Riconoscere immagini generate dall’IA 2026: guida completa
Per riconoscere immagini generate dall’IA nel 2026 servono tre controlli in sequenza: cercare le incoerenze fisiche di ombre e riflessi, ispezionare i metadati di provenienza C2PA e verificare la presenza di una filigrana invisibile come SynthID. Il primo livello è il più debole: i rilevatori automatici hanno classificato come artificiali il 13,33% delle fotografie autentiche testate (NewsGuard, 11 maggio 2026).
Indice
Il problema ha cambiato natura. Le euristiche nate con i generatori del 2022-2023 — contare le dita, leggere i cartelli sullo sfondo — hanno perso valore diagnostico a ogni aggiornamento dei modelli. La verifica si è spostata dal contenuto dell’immagine ai dati che l’immagine porta con sé.
Anche il quadro normativo si è irrigidito: l’articolo 50 del regolamento europeo sull’intelligenza artificiale è applicabile dal 2 agosto 2026 e distingue gli obblighi di chi sviluppa i modelli da quelli di chi pubblica i contenuti (Agenda Digitale, 22 luglio 2026). La conseguenza pratica per chi verifica è una sola: i tre strumenti disponibili non hanno lo stesso peso probatorio.
Ultimo aggiornamento: 24 agosto 2026
Quali segnali visivi tradiscono un’immagine generata dall’IA?
I segnali più solidi non sono anatomici ma fisici: ombre che cadono in direzioni incompatibili con la fonte di luce, riflessi che non corrispondono alla scena, superfici lucide che restituiscono un ambiente diverso da quello inquadrato. Seguono le incoerenze di sfondo — architetture che non tornano, scritte illeggibili se ingrandite — e le texture di pelle e capelli, spesso troppo uniformi.
Il metodo operativo è ingrandire, non guardare: una foto sintetica regge a dimensione ridotta e cede al 200-300% di zoom.
Perché contare le dita non funziona più
Perché è un test che misura la maturità del generatore, non l’autenticità della foto. Gli errori sulle mani erano un limite dei modelli di prima generazione, corretto negli aggiornamenti successivi: un’immagine con mani perfette non è quindi una prova di autenticità. Il rischio è doppio, perché lo stesso test produce falsi allarmi su fotografie vere ma compresse.
Il degrado colpisce anche il software: i rilevatori perdono precisione sugli output di modelli diversi da quelli su cui sono stati addestrati, lo stesso terreno su cui prosperano i falsi strumenti di IA.
Come riconoscere immagini generate dall’IA: la scala a 3 livelli
I tre controlli disponibili formano una scala, non un elenco di alternative: ogni livello dimostra qualcosa di diverso e si rompe in un punto preciso. Il livello 1 produce un sospetto, il livello 2 una dichiarazione firmata, il livello 3 un’impronta nei pixel. Chi si ferma al primo sta indovinando; chi arriva al terzo ha un riscontro tecnico verificabile.
| Livello | Cosa dimostra | Punto di rottura |
|---|---|---|
| 1. Incoerenze visive e fisiche Ombre, riflessi, anatomia, sfondo, texture | Solo un sospetto: niente sull’origine del file | Il più debole e in via di invecchiamento: migliora a ogni generazione di modelli e sbaglia su foto autentiche compresse |
| 2. Metadati di provenienza C2PA Content Credentials: manifest firmato crittograficamente | Chi dichiara di aver prodotto il file, con quale software e quali modifiche | Può mancare, e la firma non è più valida se il file viene manomesso; ricodifiche e screenshot lo cancellano |
| 3. Filigrana invisibile nei pixel SynthID, distribuita in tutta l’immagine | Che il contenuto viene da un modello che applica quella filigrana | Copre solo i modelli che la implementano ed è leggibile unicamente da un classificatore addestrato |
In sintesi normativa: chi fornisce il sistema generativo deve marcare l’output in modo leggibile dalla macchina, mentre chi pubblica deve dichiarare i deepfake e i testi generati dall’IA diffusi per informare il pubblico su questioni di interesse pubblico.
Come si controllano i Content Credentials C2PA di una foto?
Si apre il file originale in un verificatore C2PA e si leggono tre cose: se un manifest è presente, cosa dichiara e se la firma è valida. Il manifest è l’unità verificabile che lega assertion, claim e firma del claim secondo la specifica tecnica C2PA 2.4, e riporta autore, software, data e modifiche registrate.
Gli strumenti sono due: l’estensione Chrome “C2PA Content Credentials”, che aggiunge la voce Verify Content Credentials al menù contestuale delle immagini, e i verificatori web che accettano JPEG, PNG, WebP, TIFF, AVIF e HEIC. Vincolo decisivo: serve il file originale, perché screenshot e copie passate da WhatsApp vengono ricodificate e perdono il manifest.
Cosa sono le filigrane invisibili come SynthID e chi le legge?
Sono marcatori inseriti nei pixel al momento della generazione, impercettibili a occhio nudo. SynthID di Google DeepMind copre immagini, video, audio e testo ed è progettato per resistere a ritaglio, filtri, cambio di frame rate e compressione con perdita: sopravvive cioè ai passaggi che cancellano i metadati C2PA. Qui il segnale sta nel contenuto, non nell’involucro.
Il limite è la lettura. Si carica il file in Gemini chiedendo se è stato creato o alterato dall’IA di Google, oppure si usa il portale SynthID Detector riservato a giornalisti e media, in fase di test iniziale con lista d’attesa. A Google I/O 2026 Google ha annunciato l’arrivo di SynthID e della verifica C2PA in Search e in Chrome: è un rilascio progressivo, da verificare nel proprio browser.
I rilevatori automatici di immagini IA sono affidabili?
Non come prova, sì come indizio. NewsGuard ha testato cinque rilevatori su 15 fotografie autentiche di agenzia: nel 13,33% dei casi le hanno classificate come generate dall’IA, con ScamAI al 40% di errore (6 su 15), ZeroGPT al 20% e AI or Not al 6,67%, mentre Hive e Sightengine hanno riconosciuto correttamente tutte e 15 le immagini (IDMO, 11 maggio 2026).
Creare un framework di autenticazione che parta dalla detection tradizionale.
Irene Amerini, docente e responsabile del Computer Vision and Multimedia Forensics Research Team, Sapienza Università di Roma (2026)
Vale la pena usare un rilevatore se serve un primo filtro rapido e si accetta un errore a doppia cifra. Non vale la pena se il verdetto deve reggere davanti a qualcuno: lì servono file originale, manifest C2PA e filigrana. Un punteggio percentuale non prova l’origine.
Cosa impone l’AI Act a chi pubblica immagini generate dall’IA?
L’articolo 50 divide gli obblighi in due. I fornitori devono progettare i sistemi generativi perché l’output sia marcato in formato leggibile dalla macchina e rilevabile come prodotto o manipolato artificialmente. I deployer, cioè chi pubblica, devono dichiarare in modo visibile i deepfake e i testi generati dall’IA diffusi su questioni di interesse pubblico senza revisione editoriale.
Le scadenze sono due: gli obblighi si applicano dal 2 agosto 2026, mentre per i sistemi generativi immessi sul mercato prima di quella data il termine per la marcatura tecnica è il 2 dicembre 2026 (ilSoftware, 30 luglio 2026). Resta fuori il testo sottoposto a controllo editoriale con un responsabile della pubblicazione, come spiega la guida a gli obblighi dell’AI Act.
Domande frequenti
Uno screenshot conserva i Content Credentials?
No. Lo screenshot crea un file nuovo e il manifest C2PA non viene trasferito, come accade con le immagini ricompresse dalle app di messaggistica. L’assenza del manifest non è un indizio di contenuto sintetico: significa che la catena di provenienza è interrotta.
SynthID sopravvive al ritaglio e alla compressione JPEG?
Sì, è progettato per questo. Google DeepMind indica la resistenza a ritaglio, filtri, cambio di frame rate e compressione con perdita, perché il marcatore è distribuito nell’immagine e non allegato al file. Il limite è la copertura: un esito negativo non prova l’autenticità.
La ricerca inversa per immagini serve ancora?
Sì, resta il controllo più economico. Non dice se un’immagine è sintetica, ma mostra dove è già comparsa e con quale didascalia: individua le foto vere riusate fuori contesto e le versioni precedenti dello stesso file. Va usata come test di contesto, non di origine tecnica.
Serve capire come funzionano i modelli per verificare un’immagine?
Aiuta, ma non è indispensabile. I tre controlli descritti si eseguono senza competenze tecniche: zoom sui dettagli fisici, verificatore C2PA sul file originale, richiesta di controllo della filigrana. Sapere come funziona l’IA generativa serve a capire perché i difetti visibili spariscono a ogni aggiornamento.
Questo articolo è stato scritto dalla redazione di Info Pratica e verificato su fonti ufficiali e attendibili (istituzioni, enti pubblici, studi ed esperti citati nel testo). Scopri come lavoriamo nella pagina Redazione.
