Supprimer SynthID : ce qui marche, ce qui ne marche pas

Comment SynthID fonctionne

SynthID est appliqué par Google aux sorties de Gemini, Imagen et des modèles associés. Au lieu d'écrire une information dans les métadonnées, il modifie très légèrement les valeurs des pixels selon un motif connu du seul détecteur. Le détecteur ne cherche pas une image de référence : il calcule une corrélation entre l'image reçue et le motif attendu.

C'est ce qui rend le marquage robuste. Recadrer déplace le motif mais n'en détruit pas la structure ; le détecteur se réaligne. Réduire la qualité JPEG ajoute du bruit mais laisse la corrélation nettement au-dessus du seuil. Un flou léger, un changement de contraste, un filtre Instagram : le motif reste lisible.

Les fausses solutions

• Effacer les métadonnées : utile pour la confidentialité, sans aucun effet sur SynthID, qui ne se trouve pas dans les métadonnées.
• Faire une capture d'écran : reproduit les pixels, donc reproduit le motif.
• Recadrer de 10 % : le détecteur se réaligne sur la partie conservée.
• Réenregistrer en JPEG qualité 60 : ajoute du bruit, ne casse pas la corrélation.
• Passer par un autre outil d'IA « pour nettoyer » : si cet outil est lui-même génératif et marqué, vous héritez de son filigrane.

Ce qui casse réellement SynthID

Une seule approche est connue pour être fiable : régénérer l'image. Un modèle de diffusion repeint l'image (image-to-image, ControlNet pour conserver la composition, masques pour préserver les zones importantes). Les pixels de sortie sont entièrement nouveaux, donc le motif d'origine n'existe plus.

Le coût est réel : plusieurs gigaoctets de modèles, un GPU, une chaîne de traitement à configurer, et un résultat qui n'est plus exactement votre image. C'est le principe des projets ComfyUI que l'on trouve sur GitHub. Cela ne peut pas s'exécuter dans un onglet de navigateur, et cela ne peut pas s'exécuter sans envoyer votre image quelque part.

Ce qu'un outil local peut faire, honnêtement

La stratégie réaliste est double. D'abord désynchroniser : un recadrage de quelques pourcents combiné à une rotation infra-degré et à un ré-échantillonnage empêche le détecteur de retrouver l'alignement exact du motif. Ensuite reconstruire la couche de détail : on sépare la structure de l'image (les formes) de son grain fin (là où vit le filigrane), puis on remplace ce grain par du bruit neuf.

En mesurant la corrélation du porteur haute fréquence après réalignement, on passe de 0,99 sur l'image d'origine à environ 0,01 au profil Maximum, et à une valeur nulle ou négative au profil Extrême. C'est une baisse énorme du signal — mais ce n'est pas une preuve d'échec du détecteur de Google, qui reste seul juge et n'expose pas son seuil.

Le prix à payer augmente avec l'intensité : à partir du profil Fort, un lissage devient visible sur les textures fines, et un PNG nettoyé peut peser plus lourd que l'original.

Que faire concrètement

• Si votre objectif est la confidentialité (ne pas exposer le prompt, le logiciel, la géolocalisation) : nettoyez les métadonnées et le C2PA, c'est réglé et vérifiable.
• Si votre objectif est de passer un détecteur SynthID : testez avec le SynthID Detector de Google après le nettoyage, au profil Maximum puis Extrême, et jugez sur pièce.
• Si le rendu doit rester parfait : n'utilisez pas les profils élevés, et acceptez que le filigrane subsiste.
• Si un chatbot vous répond « cette image semble générée par IA » : vérifiez qu'il parle bien d'un filigrane et non de l'aspect de l'image, sinon aucun nettoyage ne changera sa réponse.