Images générées par IA : quel impact SEO ?

Une image générée par un outil d'IA (Midjourney, DALL-E, Firefly, Imagen) n'est pas traitée comme une catégorie à part par Google, mais elle traverse une chaîne technique différente de celle d'une photo, et cette chaîne laisse des traces qui influencent son comportement dans Google Images et dans Discover. Trois éléments distinguent concrètement une image IA d'une photo du point de vue du référencement : la manière dont son originalité est évaluée, la présence ou l'absence de métadonnées de provenance (IPTC, C2PA), et ce qui survit, ou non, au passage dans votre pipeline de publication.

Ce texte ne reprend pas les bases du référencement des images déjà couvertes ailleurs (compression, lazy loading, sitemap images). Il se concentre sur ce qui est spécifique aux visuels générés par IA : comment Google les détecte et les étiquette, ce que cela change pour votre texte alternatif, et les décisions de pipeline qui déterminent si ce signal de provenance arrive intact jusqu'au moteur de recherche.

Google Images et le contenu généré par IA : ce qui a changé

Selon les principes que Google applique à l'ensemble du contenu, une page, ou une image, n'est pas jugée sur la méthode de production mais sur son utilité pour la personne qui la trouve. Il n'existe pas de règle générale qui exclue les visuels IA des résultats de Google Images ou de la recherche classique. Ce qui a changé, en revanche, c'est la visibilité de la provenance : Google affiche désormais, sous certaines miniatures dans Google Images et dans le panneau « À propos de cette image », une mention indiquant qu'un visuel a été généré ou modifié par une IA.

Cette mention ne sanctionne rien en soi. Elle informe l'internaute, au même titre qu'une légende ou une source. Deux images peuvent occuper des positions équivalentes dans les résultats, l'une labellisée « généré par IA », l'autre non, sans que ce label détermine le classement à lui seul. Ce qui pèse davantage sur le classement reste ce qui a toujours pesé pour une image : sa pertinence par rapport à la requête, son intégration dans une page utile, et, point sur lequel une image IA se distingue réellement, son originalité perçue dans un corpus où des milliers de sites utilisent parfois le même générateur avec des réglages proches.

L'originalité perçue : ce qui distingue une image IA d'une photo

Une photo prise sur le terrain, un produit, un local, une équipe, est presque mécaniquement unique : l'angle, la lumière, le décor ne se reproduisent pas à l'identique ailleurs. Une image générée par IA, elle, sort d'un espace de probabilités partagé par tous les utilisateurs du même modèle. Deux personnes qui décrivent un prompt proche, « illustration minimaliste, bureau, graphique de croissance », obtiennent des rendus visuellement très proches, parfois quasi interchangeables entre deux sites concurrents.

Pour Google Images, dont une partie du travail consiste à regrouper les doublons et quasi-doublons visuels, cette ressemblance structurelle joue contre l'image : elle a statistiquement plus de « voisins » visuels ailleurs sur le web, donc moins de chances d'être retenue comme représentante d'un groupe pour une requête donnée. Une illustration IA générique, utilisée en image d'en-tête sans lien direct avec le contenu, se comporte dans Google Images comme n'importe quelle image décorative interchangeable : elle a peu de raisons d'être indexée en tant que résultat visuel pertinent, IA ou pas.

• Un prompt détaillé et spécifique au contexte (marque, produit, situation réelle) produit un rendu plus singulier qu'un prompt générique.
• Un post-traitement (retouche, recadrage sur mesure, ajout d'éléments propres à la marque) réduit la ressemblance avec les rendus par défaut du même modèle.
• Une image IA illustrant un concept absent d'autres pages (un mécanisme, une comparaison chiffrée en schéma) apporte plus de valeur qu'une image IA générique placée en haut de page.

IPTC, C2PA et EXIF : comment la provenance est signalée

Le signal technique derrière le label de Google repose sur deux standards. Le premier est le champ « Digital Source Type » de la norme IPTC Photo Metadata, qui accepte des valeurs contrôlées comme trainedAlgorithmicMedia (contenu entièrement généré par un algorithme entraîné) ou compositeWithTrainedAlgorithmicMedia (contenu composite, partiellement généré, partiellement retouché). Le second est C2PA, la Coalition for Content Provenance and Authenticity, une spécification qui insère dans le fichier un manifeste signé cryptographiquement : quel outil a produit l'image, quelles modifications ont suivi, et par quelle chaîne d'édition elle est passée avant publication.

Certains générateurs intègrent ces métadonnées par défaut, c'est le cas des outils qui ont rejoint la coalition C2PA, d'autres non, notamment de nombreux outils tiers ou interfaces open source qui exportent un simple fichier PNG sans rien y inscrire. Il n'existe donc pas d'obligation universelle : l'absence de label « généré par IA » dans Google Images ne signifie pas que Google n'a pas identifié l'image comme telle, mais souvent, plus simplement, qu'aucune métadonnée de provenance n'était présente dans le fichier au moment de l'indexation.

Cette distinction a une conséquence pratique directe. Si l'objectif est la transparence, ce qui compte notamment pour des visuels d'actualité, de santé, ou tout sujet où l'origine du visuel pèse sur la confiance du lecteur, il faut vérifier avant publication que le fichier exporté par votre outil contient effectivement ces champs. Un contrôle simple consiste à inspecter les métadonnées XMP du fichier avec un outil d'analyse EXIF/XMP plutôt que de supposer qu'elles sont présentes par défaut.

Texte alternatif : ce qui change avec une image générée par IA

Les règles de base du texte alternatif ne changent pas selon l'origine de l'image : décrire ce que l'image montre et la fonction qu'elle remplit sur la page, dans un langage naturel, sans accumulation de mots-clés. Ce qui change, en pratique, avec les visuels IA, c'est une tentation nouvelle : écrire un alt text qui décrit le procédé plutôt que le contenu, du type « image générée par intelligence artificielle représentant un graphique ». Ce texte ne décrit rien d'utile pour quelqu'un qui ne voit pas l'image et cherche à comprendre ce qu'elle représente réellement.

La mention de la génération par IA n'a sa place dans l'alt text que lorsque l'origine de l'image fait elle-même partie de l'information, un article qui commente un visuel généré par IA comme sujet, par exemple. Dans tous les autres cas, illustration d'un concept, visuel de couverture, schéma explicatif, l'alt text doit décrire le contenu visuel réel : « graphique en courbe montrant une progression de trafic » reste pertinent, que le graphique soit une capture d'écran ou une reconstitution générée par IA.

L'autre piège, plus fréquent avec l'IA, vient de la réutilisation. Un générateur produit facilement une variante d'un même visuel pour plusieurs articles d'une série, et il devient tentant de copier-coller le même alt text sur toutes les pages. Un alt text dupliqué à l'identique sur plusieurs images distinctes n'apporte aucune information différenciante et affaiblit la valeur de chaque page pour la recherche d'images, qui associe justement image et contexte de page pour comprendre de quoi elle traite spécifiquement.

Compression et redimensionnement : où les métadonnées disparaissent

Le fichier qui sort d'un générateur d'IA n'est presque jamais le fichier publié tel quel. Il passe par un redimensionnement, une recompression en WebP ou en AVIF pour la performance, parfois une régénération automatique de vignettes par le CMS ou par un CDN. Chacune de ces étapes est un point où les métadonnées IPTC et le manifeste C2PA peuvent être supprimés, silencieusement, sans erreur ni avertissement, simplement parce que l'outil de traitement d'image ne les recopie pas dans le fichier de sortie.

C'est une décision de pipeline à prendre consciemment, pas un détail technique secondaire. Si la labellisation de provenance a de la valeur pour votre contenu, il faut choisir des outils d'optimisation qui préservent explicitement les blocs XMP et le manifeste C2PA lors du réencodage, ou accepter qu'à la sortie, l'image publiée n'aura plus aucun signal de provenance, quelle que soit la manière dont elle a été créée en amont. Les deux choix sont légitimes ; le problème est de le découvrir après coup, sur des centaines d'images déjà publiées et déjà indexées.

Le nom de fichier et l'organisation des dossiers restent des signaux banals mais réels, identiques à ceux d'une photo classique : un nom descriptif (comparatif-visuel-avant-apres.webp) vaut mieux qu'un nom générique laissé par défaut par le générateur (image-4821-upscaled-v2.png), qui ne dit rien du contenu ni à un moteur d'indexation, ni à une personne qui retrouve le fichier six mois plus tard dans une médiathèque.

Google Discover : mêmes exigences techniques, contexte différent

Discover met l'image au centre de l'expérience : c'est souvent le premier élément que la personne voit, avant même le titre de l'article. Les exigences techniques d'éligibilité ne changent pas selon l'origine de l'image, une largeur d'au moins 1200 pixels et la balise max-image-preview:large restent les conditions pour qu'une grande image d'aperçu s'affiche dans le flux, qu'il s'agisse d'une photo ou d'un rendu généré par IA.

Ce qui diffère, c'est le terrain sur lequel une image IA doit convaincre. Les règles de contenu de Discover excluent les visuels trompeurs ou de type putaclic, et une image de synthèse hyper-réaliste représentant une scène qui n'a jamais eu lieu, un lieu, un produit, une personne présentée comme réelle, s'expose davantage à ce risque qu'une illustration abstraite ou un graphique explicatif. Le problème n'est pas que l'image soit générée par IA ; c'est qu'elle prétende représenter une réalité qu'elle ne représente pas, ce qui reste un problème de contenu trompeur indépendant de la technologie utilisée pour la produire.

Sur des sujets sensibles, actualité, santé, élections, personnes réelles, la prudence porte donc moins sur la technique d'indexation que sur l'exactitude de ce que l'image affirme visuellement. Une infographie ou un schéma générés par IA pour illustrer un concept abstrait ne pose pas ce problème ; une image hyper-réaliste présentée sans contexte comme si elle documentait un événement réel pose, elle, un vrai problème de fiabilité éditoriale.

Quand préférer une photo réelle à une image générée

Certaines situations favorisent nettement la photo. Une page produit où l'image doit correspondre exactement à ce que la personne recevra ne devrait jamais s'appuyer sur un rendu IA approximatif : l'écart entre l'image et le produit livré crée un motif de litige, de retour, ou simplement de perte de confiance, ce qui affecte indirectement mais réellement les signaux d'engagement que Google observe, comme le taux de clic ou le retour rapide vers les résultats de recherche.

À l'inverse, une image IA est à sa place pour illustrer un concept, une métaphore, un schéma explicatif ou une scène générique où le réalisme documentaire n'est pas la promesse faite au lecteur. Un article qui explique un mécanisme, un tunnel de conversion, une architecture de données, gagne autant, sinon plus, avec un schéma généré par IA clair et spécifique qu'avec une photo de stock sans rapport direct avec le sujet traité.

• Contenu factuel (actualité, personne réelle, lieu précis, avant/après d'un produit) : privilégier une photo ou une capture d'écran réelle.
• Contenu conceptuel (métaphore, schéma, illustration d'un processus) : une image IA bien dirigée par un prompt spécifique est un choix raisonnable.
• Contenu à fort enjeu de confiance (santé, finance, sécurité) : rester prudent sur tout rendu qui pourrait être confondu avec une preuve factuelle, et documenter la source de l'image.