A ascensão da IA generativa levanta questões sobre autenticidade de imagens.
A proliferação de imagens geradas por inteligência artificial (IA) em 2026 criou uma demanda por novas ferramentas capazes de identificar conteúdo sintético. Sites e aplicativos prometem determinar se uma imagem foi criada ou modificada por IA, mas a precisão desses detectores ainda é um grande desafio.
Recentemente, o programa The Observers, do France 24, conduziu um teste com 10 dessas ferramentas. O objetivo era avaliar a eficácia de detectores populares diante de uma imagem sabidamente artificial. Os resultados revelaram disparidades significativas e apontaram para as complexidades envolvidas no desenvolvimento e na confiabilidade dessas tecnologias.
O teste com a imagem de Jeffrey Epstein
Para o experimento, foi utilizada uma imagem de Jeffrey Epstein, notório criminoso sexual americano, que foi gerada por IA. A foto, que mostra o homem com óculos escuros, cabelos brancos e barba, foi publicada em fevereiro de 2026 com a alegação falsa de que ele estaria vivo. Epstein, no entanto, faleceu em uma prisão nos Estados Unidos em 2019.
Dez ferramentas de detecção de IA foram submetidas à análise dessa imagem:
- WasitAI.com
- Isgen.ai
- AIorNot.com
- Decopy.ai
- Rephrasy.ai
- Sightengine.com
- Hivemoderation.com
- Undetectable.ai
- Mydetector.ai
- ZeroGPT.com
Resultados surpreendentes e falhas na detecção
Os resultados do teste foram, em sua maioria, decepcionantes. Grande parte das ferramentas falhou em identificar a imagem como artificial, com uma delas chegando a classificá-la como “100% humana”. Esse fenômeno é conhecido como “falso negativo”, que ocorre quando a ferramenta deixa de detectar um problema existente.
Apenas três das dez ferramentas testadas conseguiram identificar corretamente que a imagem de Epstein foi gerada por IA: AIorNot, ZeroGPT e Undetectable.ai. As demais classificaram a imagem como real, indicando uma falha significativa em sua capacidade de discernimento.
Por que as ferramentas falham?
Tina Nikoukhah, vice-presidente de pesquisa da GetReal Security, explica os motivos por trás dessas falhas. Segundo ela, um falso negativo pode ocorrer porque a ferramenta pode não estar atualizada ou não ser adequadamente adaptada para a tarefa.
“O desenvolvimento de software de detecção de IA é complexo”, afirma Nikoukhah. A maioria das ferramentas funciona como “classificadores”, dividindo as imagens em duas categorias: ‘naturais’ e ‘sintéticas’. No entanto, os detectores de IA podem não ter sido treinados com dados suficientes sobre as imagens em questão.
Isso significa que uma ferramenta pode ser eficaz na detecção de imagens criadas por um gerador específico de IA, mas ineficaz contra as produzidas por outro. Além disso, imagens de baixa resolução ou com compressão elevada podem enganar os detectores, dificultando a identificação de suas origens artificiais.
Salvaguardas e o futuro da detecção
Apesar dos desafios, existem mecanismos de salvaguarda. Nikoukhah menciona que alguns geradores de imagem de IA embutem marcas d’água invisíveis nos pixels das criações. É um método similar a uma assinatura de fotógrafo, mas imperceptível ao olho humano.
As ferramentas de IA do Google, por exemplo, utilizam essa abordagem. Ao verificar as informações de uma imagem gerada por essas ferramentas, é possível encontrar um aviso indicando que ela foi “criada com IA do Google”.
As empresas responsáveis pelas ferramentas que falharam no teste foram contatadas e informaram que continuarão a aprimorar suas tecnologias, acompanhando a evolução constante da inteligência artificial. Este artigo foi publicado durante a Semana da Mídia nas Escolas da França, realizada entre 23 e 27 de março de 2026.









