Suppression d’un filigrane d’image par IA testée : le visage, les étiquettes ou le reste de l’image sont-ils modifiés ?

Résultat : un filigrane effacé ne signifie pas une image inchangée

Nous avons utilisé un portrait synthétique ne représentant aucune personne réelle identifiée. Des marques générées localement ont été ajoutées sous la forme d’un logo opaque dans un coin, d’un texte translucide sur le visage et d’un motif en mosaïque. Une version propre, sans marque, a servi de témoin. Nous avons envoyé les images marquées au fournisseur de retouche d’image, puis comparé ses résultats pixel par pixel avec une référence propre et des masques connus qui n’avaient jamais été envoyés au modèle.

Dans le cas de la marque dans un coin, l’erreur moyenne à l’intérieur du masque du filigrane est passée de 160,50 à 1,73 sur une échelle de pixels de 0 à 255 : la marque visible a donc été presque entièrement remplacée dans cette zone. Mais la modification ne s’est pas limitée à la marque : l’erreur moyenne hors du masque était de 3,91, et 19,1 % des pixels situés hors du masque ont changé de plus de 8 dans au moins un canal de couleur. Le témoin propre a également changé : 23,1 % de ses pixels ont dépassé ce seuil.

La conclusion que ces échantillons contrôlés permettent d’établir est limitée : la zone marquée a été visiblement régénérée. L’expérience ne permet pas d’affirmer que « seuls les pixels du filigrane ont changé », que « l’arrière-plan original a été récupéré exactement » ou que « tous les portraits sont préservés sans risque ».

Quatre conditions contrôlées

Les quatre entrées sont des versions de 1024 × 1024 du même portrait synthétique. Comme les marques ont été ajoutées localement, nous disposons d’une image de référence propre et de masques exacts. Le modèle n’a reçu que les images marquées et des instructions écrites, pas la référence propre ni le masque de vérité terrain. Nous pouvons ainsi évaluer les zones couvertes tout en vérifiant si le modèle a suivi la consigne.

Condition	Pixels couverts	Configuration
Texte/logo opaque dans un coin	2,05 %	Petite marque sur un fond uni
Texte translucide sur les yeux et le nez	2,63 %	Le texte traverse des détails du visage
Texte translucide répété sur l’image	13,82 %	Plusieurs marques traversent le visage, les cheveux et les vêtements
Image propre, sans marque	0 %	Vérifie si le modèle modifie quand même l’image

Les requêtes indiquaient GPT Image 2 et une qualité maximale, par l’intermédiaire du proxy de retouche d’image configuré dans ce projet. Le modèle réellement utilisé en arrière-plan par le proxy n’a pas été confirmé indépendamment, et nous n’avons pas vérifié de facture. Le temps de traitement inclut celui du proxy et le téléchargement de l’image ; ce n’est pas le temps d’inférence du modèle seul.

La zone couverte s’est améliorée, mais le reste a quand même changé

La première consigne demandait au modèle de préserver la personne, les vêtements, l’arrière-plan et le texte ordinaire, mais ne précisait pas de masque de retouche. Le tableau indique l’erreur absolue moyenne des valeurs RGB dans la région connue du filigrane ; une valeur plus faible signifie un résultat plus proche de la référence synthétique propre existante. Les images ont les mêmes dimensions, mais n’ont pas été alignées après génération ; les changements de texture et les légers décalages géométriques contribuent donc aussi à l’erreur.

Test	Zone couverte	Temps de traitement	MAE de la région masquée : entrée → sortie	Pixels non masqués modifiés de plus de 8
Marque opaque dans un coin	2,05 %	36,1 s	160,50 → 1,73	19,1 %
Texte translucide sur le visage · première consigne	2,63 %	47,3 s	55,66 → 6,93	17,3 %
Texte répété · première consigne	13,82 %	69,4 s	26,46 → 5,41	25,9 %
Image propre, sans marque	0 %	44,2 s	Sans objet	23,1 %

Le nombre de « pixels modifiés de plus de 8 » correspond à un décompte avec un seuil fixe. Il ne mesure pas la proportion de changements qu’une personne remarquerait et ne dit rien de la préservation de l’identité. Il sert à examiner les zones hors du filigrane, pas à évaluer la qualité globale de l’image. Une comparaison de pixels sans alignement compte aussi les textures régénérées et les légers décalages de position.

Demander au modèle de préserver l’inscription du vêtement a-t-il été utile ?

Le portrait comporte un texte ordinaire, STUDIO 07, imprimé sur le vêtement. La première consigne demandait globalement au modèle de préserver le texte, mais cette inscription a tout de même été modifiée dans le résultat. Nous avons envoyé une deuxième requête, précisant que DEMO WATERMARK était la seule marque à supprimer et demandant de conserver STUDIO 07 à l’identique. Il s’agit d’une comparaison de consignes sur la même image synthétique, pas d’un échantillon répété d’une autre photo.

Pour le texte sur le visage, la deuxième requête a fait passer la MAE de la région masquée de 6,93 à 6,73, un changement minime. Dans la région non masquée du visage, la proportion de pixels modifiés de plus de 8 est passée de 24,74 % à 24,11 %. Pour l’inscription légitime du vêtement, la même mesure est passée de 26,61 % à 31,54 % ; la consigne de préservation plus explicite ne l’a pas protégée de façon fiable. La deuxième consigne pour le filigrane répété a aussi amélioré la mesure de la région masquée, mais plus de la moitié des pixels de cette inscription ordinaire ont quand même été modifiés de plus de 8.

Des consignes plus précises peuvent influer sur un résultat, mais elles ne remplacent pas un masque de retouche et ne garantissent pas une préservation à l’identique. Un modèle génératif produit une nouvelle image. Pour limiter les changements à la région marquée, un processus devrait aussi localiser cette région de façon fiable et limiter le compositing à ce masque. La localisation automatique dans des images réelles peut elle-même inclure ou exclure les mauvais pixels.

Réparer n’est pas récupérer les pixels d’origine

Comme ce test nous donne la zone exacte du filigrane, nous pouvons utiliser le masque de vérité terrain lors de l’évaluation hors ligne pour réincruster la zone générée dans l’image d’origine. Cela préserve exactement tous les pixels situés à l’extérieur, mais c’est une aide à la mesure, pas une opération effectuée par le modèle ni une garantie automatique du produit actuel. Un utilisateur ordinaire ne téléverse qu’une image marquée ; la limite exacte entre le filigrane et l’image d’origine est inconnue.

Même une faible MAE dans la région masquée signifie que le modèle a généré un contenu de remplacement plausible. Il n’a pas lu les pixels d’origine cachés par la marque. Des mèches de cheveux, la texture de la peau, de petites étiquettes sur les vêtements et des objets uniques peuvent être redessinés. Il est plus facile d’obtenir un rendu naturel pour un logo dans un coin, sur un ciel uni, que pour un texte sur les yeux ou un filigrane répété sur toute l’image.

Quand ce processus peut être utile

• Une petite marque se trouve sur un fond uni : le remplacement peut mieux se fondre dans l’image, mais vérifiez tout de même le visage, les contours et le texte ordinaire.
• Un texte translucide traverse un visage, un tissu ou un objet important : comparez l’original et le résultat autour des yeux, des cheveux, du tissage et des étiquettes légitimes.
• Un filigrane répété ou de grande taille couvre de nombreuses zones : il y a davantage à régénérer. Examinez chaque zone et conservez l’original ou recadrez l’image si le résultat ne convient pas.
• L’image ne porte aucune marque visible : même l’image témoin propre a été modifiée. Ne téléversez donc pas un portrait sensible juste pour faire un essai.
• Vous avez le droit de modifier l’image : ouvrez l’outil de suppression de filigrane d’image, comparez les deux vues et ne téléchargez qu’une version que vous avez vérifiée.

Quand vous lancez l’outil d’image, la photo est envoyée au service de traitement d’image configuré. Ne téléversez que des images que vous pouvez partager avec ce fournisseur. Le résultat généré peut modifier les visages, le texte de la scène ou d’autres éléments. Les commandes de comparaison et de nouvel essai aident à examiner d’autres possibilités ; elles ne garantissent pas une restauration exacte.

Limites de ce test

Le test porte sur un portrait synthétique, avec trois emplacements de marque et une image témoin propre. Il ne constitue pas un échantillon statistique de personnes, d’appareils photo ou d’images réelles provenant de sites Web ; il n’inclut ni évaluation indépendante à l’aveugle ni vérification d’identité. Le masque exact sert uniquement à l’évaluation ; le modèle ne l’a pas reçu. En usage réel, le produit doit aussi localiser le filigrane.

La MAE et le décompte des « changements supérieurs à 8 » sont des comparaisons de pixels RGB sans alignement. Les textures générées et les légers décalages de position ont une incidence sur ces mesures. Elles n’évaluent ni l’esthétique, ni le fait que le visage reste reconnaissable, ni la qualité générale de la retouche. Le temps de traitement varie selon le réseau, le proxy, le décodage de l’image et le téléchargement.

Le compte rendu mentionne le nom du modèle demandé et le niveau de qualité, mais ne vérifie pas indépendamment le modèle réellement utilisé en arrière-plan par le proxy, le coût ou la durée de conservation. La deuxième consigne de préservation a été testée sur le même portrait synthétique. Elle ne permet pas de conclure à une amélioration générale grâce aux consignes ni de prédire le résultat avec un autre modèle ou une autre version.

Données et notes sur les sources

L’expérience a été menée le 14 octobre 2026. Les quatre conditions utilisent un portrait synthétique existant, et aucune photo d’utilisateur réelle. Les entrées, les marques, les masques exacts, les consignes, les résultats et les mesures sont archivés dans le répertoire d’expériences du projet. La planche-contact montre les cas d’entrée et les résultats bruts générés ; l’image du cas « marque dans un coin » est un résultat réel du traitement.

Le portrait a été créé pour les tests du projet et ne représente pas une personne identifiée ; le filigrane a été généré localement. STUDIO 07 est un texte légitime sur un vêtement et doit être préservé. La première requête ne l’a pas conservé de façon fiable. La deuxième demandait explicitement de le préserver, mais des différences de pixels subsistaient. Ne vous contentez pas de vérifier que le filigrane a disparu.