Qu'est-ce qu'un « fantôme JPEG » ?

Un fantôme JPEG est le minimum local de différence quadratique moyenne obtenu en réenregistrant une image suspecte à plusieurs niveaux de qualité JPEG. Ce minimum apparaît précisément au niveau de qualité de la compression d'origine d'une région donnée, révélant qu'elle a été compressée une première fois avant d'être intégrée dans le document final.

La double compression détecte-t-elle tous les montages ?

Non. Elle est inopérante sur les formats sans perte (PDF natif, PNG, TIFF) et perd en sensibilité quand les deux compressions successives utilisent des qualités très proches. Elle ne s'applique pas non plus aux documents générés par IA, qui n'ont jamais eu de compression JPEG d'origine à détecter.

Un document deux fois numérisé peut-il échapper à cette détection ?

Renumériser un document réduit l'amplitude du fantôme JPEG visuel mais laisse généralement une trace statistique dans l'histogramme des coefficients DCT (effet de double quantification), détectable avec une analyse à granularité fine.

Quels outils gratuits permettent cette analyse ?

JPEGsnoop, open source, extrait les tables de quantification et signale les incohérences entre segments d'une image. Les plateformes commerciales de vérification documentaire intègrent généralement la détection de fantôme JPEG et l'analyse DQ dans un pipeline automatisé plus large.

Comment la double compression se combine-t-elle avec l'ELA ?

L'ELA détecte les éditions récentes non recompressées ; la double compression détecte les documents qui ont subi plusieurs cycles de compression, y compris ceux conçus pour aplatir le signal ELA. Utilisées ensemble, elles couvrent un spectre de falsification plus large qu'individuellement.

Comment savoir si un document a été généré par IA sans outil spécialisé ?

Cherchez une texture de fond trop uniforme, des ombres incohérentes sur les estampilles ou reliefs, et un texte fin flou en zoom élevé. Ces indices restent insuffisants seuls : une analyse automatisée croisant texture, métadonnées et cohérence inter-champs reste nécessaire pour un usage opérationnel fiable.

Un document généré par IA a-t-il forcément des défauts visibles ?

Non, et c'est ce qui rend ce vecteur dangereux : les modèles de diffusion récents produisent des images très convaincantes. Les artefacts détectables se situent souvent au niveau statistique (distribution de bruit, cohérence MRZ) plutôt qu'au niveau visuel évident.

Quelle différence entre un document retouché et un document entièrement généré par IA ?

Un document retouché part d'un numérisé authentique dont un champ a été modifié, laissant des artefacts de compression localisés sur la zone éditée. Un document entièrement généré n'a jamais existé physiquement et présente des artefacts statistiques répartis sur toute l'image.

La zone MRZ peut-elle vraiment trahir un faux document généré par IA ?

Oui, c'est un des signaux les plus fiables. Un modèle génératif échoue souvent à produire une zone MRZ dont la clé de contrôle mathématique est valide, ou génère une incohérence entre la donnée visuelle et la donnée encodée.

La Loi 24 s'applique-t-elle à la détection de faux documents générés par IA ?

La Loi 24 vise d'abord l'usurpation trompeuse ou frauduleuse de l'identité et de l'image d'une personne. Elle recoupe la détection de documents générés par IA lorsque le document synthétique reprend la photo ou l'identité d'une personne réelle, et donne à l'OPC et à l'AMF des pouvoirs d'ordonnance pour faire cesser cet usage, en complément des obligations LCB-FT déjà applicables.

Tous les articles

Catégorie

Guide

Guides pratiques et checklists pour vos processus documentaires.

Guide

Double compression JPEG : détecter les documents falsifiés

Documents générés par IA : détecter les artefacts visuels de fraude au Québec

Attaques adversariales contre l'IA anti-fraude documentaire

C2PA et filigrane IA face à la fraude documentaire

Faux certificat de signature électronique au Québec : comment le détecter

La photo a l'air vraie : pourquoi l'œil humain n'est pas un contrôle

Photo de dégât générée par IA : la nouvelle menace pour les remboursements

Photo de dégât truquée : les signaux qui trahissent une retouche

Éclairage, angle, cadrage : comment se comporte une vraie photo de dégât

Horodatage et géolocalisation photo dans les litiges de remboursement

Checklist preuve photo pour équipes support : guide 2026

Recherche d'image inversée et fraude aux sinistres : les limites

Capture d'écran d'une photo : la preuve devient invérifiable

Photos de sinistre recyclées : détecter les doublons entre dossiers

Métadonnées EXIF d'une photo client : preuve ou simple indice ?

Revue de photos de sinistres à grande échelle : signaux, pas verdicts

Capture photo in-app ou fichier envoyé : quel risque de fraude ?

Preuve photo dans un litige e-commerce : le guide complet vendeurs

Recapture d'écran : détecter les faux documents au Canada

Détecter une signature falsifiée ou copiée-collée sur un document (Québec)

Injection de prompt : la faille des IA KYC au Québec

Métadonnées EXIF : repérer les photos de documents falsifiées

Faux hologramme document identité : les signaux de détection au Québec

Texte invisible dans un PDF : la faille de la fraude documentaire

Faux virement par capture d'écran : comment le détecter

Détection des faux tampons et cachets sur un document au Québec

Document fingerprinting : faux documents recyclés au Québec

Vérifier le code-barres ou le QR code d'un document officiel pour détecter un faux

Analyse typographique : détecter un faux document par sa police (Québec)

Checklist : signes qu'un document a été généré ou modifié par l'IA

Faux documents LLM et ChatGPT : la nouvelle menace fraude

Comment l'IA génère de faux documents — et comment les détecter

Détection de vivacité vs fraude documentaire : quelles différences ?

Analyse de niveau d'erreur (ELA) : détecter les documents falsifiés

Détection du tampering des métadonnées PDF : guide complet

Former votre équipe aux indices visuels des documents IA

Souscription en assurance habitation au Québec : détecter les documents falsifiés en 2026

Souscription assurance habitation : détecter faux justificatifs, RIB et baux

Comparaison outils forensique documentaire : détecter la manipulation IA

Détection de deepfakes documentaires : identifier les faux synthétiques

Détection fausses factures IA : guide pour équipes finance

Fraude documentaire générée par IA : types, détection et perspectives 2026

CheckFile vs Veriff 2026 : comparaison complète des solutions

CheckFile vs Jumio : comparaison complète 2026

CheckFile vs Sumsub : comparaison détaillée et tarifs 2026

CheckFile vs Onfido : comparaison complète 2026

Know Your Supplier (KYS) : checklist de vérification fournisseurs au Québec

Vérifier les licences commerciales en ligne au Québec et au Canada (2026)

Vendor due diligence checklist : guide pour les entreprises québécoises

Vérification de facture utilitaire : authentifier une preuve d'adresse au Québec

Vérification de l'âge en ligne : méthodes et conformité

Vérification de l'âge en ligne au Canada : CANAFE, Loi 25 et conformité

Vérification d'emploi au Québec : contrôler le parcours professionnel d'un candidat

Documents background check : ce que les employeurs vérifient

Tarification CheckFile : guide complet des coûts et du ROI

KYB : guide complet de la vérification des entreprises

Meilleur logiciel de vérification documentaire 2026 : guide d'achat complet

Facturation électronique : guide de conformité

Critères de sélection d'une solution de vérification documentaire : grille d'évaluation

Checklist partenaire financier : crédit-bail

Solutions de vérification d'identité : méthodes

API validation documentaire : guide intégration

CheckFile vs IDology (GBG) : comparaison complète 2026

CheckFile vs Trulioo 2026 : comparaison complète et tarifs

Anti-fraude documentaire : bonnes pratiques

Archivage électronique au Canada : guide pratique

Onboarding client : frictions et conformité

Due diligence client : checklist CDD par secteur

Vérification de documents : guide pratique (Québec)

Service québécois d'identité numérique : justificatif

Conformité données : Loi 25, LPRPDE, CCPA, LGPD

Choisir sa solution de validation documentaire IA

KYC Banques vs Fintechs : comparaison des obligations

Automatiser les workflows de vérification documentaire

Conservation des documents : obligations au Canada

Tarification de la vérification documentaire : coûts, modèles et ROI

Tarification KYC : coûts et ROI