

  • DINOv2-small (embedding figé, Apache-2.0) : le canal sémantique qui voit de quel genre d’image il s’agit.
  • La signature de capture (une famille compacte de caractéristiques sans apprentissage, entièrement originale) : un indice de caméra indépendant du générateur : le dématriçage de la matrice de filtres colorés d’un vrai capteur laisse dans le domaine fréquentiel une signature périodique qu’aucun générateur ne reproduit. Résolution native uniquement : le sous-échantillonnage la détruit. Mesurée proprement, elle sépare le réel de l’IA à 0,97 sur pratiquement une seule mesure.

La décomposition sur des données en réserve, enrichies en art :

étapeAUC par imageΔ
déformation, par tuile0.606—
déformation seule, par image0.726agrégation
+ DINOv20.871+0.145
+ signature de capture0.897+0.026

La détection d’art d’IA est passée de 35 % à 92 % ; bahamut → 0,99 généré. La déformation n’est pas vestigiale dans cette pile : elle attrape des cas photo contre photo d’IA que DINOv2 manque et ancre la tête. Une barrière de capture d’écran (une heuristique de pixels plats sans apprentissage) a fermé le domaine structurel restant : une capture d’écran est réelle mais n’est pas une capture d’appareil, et la pile ancrée sur la caméra se déclencherait à tort sur elle autrement.

Le parcours des jeux de données en dessous

Rien de ce qui précède n’était mesurable sans des données évoluant de concert, j’ai donc reconstruit le corpus quatre fois :

  1. Local/synthétique (v1) : photos d’appareil contre FLUX.1-schnell. Assez pour prouver l’idée du résidu.
  2. Le passage à l’échelle du corpus : des pools publics et récupérés, y compris des négatifs difficiles de téléphone en résolution native et des captures d’écran. C’est ce qui a fait ressortir mes vrais modes de défaillance.
  3. Le jeu de réentraînement conscient des échecs : des milliers par classe, délibérément enrichi de tout ce que mon modèle d’alors se trompait à classer. Les diagnostics par pool ont exposé le chiffre central : le pool d’art d’IA à 28 % de précision : de l’art d’IA classé réel, l’angle mort quantifié.
  4. Le corpus d’art : art humain contre art d’IA, construit autour d’une seule source CC0 de style assorti pour que le modèle apprenne réel contre IA plutôt que style contre époque, plus WikiArt du côté réel. Provenance vérifiée et sûr commercialement.

La méta-constatation durable : la taille du jeu de base plafonne ; la composition et la calibration dominent. Les ablations de la seule échelle ont montré qu’une base plusieurs fois plus grande n’achetait rien : chaque gain réel après la v1.8 venait de ce qu’il y avait dans les données, pas de leur quantité. (Mon instinct initial, « les jeux de données devraient toujours être mélangés, mais lourdement pondérés vers la catégorie », s’est révélé être le principe de fonctionnement de chaque réentraînement depuis.)

À 0,89–0,90 d’AUC en réserve, la pile de fusion est devenue le détecteur commercial livrable. Elle portait aussi discrètement une hypothèse que je n’avais jamais examinée : que sa généralisation venait de la physique plutôt que de la couverture. Le chapitre suivant est l’expérience où j’ai testé cette hypothèse contre des générateurs de 2025 inédits, et la réponse qui a réorganisé toute ma feuille de route.