Google Earth a retiré son outil d’images IA après des inquiétudes liées aux deepfakes satellitaires

Google a retiré un générateur d’images pour Google Earth un jour seulement après son lancement, malgré des mesures conçues pour identifier les contenus synthétiques. Ce revirement a mis en lumière un problème plus profond : l’outil associait l’IA générative à un produit lié aux preuves géographiques.

La fonctionnalité permettait aux utilisateurs de sélectionner un lieu et de demander à Nano Banana 2 de créer une nouvelle scène à partir d’images satellitaires, aériennes et 3D. Des tests ont rapidement produit des conflits, catastrophes, scènes frontalières et événements politiques fabriqués dans des lieux réels reconnaissables.

Google a indiqué que les images obtenues ne remplaçaient pas les images publiques et n’apparaissaient pas dans l’expérience principale de Google Earth des autres utilisateurs. Elles comportaient également SynthID, le filigrane invisible de Google destiné à identifier les médias générés par IA. Ces mesures ne répondaient toutefois pas au problème central.

L’outil pouvait placer des événements fictifs dans le cadre visuel familier de Google Earth. Ce contexte donnait à une image synthétique ordinaire l’apparence d’une preuve géographique.

Google a réagi le 31 juillet en retirant la fonctionnalité pendant le développement de ce que l’entreprise a qualifié de « garde-fous plus solides ». Cette décision a suivi des articles critiques et des démonstrations publiés dans les heures ayant suivi le lancement du 30 juillet.

Il ne s’agissait pas simplement d’une nouvelle fonctionnalité IA échouant à un test de sécurité. Google a brièvement intégré des images synthétiques à un produit dont la valeur repose sur la confiance dans la réalité observée.

L’outil d’images IA de Google Earth n’a duré qu’un jour

La réponse la plus rapide de Google n’a pas été un simple ajustement des paramètres. Elle a consisté à retirer la fonctionnalité à l’origine de la controverse.

Google a introduit l’option de génération d’images le 30 juillet 2026. Le chef de produit Bryan Horowitz a invité les utilisateurs à choisir un lieu, sélectionner « create image » et décrire ce qu’ils souhaitaient voir.

Les exemples envisagés mettaient l’accent sur l’imagination. Les utilisateurs pouvaient imaginer des contextes historiques, réinventer des monuments ou montrer des améliorations possibles dans des quartiers familiers.

La fonctionnalité était accessible dans Google Earth sur le web. Elle utilisait le lieu sélectionné et les éléments géographiques visibles comme base d’une scène générée.

Cette interaction était suffisamment simple pour un usage occasionnel. Il n’était pas nécessaire de maîtriser un logiciel de retouche, les données satellitaires ou les techniques de composition d’images.

Des tests critiques ont révélé l’autre versant de cette simplicité. Des journalistes et des enquêteurs en source ouverte ont demandé à l’outil de montrer des incendies, des activités militaires, des rassemblements de migrants, des infrastructures endommagées et d’autres événements inventés.

Certaines images générées comportaient des erreurs évidentes. D’autres semblaient suffisamment crédibles pour créer de la confusion une fois séparées de l’interface d’origine ou partagées sous forme de captures d’écran.

Le récit du retrait de Geoff Brumfiel décrit la suspension de la fonctionnalité par Google après des inquiétudes relatives aux images satellitaires truquées. L’entreprise a reconnu la position particulière de Google Earth en tant que fenêtre de confiance sur le monde physique.

Google a déclaré que des personnes avaient partagé des images générées semblant enfreindre ses règles. L’entreprise a ensuite annoncé que la fonctionnalité resterait indisponible jusqu’à la mise en place de protections renforcées.

L’entreprise a également souligné deux limites. Les scènes générées ne modifiaient pas la carte partagée, et chaque résultat était signalé comme généré par IA.

Ces distinctions sont importantes. Google n’a pas discrètement intégré des scènes synthétiques à sa base de données géographiques. Un utilisateur devait demander une image, et les autres utilisateurs ne la rencontraient pas en explorant Earth.

Mais cette distinction pouvait disparaître après l’exportation. Une capture d’écran pouvait conserver l’interface cartographique, le lieu reconnaissable ou la perspective en vue aérienne, tout en perdant les avertissements affichés ailleurs.

Cette portabilité a créé le conflit central de confiance. Google contrôlait l’expérience de génération, mais pas tous les contextes dans lesquels le résultat pouvait circuler.

La rapidité du retrait portait également un message. Google a apparemment conclu que ses contrôles initiaux étaient insuffisants avant que la fonctionnalité ne soit plus largement adoptée.

Une réaction plus lente aurait pu générer un volume plus important d’images synthétiques propres à des lieux précis. Ces fichiers pourraient continuer à circuler même après que de nouvelles protections bloqueraient des demandes identiques.

Le retrait a donc limité l’exposition supplémentaire. Il n’a pas effacé les images déjà générées ni résolu le problème plus vaste des médias géographiques synthétiques.

Pourquoi Google Earth fait face à un test de confiance différent

Un générateur d’images intégré à Google Earth hérite de la crédibilité du produit qui l’entoure, même lorsque son résultat ne modifie jamais la carte sous-jacente.

Les utilisateurs se servent de Google Earth pour l’éducation, la planification, la recherche environnementale, les comparaisons historiques et l’exploration occasionnelle. Journalistes et enquêteurs utilisent également les images en vue aérienne pour évaluer des changements physiques.

Les preuves satellitaires ont permis de documenter des bâtiments endommagés, des déploiements militaires, des schémas d’inondation, la déforestation, l’état des cultures et des activités de construction. Les analystes comparent habituellement les dates, les fournisseurs, les coordonnées, les ombres et les éléments environnants avant de tirer des conclusions.

Google Earth n’est pas en soi un verdict de renseignement. Son interface offre néanmoins aux utilisateurs un point d’accès reconnaissable à des images de lieux réels.

Ce rôle rend les contenus synthétiques particulièrement sensibles. Un paysage urbain fictif issu d’un générateur d’images généraliste n’implique pas une affirmation concernant un lieu précis.

Un paysage urbain fictif généré depuis une position cartographique sélectionnée porte des signaux supplémentaires. Il peut conserver des formes géographiques, des angles de caméra, des monuments ou des éléments d’interface associés à l’observation.

La question est celle de la provenance, c’est-à-dire des informations sur l’origine d’un média et les modifications qui lui ont été apportées. Cette provenance doit rester compréhensible après que le contenu a quitté son application d’origine.

Google a initialement présenté la détection SynthID comme une protection. SynthID intègre un signal dans les médias générés par IA afin que les outils Google compatibles puissent aider à identifier leur origine.

Cette protection est utile dans le cadre d’une vérification volontaire. Elle ne garantit pas que chaque personne examinera une image suspecte avant de réagir ou de la partager.

Un filigrane pose également un problème de communication. Les signaux invisibles sont conçus pour être détectés par des machines, tandis que la désinformation réussit souvent grâce à une interprétation humaine immédiate.

Des libellés visibles peuvent aider, mais ils peuvent être recadrés. Les captures d’écran, les enregistrements d’écran, la recompression et les republications peuvent aussi dissocier le contenu des informations qui l’entourent.

La norme ouverte de provenance développée par la Coalition for Content Provenance and Authenticity propose une autre approche. Elle peut associer des informations signées sur l’origine d’un fichier et ses modifications.

Cependant, les métadonnées dépendent d’outils compatibles et de leur préservation d’une plateforme à l’autre. Elles ne constituent pas un bouclier universel contre une présentation trompeuse.

L’asymétrie sous-jacente favorise la publication trompeuse. Un créateur peut générer et diffuser rapidement une image émotionnelle. La vérification exige de l’attention, des outils compatibles et l’accès à des éléments de comparaison fiables.

Cette charge s’alourdit pendant les conflits ou les catastrophes. Les publics s’attendent à des informations incomplètes, les images se propagent rapidement et des documents visuels authentiques peuvent parvenir sans confirmation officielle immédiate.

Les images satellitaires truquées existaient déjà avant l’expérience de Google. Une analyse de 2025 sur les deepfakes satellitaires a documenté leur utilisation dans des récits liés à des conflits militaires.

Google Earth n’a pas inventé cette menace. Son intégration a réduit les efforts nécessaires pour produire des images liées à un lieu dans un environnement géographique familier.

Cette distinction explique pourquoi les comparaisons avec de simples logiciels de retouche manquent une partie du problème. La capacité technique de l’outil n’était pas unique, mais son intégration et son design d’interaction étaient inhabituels.

Le produit fournissait le lieu, la perspective, l’imagerie de base et le contexte reconnaissable. Nano Banana 2 fournissait l’événement fictif.

Ensemble, ces éléments ont condensé un processus de fabrication en plusieurs étapes en une courte instruction. Cette facilité a fait d’un abus prévisible une question immédiate de conception produit.

Le compromis central oppose contrôle créatif et intégrité géographique

Google doit décider si une imagination visuelle sans restriction a sa place dans un service que les utilisateurs considèrent comme un registre de lieux réels.

Les usages légitimes de la fonctionnalité étaient faciles à comprendre. Un enseignant pouvait reconstituer une ancienne colonie. Un urbaniste pouvait visualiser des arbres, des chemins ou des espaces publics avant les travaux.

Les architectes pouvaient explorer des idées de conception en contexte. Les habitants pouvaient comparer de possibles transformations de leur quartier sans apprendre à utiliser des logiciels de modélisation spécialisés.

Ces cas d’usage bénéficient de la même conscience du lieu qui crée le risque. Le résultat devient plus utile parce que le modèle peut travailler à partir de terrains et de structures reconnaissables.

Google fait donc face à un compromis, et non à un simple choix entre une technologie utile et une technologie nuisible. Des restrictions suffisamment fortes pour bloquer les scènes dangereuses peuvent aussi rejeter des demandes historiques ou de planification inoffensives.

Un filtre par mots-clés de base aura du mal à tenir compte du contexte. De la fumée au-dessus d’une ville peut illustrer une conception industrielle, un scénario d’incendie de forêt, un événement historique ou une attaque inventée.

Une demande impliquant des soldats peut servir de matériel pédagogique ou de propagande. Une foule près d’une frontière peut représenter des besoins de planification, une fiction ou une fausse affirmation concernant les migrations actuelles.

Des garde-fous plus solides nécessiteront probablement plusieurs couches. Le filtrage des instructions peut bloquer les demandes directes de violence, de catastrophes, de manipulation politique et d’autres scénarios sensibles.

L’analyse d’images peut examiner le résultat avant sa livraison. Des règles géographiques peuvent appliquer des contrôles plus stricts autour des sites gouvernementaux, des installations militaires, des frontières, des zones de conflit et des infrastructures critiques.

L’interface peut ajouter des libellés visibles permanents. Des contrôles d’exportation peuvent préserver ces libellés, tandis que les enregistrements de provenance peuvent faciliter une vérification ultérieure.

Google pourrait également limiter le réalisme. Des résultats stylisés resteraient utiles au développement de concepts tout en réduisant leur ressemblance avec de véritables photographies aériennes.

Une autre option consisterait à séparer la génération de la vue Earth en direct. Un « mode concept » distinct pourrait utiliser des couleurs, un cadrage et des traitements de fichiers différents.

La conception la plus robuste rendrait le statut synthétique évident dans chaque résultat, et pas seulement dans le flux de création. Elle empêcherait aussi l’interface cartographique de devenir un indice involontaire d’authenticité.

Aucun de ces contrôles n’offre de certitude. Les utilisateurs peuvent recadrer les libellés, photographier des écrans ou recréer des scènes restreintes avec d’autres logiciels.

Cette objection ne dispense pas Google de sa responsabilité concernant sa propre intégration. Une plateforme peut réduire les abus prévisibles même lorsqu’elle ne peut éliminer toutes les voies menant au même résultat.

La question la plus difficile concerne le niveau de risque résiduel acceptable. Google n’a pas défini publiquement le test que ses garde-fous améliorés devront réussir avant le retour de la fonctionnalité.

Il reste difficile de savoir si l’entreprise bloquera des catégories entières d’instructions, restreindra certains lieux, réduira le réalisme ou repensera le processus d’exportation.

Google doit également décider si la détection après la création suffit. Sa première réponse mettait l’accent sur les outils d’identification et l’application des règles.

Le retrait suggère une norme différente. La prévention semble désormais plus importante que de demander aux destinataires de vérifier un contenu suspect après sa diffusion.

Ce revirement constitue l’inversion centrale de cette histoire. Google a lancé la fonctionnalité avec confiance, en s’appuyant sur des filigranes et des filtres de politique, puis l’a retirée après que des tests en conditions réelles ont mis ces contrôles en question.

La prochaine conception de l’entreprise révélera ce qu’elle a retenu. Une liste restreinte de mots interdits indiquerait une réponse progressive.

Un environnement de simulation visiblement séparé témoignerait d’une réévaluation plus profonde. Cela traiterait le contexte même du produit comme un élément du système de sécurité.

Les filigranes ne peuvent pas assumer seuls toute la charge de sécurité

Les protections initiales de Google portaient sur l’origine des fichiers générés, mais des critiques ont mis en évidence des risques liés au contexte, à la diffusion et au comportement humain.

Google a indiqué que les résultats de Nano Banana 2 incluaient SynthID et des indications visibles signalant qu’ils avaient été générés par IA. L’entreprise a également déclaré que ses politiques interdisaient la création d’images nuisibles.

Des tests rapportés après le lancement ont montré que ces contrôles n’empêchaient pas systématiquement des scénarios préoccupants. Henk van Ess, journaliste d’investigation chez Digital Digging, a produit des scènes fabriquées liées à des sujets politiques et militaires sensibles.

D’autres testeurs ont créé des scènes de destruction dans de grandes villes et modifié des monuments emblématiques. Un récit décrivait la génération de véhicules militaires près du domicile de l’auteur à l’aide d’une courte requête.

Les démonstrations rapportées variaient en réalisme. Certaines présentaient une échelle invraisemblable ou des artefacts visuels, tandis que d’autres semblaient convaincantes au premier regard.

Cette variation crée son propre danger. Les exemples médiocres peuvent donner l’assurance que chaque image synthétique se trahira par des erreurs évidentes.

Les modèles s’améliorent, les requêtes deviennent plus élaborées et les publications sur les réseaux sociaux apparaissent souvent sur de petits écrans. Les internautes peuvent aussi ne voir une image que quelques secondes.

L’incertitude essentielle n’est pas de savoir si un analyste médico-légal peut détecter une manipulation. Elle consiste à déterminer si les destinataires ordinaires rencontrent suffisamment de friction avant de croire ou de partager une affirmation.

Les détecteurs de Google peuvent aider une personne qui a déjà des doutes. Ils ne peuvent pas imposer une pause sceptique avant qu’une image émotionnelle n’influence la perception.

Le marquage par filigrane dépend aussi de l’accès au signal d’origine. Les transformations peuvent compliquer la détection, même si Google conçoit SynthID pour résister aux modifications courantes.

Aucune méthode actuelle de divulgation ne supprime la nécessité de vérifier les sources. La réponse la plus sûre face à une image aérienne spectaculaire consiste toujours à retrouver sa première apparition et à la comparer à des images indépendantes.

Les chercheurs peuvent examiner le terrain, la météo, les ombres, les horodatages et les passages de satellites connus. Ils peuvent aussi rechercher des éléments concordants auprès de fournisseurs commerciaux ou de programmes publics.

La plupart des utilisateurs des réseaux sociaux n’effectueront pas ce travail. Les rédactions et les équipes de vérification subissent donc une pression accrue lorsque la fabrication devient plus rapide que l’analyse.

Le problème dépasse également la tromperie réussie. Un flot d’images satellites synthétiques peut faciliter la remise en cause de preuves authentiques.

Cet effet est parfois appelé le dividende du menteur. Lorsque des faux convaincants deviennent familiers, une personne peut qualifier un contenu authentique de synthétique sans le prouver.

La réputation de Google Earth accroît les deux dimensions de ce risque. Son interface peut conférer de la crédibilité à une capture d’écran fabriquée, tandis que la controverse peut affaiblir la confiance dans des images légitimes.

Une correction importante doit rester claire. La fonctionnalité retirée ne modifiait pas la base de données publique de Google Earth.

Qualifier chaque résultat de fausse carte Google Earth exagérerait ce qui s’est produit. L’outil créait des images demandées par les utilisateurs à partir d’un lieu choisi.

Cette frontière technique réduit le risque de contamination silencieuse de la base de données. Elle n’empêche pas les republications trompeuses, les légendes mensongères ou la suppression des signaux de divulgation.

Le retrait doit donc être évalué comme une réduction des risques, et non comme la preuve que Google Earth est devenu peu fiable. Ses images établies sont restées séparées des résultats générés.

Le défi de Google est de préserver cette séparation dans l’esprit des utilisateurs. Une frontière au niveau de la base de données ne suffit pas si les médias exportés l’effacent visuellement.

Le retrait de Google accroît la pression sur l’ensemble du secteur des produits d’IA

Cet épisode relève le niveau d’exigence en matière de sécurité pour toute entreprise intégrant des médias génératifs dans des outils associés à la preuve, à la mesure ou au jugement professionnel.

Les générateurs d’images généralistes font déjà face à des restrictions concernant les personnalités publiques, les élections, la violence, le contenu sexuel et les personnages protégés par le droit d’auteur. Leurs résultats naissent normalement dans des interfaces clairement créatives.

Les produits spécifiques à un contexte introduisent des attentes supplémentaires. Un générateur d’images intégré à un logiciel médical, cartographique ou à une plateforme de sécurité tire sa signification de son environnement.

Les utilisateurs ne jugent pas seulement les pixels générés. Ils jugent aussi l’application source, les libellés, les coordonnées, les données environnantes et l’objectif attendu.

Ce principe pousse les équipes produit à évaluer les abus contextuels avant le lancement. Les tests génériques d’un modèle ne peuvent pas couvrir toutes les relations de confiance héritées d’un produit hôte.

Le déploiement de Google a montré qu’un modèle peut respecter ses politiques générales relatives aux images tout en produisant des résultats inacceptables dans une interface particulière.

Une explosion fictive peut être autorisée dans un outil artistique. La même scène associée à des coordonnées exactes peut fonctionner comme une fausse affirmation concernant un événement réel.

Les concurrents devraient étudier cette distinction. Microsoft, Apple, les fournisseurs de cartographie, les entreprises de satellites et les éditeurs de systèmes d’information géographique ajoutent tous des flux de travail assistés par IA.

Leurs mises en œuvre diffèrent, et nombre d’entre elles privilégient l’analyse plutôt que la génération photoréaliste. Pourtant, chacune doit séparer l’observation, la prédiction, la simulation et l’invention.

Ces étiquettes décrivent des résultats matériellement différents. L’observation représente des données collectées. La prédiction estime une condition future. La simulation modélise un scénario possible. L’invention représente quelque chose sans statut probant.

Brouiller ces catégories peut créer des erreurs même sans intention malveillante. Un employé pressé pourrait inclure une image simulée dans une présentation sans en conserver l’étiquette.

Un spectateur ultérieur pourrait traiter cette diapositive comme une documentation. L’erreur pourrait se propager dans des rapports, des canaux de messagerie ou des systèmes de connaissance automatisés.

Les organisations ont besoin de pratiques de provenance en complément des protections des modèles. Les équipes devraient conserver les fichiers originaux, les URL sources, les dates, l’historique des transformations et les notes de vérification.

Une base de connaissances IA consultable peut aider les collaborateurs à séparer les preuves des interprétations et des brouillons générés. Le système exige toujours un étiquetage clair et une relecture attentive.

Les développeurs doivent également élaborer des modèles de menace propres à la diffusion. Les tests devraient inclure le recadrage, les captures d’écran, la recompression, la republication, les légendes mensongères et le retrait de l’interface d’origine.

Les revues de sécurité devraient demander ce qui reste visible après chaque transformation. Elles devraient également examiner si la marque ou les éléments d’interface créent une autorité trompeuse.

La réponse de Google offre une leçon de gouvernance produit. Des mécanismes de retrait rapide comptent lorsque les tests publics révèlent un décalage entre l’usage prévu et le comportement réel.

L’entreprise a agi en environ une journée. Cela a limité les créations supplémentaires, même si cette courte exposition a tout de même suscité de nombreuses critiques et produit des exemples réutilisables.

Un retrait ne peut pas remplacer les tests avant publication. Il peut empêcher qu’une erreur de conception ne devienne une fonctionnalité permanente pendant que les équipes réévaluent leurs hypothèses.

La pression plus large qui pèse sur le secteur concerne les logiciels portant une valeur probante. Les fournisseurs doivent prouver que les fonctions synthétiques n’empruntent pas discrètement la confiance accordée aux outils factuels.

Cette obligation devient plus stricte à mesure que les modèles d’images progressent. Un réalisme accru augmente la valeur créative, mais réduit aussi les indices visuels qui révélaient autrefois la fabrication.

Google doit désormais montrer que des « garde-fous plus solides » signifient davantage qu’un meilleur libellé de refus. La refonte doit traiter la relation entre les médias générés et l’autorité géographique.

Ce que le retrait de Google laisse sans réponse

Trois signaux détermineront si Google a repensé le modèle de confiance de cette fonctionnalité ou s’est simplement contenté de renforcer ses filtres.

Le premier signal sera la forme de toute relance. Google n’a pas annoncé de date de retour ni publié de liste complète des changements prévus.

Une relance dotée d’un étiquetage visuel persistant, d’un mode concept séparé et d’une provenance protégée renforcerait l’idée d’une refonte significative. Une interface presque identique avec davantage de requêtes bloquées l’affaiblirait.

La politique relative aux lieux comptera autant que la politique relative aux requêtes. Les sites sensibles et les zones de conflit actives créent des risques que ne présentent pas les scènes créatives ordinaires.

Google pourrait restreindre la génération autour des lieux militaires, des frontières, des installations gouvernementales, des infrastructures critiques et des zones touchées par des catastrophes en cours. De tels contrôles soulèveraient des questions difficiles de couverture, de temporalité et de neutralité politique.

Le deuxième signal sera constitué par des tests adversariaux indépendants. Les chercheurs devraient reproduire les scénarios ayant contourné les protections initiales et publier des résultats reproductibles sans diffuser de ressources nuisibles.

Un système efficace devrait résister aux formulations indirectes, aux modifications itératives, aux cadrages fictionnels et aux combinaisons de requêtes individuellement inoffensives. Il devrait également préserver les divulgations après les exportations normales.

Les tests indépendants pourraient révéler un blocage excessif. L’éducation historique et l’urbanisme souffriraient si les garde-fous rejetaient toute requête impliquant des foules, de la fumée, des infrastructures ou des monuments politiques.

Un tel résultat ne prouverait pas que la fonctionnalité est sûre ou dangereuse. Il montrerait si Google a trouvé un équilibre praticable entre utilité créative et intégrité géographique.

Le troisième signal concerne le comportement des fichiers générés en dehors de Google Earth. Les étiquettes persistantes et les identifiants vérifiables comptent surtout après que des captures d’écran ont rejoint des fils sociaux et des messages privés.

Google devrait expliquer quelles modifications SynthID peut tolérer. L’entreprise devrait également préciser comment les utilisateurs peuvent vérifier un contenu lorsqu’ils ne disposent pas du fichier original.

Les consignes publiques de l’entreprise devraient éviter de faire peser toute la charge sur les destinataires. Les outils de vérification sont précieux, mais la conception du produit doit réduire les résultats ambigus avant leur diffusion.

Le débat sur la crédibilité d’Earth a montré à quelle vitesse une fonctionnalité peut remettre en cause des années de confiance accumulée. Cette confiance est difficile à quantifier et facile à sous-estimer.

Google Earth reste utile parce que les utilisateurs s’attendent à une frontière significative entre les images enregistrées et les scènes imaginées. Maintenir cette frontière est plus important que préserver une fonctionnalité expérimentale.

Le cycle de l’actualité passera finalement à un autre lancement. La question de fond concernant le produit restera posée pour chaque plateforme orientée vers la preuve qui ajoute de l’IA générative.

Où la simulation doit-elle se situer, et quels signaux doivent subsister lorsque du contenu synthétique quitte son outil d’origine ?

Pour les développeurs, les acheteurs en entreprise, les journalistes et les travailleurs du savoir, l’action immédiate est simple. Traitez les images géographiques comme des affirmations nécessitant une provenance, surtout lors d’événements qui évoluent rapidement.

Conservez la source, notez la date de publication, distinguez l’observation de la simulation et vérifiez les scènes spectaculaires à l’aide d’images indépendantes. Ces habitudes restent nécessaires même lorsque les filigranes s’améliorent.

La prochaine version de Google apportera la réponse la plus claire. Si l’entreprise sépare visiblement l’imagination de la preuve, le retrait apparaîtra comme une correction significative.

Si elle s’appuie principalement sur une détection cachée et des blocages de mots-clés plus larges, le conflit initial reviendra. Le prochain titre portera alors sur le même problème de confiance, et non sur un nouveau.