Come capire se un’immagine è generata dall’IA: la guida completa 2026

Qualche anno fa, individuare un’immagine IA era facile. Sei dita, testo sciolto, occhi che guardano in direzioni diverse. Quell’era è finita. Nel 2026 i generatori producono immagini indistinguibili da una normale foto da telefono, e la verità onesta è questa: di solito non puoi più capirlo solo guardando. Chi sostiene di riuscirci sempre si sta sopravvalutando.

Questo non significa che tu sia indifeso. C’è un modo affidabile di indagare su un’immagine sospetta — ma è un processo, non un’occhiata. Questa guida percorre la scala esatta che funziona nel 2026, dai controlli più rapidi e certi fino agli indizi visivi di ultima istanza.

Se devi ricordare una sola cosa: procedi dalla provenienza ai rilevatori, e poi alla fisica — in quest’ordine.

Prima, capisci con cosa hai a che fare

Per mettere il problema in prospettiva: le stime di settore indicano che nel 2026 vengono create oltre 500 milioni di immagini IA al giorno sulle principali piattaforme. La ricerca di McAfee ha rilevato che l’americano medio incontra circa 2,6 deepfake al giorno senza accorgersene. Gran parte di ciò che scorri non è mai stato catturato da una fotocamera.

Il salto di qualità dal 2025 al 2026 è stato ripido. Strumenti che un tempo producevano falsi evidenti oggi eguagliano il realismo di un normale fotoritocco. Ecco perché i vecchi consigli “cerca i difetti” falliscono — erano scritti per una generazione di IA che non esiste più. Per il contesto su come funziona questa tecnologia, leggi che cos’è un deepfake.

Serve quindi un approccio più intelligente.

Passo 1: Controlla la provenienza (il segnale più rapido e affidabile)

Prima di analizzare un solo pixel, poni una domanda più semplice: l’immagine porta con sé una traccia della sua origine?

Si chiama provenienza, ed è il segnale più forte disponibile nel 2026 perché non si basa su congetture — si basa su un registro crittografico incorporato nel file.

Content Credentials (C2PA)

La Coalition for Content Provenance and Authenticity (C2PA) ha creato uno standard aperto chiamato Content Credentials. Molte fotocamere, editor e generatori IA ormai allegano questi metadati alle immagini. Possono dirti se l’IA è stata coinvolta nella creazione o nella modifica di una foto.

Le grandi aziende di IA l’hanno adottato. OpenAI, per esempio, allega Content Credentials alle immagini create con i suoi strumenti e offre un modo per verificarle. Il problema — ed è importante — è che i metadati possono essere rimossi. Se qualcuno fa uno screenshot o risalva l’immagine, le credenziali spesso spariscono. Un risultato “nessuna credenziale trovata” non scagiona un’immagine; significa solo che la pista si è raffreddata.

SynthID (Google)

Google incorpora una filigrana invisibile chiamata SynthID nelle immagini generate dai suoi modelli. Puoi aprire l’app Gemini, caricare un’immagine e chiedere se è stata creata con l’IA di Google — controlla la filigrana SynthID.

Vale la stessa limitazione, e Google è onesta al riguardo: SynthID segnala solo contenuti di origine Google. Un risultato “nessuna filigrana” non scagiona un’immagine fatta con Midjourney, Stable Diffusion o qualunque strumento non-Google.

Conclusione del Passo 1: se trovi la provenienza, spesso hai la risposta in pochi secondi. Se non la trovi, passa al Passo 2 — l’assenza di provenienza da sola non prova nulla.

Passo 2: Passala agli strumenti di rilevamento (la tua seconda linea)

Quando la pista della provenienza è vuota, tocca ai rilevatori. Questi strumenti analizzano le impronte statistiche che i modelli generativi lasciano dietro di sé — pattern invisibili all’occhio umano ma rilevabili da un modello addestrato.

Ecco cosa devi sapere per usarli con criterio:

Danno probabilità, non verdetti. I benchmark indipendenti del 2026 collocano i migliori rilevatori attorno all’85–94% di accuratezza su immagini pulite e non compresse — e sensibilmente meno quando un’immagine è stata compressa, ridimensionata o modificata. È davvero utile, ma non è certezza. Tratta il punteggio come un elemento di prova.

La compressione è la loro debolezza. I social comprimono e ripuliscono le immagini in modo aggressivo. Una foto reale molto compressa può confondere un rilevatore, e lo stesso vale per un falso ben rifinito. È il motivo principale per cui i rilevatori si contraddicono.

Nessuno strumento è affidabile da solo. Il flusso pratico del 2026: passa l’immagine per più di un rilevatore solido e guarda dove concordano. La concordanza è il tuo segnale; il disaccordo significa “non conclusivo”, che è una risposta perfettamente onesta.

È qui che uno strumento sul dispositivo si guadagna il posto. La maggior parte dei rilevatori web richiede di caricare l’immagine sul server di un’azienda — un problema di privacy se la foto è personale o sensibile. Abbiamo costruito Verifyco proprio per risolvere questo: esegue un’analisi forense multilivello interamente sul tuo iPhone, controllando metadati, firme di generazione IA e pattern di frequenza, e ti dà un punteggio di fiducia con il dettaglio completo di cosa ha trovato. Nulla viene caricato, non serve un account, ed è onesto sull’incertezza — se i segnali sono deboli, dice “non conclusivo” invece di indovinare. (Di più sul flusso specifico per iPhone nella nostra guida per controllare le foto su iPhone.)

Passo 3: Esamina la fisica (l’ultima risorsa)

Se la provenienza è vuota e i rilevatori sono divisi, ripieghi su ciò con cui l’IA fatica ancora: la coerenza fisica globale. I generatori assemblano un’immagine localmente — regione per regione — e spesso non riescono a riconciliare l’intera scena come fanno la luce reale e le lenti reali.

Dove guardare, all’incirca in ordine di affidabilità:

Ombre e direzione della luce

Segui ogni ombra. In una foto reale cadono tutte coerentemente dalla fonte di luce. Le scene IA mescolano spesso angoli d’ombra che nessuna illuminazione reale potrebbe produrre.

Riflessi

Controlla occhi, occhiali, acqua, finestre e superfici lucide. Il contenuto riflesso nelle immagini IA spesso contraddice la scena reale, o compare dove non dovrebbe.

Geometria dello sfondo

Le linee rette sono difficili per l’IA. Guarda ringhiere, piastrelle, infissi, mattoni e spigoli delle porte. Nelle immagini IA spesso si piegano, si fondono o generano segmenti extra dove dovrebbero correre dritte.

Profondità e sfocatura

Le lenti reali sfocano in base alla distanza. L’IA a volte sfoca “a intuito estetico”, lasciando una combinazione di nitidezza tra primo piano e sfondo che nessuna fotocamera reale produrrebbe.

Texture fini e pattern

Guarda da vicino i dettagli ripetuti — trame dei tessuti, volti nella folla, fogliame, testo sui cartelli. L’IA inciampa nell’interazione sfumata dei pattern complessi e spesso produce, a un esame ravvicinato, sottili incoerenze oniriche.

Un avvertimento cruciale: questi indizi diventano più difficili da leggere ogni mese — esattamente per questo la fisica è l’ultimo livello e non il primo. Un generatore moderno può produrre una scena che supera tutti questi controlli. Superarli non è prova di autenticità — significa solo che non hai trovato un difetto evidente.

Tutto insieme: il flusso di lavoro 2026

L’intero metodo in un solo posto:

1. Prima la provenienza. Cerca le Content Credentials (C2PA) e, per sospette immagini Google, SynthID tramite l’app Gemini. Trovato qualcosa? Probabilmente hai già la risposta.
2. Poi i rilevatori. Passa l’immagine per più di un rilevatore solido. Cerca la concordanza. Un’opzione privata sul dispositivo come Verifyco tiene la tua immagine lontana dai server di terzi.
3. La fisica per ultima. Se devi ancora decidere, scruta ombre, riflessi, geometria, profondità e texture — ricordando che superare questi controlli non è una garanzia.

La mentalità che ti protegge non è “so riconoscere i falsi”. È “verifico prima di fidarmi”. Questa sola abitudine ti mette davanti a quasi tutti quelli che scorrono la stessa immagine senza pensarci due volte. Devi controllare un video? Vedi come riconoscere un video deepfake.

Domande frequenti

ChatGPT o Gemini possono dirmi se un’immagine è generata dall’IA? Parzialmente. Gemini può controllare la filigrana SynthID di Google, che copre solo le immagini fatte da Google. I chatbot generici possono commentare incoerenze visive, ma non sono rilevatori dedicati e non dovrebbero essere il tuo unico controllo.

I rilevatori di immagini IA sono accurati? I migliori si attestano attorno all’85–94% su immagini pulite nei benchmark 2026, e meno su immagini compresse o modificate. Sono un segnale forte, non un verdetto finale. Usane più di uno e pesa il risultato insieme alla provenienza.

Perché due rilevatori mi danno risposte diverse? Quasi sempre per compressione o modifica. Le piattaforme comprimono e ripuliscono pesantemente le immagini, degradando le impronte statistiche su cui i rilevatori si basano. Quando gli strumenti divergono, considera il risultato non conclusivo.

È IA se non ci sono filigrana o metadati? No — ed è un errore comune. I dati di provenienza si perdono facilmente con screenshot e risalvataggi. Una filigrana assente non prova nulla da sola; significa solo che devi affidarti a rilevatori e fisica.