← Le parcours CLR

L’hypothèse : fragilité égale réalité

Le noyau conceptuel de CLR, que j’ai formalisé entre la v1.2 et la v1.3, tiré de mes carnets de recherche originaux et de mes notes de divulgation de brevet.

Une hypothèse de reconstruction

Si quelque chose peut être détruit et ne jamais être parfaitement ramené, cela suggère que c’était réel. Si quelque chose peut être détruit puis reconstruit, cela suggère que c’était généré. Fragilité égale réalité. Récupérabilité égale simulation.

Une photographie réelle est la sortie d’une chaîne physique irréversible :

text
scene → optics (PSF) → sensor (Bayer, PRNU, shot noise, dark current) → ADC → image

Chaque étage imprime une information liée à un morceau de silicium précis à un moment précis : un bruit spatialement incohérent, motivé physiquement par la mécanique quantique et la physique du solide, et lié à la grille de pixels. Une image générée est la sortie d’une chaîne différente :

text
Gaussian noise z → denoising trajectory (T steps of a learned score function) → image

une correspondance plusieurs-à-un dont le « bruit » est structuré par les entrailles du modèle, pas par les positions des pixels. L’authenticité n’est pas une qualité qu’on peut synthétiser ; c’est un résidu d’avoir été causé.

La sonde : un aller-retour géométrique

La sonde de déformation opérationnalise cela. Prenez une petite tuile T, appliquez une petite homographie de perspective aléatoire H d’intensité s, puis inversez-la :

text
R(s) = | T − H⁻¹( H( T ; s ) ; s ) |

Le double rééchantillonnage brouille la micro-texture liée à la grille proportionnellement à s. Le PRNU réel est détruit à un rythme caractéristique ; la texture synthétique, qui n’a jamais été liée à une grille par la physique, réagit différemment.

J’ai donné à la mesure une structure délibérée à trois niveaux, et la réussir importait pour le dépôt :

  • Essais (un lot fixe par intensité) : de nombreuses homographies aléatoires sont soumises à l’aller-retour et leurs cartes de résidus sont moyennées, ce qui transforme les perturbations directionnelles en une estimation de résidu approximativement isotrope à cette intensité. Les essais ne sont jamais comparés entre eux ; ils servent à réduire la variance.
  • Différentiel (entre intensités, au sein d’une région) : le taux de fragilité FR = (R(s_high) − R(s_low)) / (s_high − s_low), calculé sur une paire d’intensités basse/haute choisie bien à l’intérieur de la plage perceptuellement invisible. La quantité discriminante est ∂R/∂s, le taux de destruction, qui annule le contenu de base et corrige le cadrage empiriquement faux des approches à résidu absolu selon lequel « les images générées sont parfaitement défaites ».
  • Entre régions (entre deux régions éloignées, à une intensité) : comparaisons de corrélation et de rapport d’énergie entre les cartes de résidus de tuiles appariées géométriquement, en haut à gauche contre en bas à droite. Si les deux patchs produisent des résidus qui concordent sous la même transformation projective, ils habitent un seul système de coordonnées physique ; le sujet n’était possible que capturé dans le monde réel. L’invariant appris est la physique, pas le motif.

La pente, pas le score

Le score d’hypothèse et le score local (XGBoost par tuile) sont deux sondes orthogonales : la vue vers l’extérieur et la vue vers l’intérieur. Aucune ne suffit seule ; leur relation est le signal :

  • slope = hypothesis − local. Le signe est le verdict ; la magnitude est la confiance. Des scores absolus inférieurs à 0,5 peuvent quand même classer correctement grâce à la direction.
  • R(W) = W × slope accumule la divergence : une courbe ascendante est le substrat physique qui s’affirme ; une courbe descendante est son absence. La géométrie de la divergence est le verdict ; le franchissement d’un seuil est secondaire.

La pente rendue spatiale : le delta hypothèse moins local par tuile. La photographie réelle (à gauche) se résout en une pente positive ; le portrait généré (à droite) s’illumine de points chauds de génération et tombe en négatif. Là où le delta est rouge, c’est là où votre œil s’arrêterait : l’hypothèse et la perception humaine convergent parce que toutes deux testent la plausibilité physique.

Pourquoi ce cadrage est durable

Le lissage inhérent à la synthèse générative est intrinsèque à l’optimisation vers une cible. Davantage de données et de paramètres rendent la variété générative plus lisse, pas plus physique : un détecteur fondé sur cette propriété ne décline donc pas avec l’échelle du générateur comme le font les outils d’appariement d’empreintes. FLUX, Midjourney, SD : aucun ne simule le PRNU. L’hypothèse ne détecte pas des modèles ; elle détecte l’absence d’un capteur.

Deux conditions aux limites que je voyais dès le départ, et que je veux énoncer honnêtement :

  • La compression érode le substrat. Une forte compression JPEG et un post-traitement ML de type DeepFusion affaiblissent tous deux le PRNU. Les images réelles proches de slope = 0 vous disent que leur histoire physique a été partiellement effacée. L’architecture s’appuie sur des quantités relatives (rapports et différentiels, mathématiquement invariants par changement d’échelle uniforme) précisément pour survivre au ré-encodage.
  • Sans biométrie par construction. Aucun modèle de visage, de corps ou d’identité nulle part dans le pipeline ; les régions saillantes sont repérées par la seule énergie du gradient. C’est une posture de vie privée (GDPR/CCPA/BIPA n’entrent jamais en scène) et une propriété de couverture : la sonde fonctionne sur des scènes, des objets et des documents, pas seulement sur des personnes.

Au chapitre 5, je teste la version la plus forte de cette affirmation, l’agnosticisme d’architecture, et je la brise. Mais au sein de la distribution de photos d’appareil sur laquelle je l’ai construite, la physique tient, et le chapitre suivant est la montée empirique où je l’ai prouvé caractéristique par caractéristique.