← Le parcours CLR

Le règlement de comptes : v2.0

La sonde qui a réfuté ma propre affirmation la plus forte, tirée de mon registre de recherche.

À la mi-2026, ma pile dérivait vers des têtes par domaine, et cette dérive posait une question à laquelle je voulais une réponse rigoureuse : pouvais-je plutôt durcir la base, trouver des caractéristiques invariantes au générateur pour qu’une seule fondation généralise à des modèles inédits, comme le sous-entendait la thèse du brevet ? Le test était la généralisation inter-sources : entraîner sur le corpus existant (pools d’appareil, de données récupérées et d’art), évaluer sur trois pools de génération inédite de 2025 : captures d’écran de vidéos courtes, IA photoréaliste d’Instagram et Midjourney.

Le verdict, d’emblée

Il n’existe aucune fondation invariante au générateur dans mon jeu de caractéristiques actuel. La base de déformation n’est réellement agnostique au modèle qu’au sein de la distribution de photos d’appareil sur laquelle elle a été construite. Sur l’IA sociale photoréaliste de 2025 et sur Midjourney, la déformation, tout autre signal physique et DINOv2 sont liés à la couverture des données et s’inversent de signe.

La matrice

Entraîné sur OLD, évalué par source (une AUC < 0,5 signifie que mon modèle appelle « réelle » l’IA de ce générateur : inversion de signe) :

familleOLD-CVreelig_photorealmidjourneyNEW-CV
warp0.7320.5810.2610.2180.581 / 0.261
capture0.6940.8370.3830.5621.000 / 0.816
optical0.6450.2270.5480.2830.982 / 0.884
dino0.7350.6740.2490.4570.926 / 0.990
fusion [warp+dino]0.8200.7540.2510.4650.927 / 0.989
pile complète0.8460.7940.2850.5051.000 / 0.990

Je l’ai lue de trois façons, par ordre décroissant de confort :

  1. La colonne NEW-CV est la bonne nouvelle. Entraînés dans la distribution, tous les nouveaux pools se séparent à 0,9+. Ces générateurs ne sont pas indétectables : ils sont non couverts. La généralisation vient des données, pas d’une meilleure fondation.
  2. Les inversions sont la mauvaise nouvelle. La déformation à 0,218 sur Midjourney n’est pas du bruit : c’est mon modèle sûr de lui et dans l’erreur, parce que le motif de texture non photographique de MJ ressemble à la signature « pas de PRNU fragile » de ce que mon jeu d’entraînement avait étiqueté réel.
  3. La colonne reel est un piège. J’ai décomposé l’AUC apparente de 0,837 de la capture sur les vidéos courtes en pures confusions de résolution : une paire de caractéristiques de capture sur la validité de résolution lisait une différence de résolution de 2,25× corrélée à la classe, pas de la physique. Ma passe de criblage a aussi relevé un taux de défaite de la capture de 17 % sur le pool photoréaliste (de l’IA photoréaliste qui imite une signature de capteur) et ~14 % de bruit d’étiquettes (des publications « This is AI. » pour provoquer l’indignation, qui sont en fait réelles).

La vue par caractéristique de la même histoire : sur le corpus mélangé/sous-échantillonné, les distributions réelle et générée des quatre caractéristiques de déformation centrales coïncident presque à l’échelle du million de tuiles. Mon balayage d’invariance par caractéristique n’a trouvé exactement aucune caractéristique qui sépare de façon constante sur toutes les sources ; la plus proche, une caractéristique de pic spectral haute fréquence, dépasse 0,5 partout mais seulement de justesse.

Ce qui a survécu

La sonde n’a pas été purement destructrice. Une passe de suivi m’a permis de durcir le modèle de déformation lui-même : des arbres plus profonds ont fait passer l’AUC par image du domaine caméra de 0,692 à 0,714, l’analyse du gain de caractéristiques a couronné circ_var_noise, et le leave-one-out a montré que les 4 caractéristiques de jointure étaient devenues du poids mort, élaguables vers un modèle de déformation plus léger sans perte.

Et le repositionnement que j’ai dû écrire pour moi-même, mot pour mot depuis mon registre de recherche :

v2.0 = une base de physique de la caméra + une fusion de couverture des données, pas un détecteur agnostique au modèle des générateurs de 2025. La thèse agnostique au modèle tient au sein de la distribution de photos d’appareil ; elle ne s’étend pas à l’IA sociale photoréaliste actuelle / Midjourney avec aucune des caractéristiques dont je dispose.

Pourquoi ce fut l’échec le plus productif que j’aie eu

Chaque décision d’architecture que j’ai prise depuis découle de ce tableau :

  • Les confusions corrélées à la classe sont devenues une discipline de criblage : je n’ai plus jamais laissé entrer dans l’entraînement une résolution corrélée à la classe ; les nouveaux pools sociaux ne servent qu’à la fusion.
  • J’ai rétrogradé la signature de capture de caractéristique de généralisation à a priori de haute précision : capture-present → real, valable seulement en résolution native, dominant quand il se déclenche et silencieux sinon. Dans ma pile actuelle, cet a priori est l’un des composants les plus forts : bien utilisé, il n’a jamais eu besoin de généraliser.
  • « La couverture dans la distribution est le seul levier » est devenu le volant : récupération quotidienne, ingestion dans le magasin de caractéristiques, réentraînements à démarrage à chaud (chapitre 6). Si la généralisation, c’est les données, alors mon avantage est le pipeline de données, pas le modèle.
  • Les sondes de suite ont fermé des portes adjacentes avec la même rigueur : j’ai réfuté le prétraitement par super-résolution, mesuré que les tuiles plus petites étaient moins bonnes, et ouvert le pivot de la provenance de conteneur (chapitre 6) précisément parce que j’avais mesuré l’invariance dans l’espace des pixels jusqu’à sa limite.

L’hypothèse tient toujours là où la physique dit qu’elle devrait : dans le domaine des photos d’appareil, face à la classe de générateurs qui ne simulent pas les capteurs. Ce que la v2.0 a retiré, c’était mon extrapolation, et ce qu’elle m’a laissé était une stratégie d’ingénierie qui pouvait réellement être livrée.