Gemini refuse de croire à iOS 26 et pense que la capture a été falsifiée avec « Inspecter l’élément »

Une conversation avec Gemini qui prend une tournure inattendue

Tout commence par une situation relativement simple : une capture d’écran montrant une page consacrée à iOS 26 est présentée à Gemini, l’intelligence artificielle de Google. L’objectif est notamment de voir comment le modèle interprète les informations présentes à l’écran.

Mais au lieu de reconnaître iOS 26 comme une véritable version du système d’exploitation de l’iPhone, Gemini commence à relever ce qu’il considère comme plusieurs « incohérences ». Pour l’intelligence artificielle, la numérotation affichée ne correspond pas à la chronologie qu’elle connaît.

Gemini ne se contente alors pas d’émettre un doute sur l’information. Il développe une explication beaucoup plus radicale : selon lui, la capture aurait été « modifiée à la main » à l’aide de l’outil « Inspecter l’élément » du navigateur ou générée de toutes pièces.

Une conclusion particulièrement catégorique pour une information qui, en réalité, est parfaitement authentique.

Pour Gemini, iOS 19 aurait dû succéder à iOS 18

Le raisonnement de Gemini permet assez facilement de comprendre l’origine de son erreur. Pendant de nombreuses années, Apple a utilisé une numérotation relativement prévisible pour iOS : iOS 16, iOS 17 puis iOS 18. En poursuivant simplement cette logique, le successeur d’iOS 18 aurait naturellement dû s’appeler iOS 19.

C’est précisément ce que semble considérer Gemini dans la conversation.

Lorsqu’il découvre la mention « iOS 26 », le modèle ne semble pas disposer du contexte nécessaire concernant le changement de nomenclature décidé par Apple. Il considère donc le chiffre 26 comme impossible ou, au minimum, fortement suspect.

Le problème n’est pas tellement que Gemini ignore une information. Aucun modèle d’intelligence artificielle ne possède une connaissance parfaite et permanente de l’actualité. Le problème vient surtout de la manière dont cette incertitude est gérée : au lieu d’envisager que ses propres connaissances puissent être dépassées, Gemini transforme ce décalage en preuve supposée de falsification.

La capture serait donc un montage réalisé avec « Inspecter l’élément »

Gemini va alors beaucoup plus loin dans son analyse. Puisque la version affichée ne correspond pas à ce qu’il pense savoir, l’intelligence artificielle propose une explication technique à cette anomalie.

Selon elle, quelqu’un aurait pu ouvrir les outils de développement du navigateur, utiliser la fonction « Inspecter l’élément », puis remplacer les références à « iOS 19 » par « iOS 26 » directement dans le contenu affiché par la page.

Techniquement, modifier temporairement le texte d’une page dans son propre navigateur est effectivement très facile. Mais cette possibilité technique ne constitue évidemment pas une preuve qu’une capture a réellement été manipulée.

C’est pourtant cette hypothèse que Gemini retient et présente avec une assurance remarquable.

Le modèle ajoute même que l’image pourrait avoir été « générée de toutes pièces », renforçant encore davantage l’idée qu’il considère les informations affichées comme incompatibles avec la réalité.

Gemini utilise même les détails de l’image pour renforcer son erreur

Ce qui rend cette conversation particulièrement intéressante, c’est que Gemini ne produit pas simplement une mauvaise réponse en une phrase. Il tente véritablement de démontrer son raisonnement.

L’intelligence artificielle analyse la numérotation, les dates affichées ainsi que différents éléments visibles dans la capture. Elle mentionne notamment les recherches associées et considère certains de ces éléments comme de nouveaux indices d’une manipulation.

En d’autres termes, Gemini part d’une première hypothèse erronée — « iOS 26 ne correspond pas à la véritable chronologie d’iOS » — puis interprète progressivement le reste de l’image à travers cette hypothèse.

Cela donne une réponse qui paraît cohérente lorsqu’on la lit rapidement : plusieurs arguments sont présentés, une explication technique est proposée et le modèle semble avoir effectué une véritable analyse de l’image.

Mais toute cette démonstration repose sur une prémisse incorrecte.

Notre échange publié sur X

Face au caractère assez improbable de cette réponse, nous avons partagé la conversation sur X, en montrant directement l’analyse produite par Gemini.

La capture permet de constater que Gemini ne formule pas simplement une hypothèse prudente. Il présente réellement la modification via « Inspecter l’élément » ou la génération artificielle de l’image comme une explication à ce qu’il considère être des incohérences.

Et parmi ces fameuses incohérences figure justement l’existence d’iOS 26.

Sauf qu’iOS 26 existe bel et bien

C’est évidemment là que toute la démonstration de Gemini s’effondre.

iOS 26 est une véritable version du système d’exploitation d’Apple. L’entreprise l’a officiellement présenté lors de la WWDC 2025, le 9 juin 2025.

Apple a donc elle-même utilisé publiquement l’appellation « iOS 26 » dans ses communications officielles. Il ne s’agit ni d’une appellation inventée par Wikipédia, ni d’une rumeur reprise par certains sites, encore moins d’un texte modifié localement dans un navigateur.

Le système a ensuite été proposé au public le 15 septembre 2025.

Au moment où cette conversation avec Gemini est réalisée, en septembre 2026, iOS 26 n’est donc même plus une nouveauté fraîchement annoncée : cette génération du système d’exploitation d’Apple existe officiellement depuis plus d’un an et sa version publique est disponible depuis près d’un an.

Pourquoi Apple est-il passé directement d’iOS 18 à iOS 26 ?

À première vue, il est effectivement possible de comprendre pourquoi le chiffre « 26 » peut surprendre quelqu’un habitué à l’ancienne nomenclature d’Apple.

Après iOS 18, la logique historique aurait conduit à iOS 19.

Apple a cependant décidé de changer complètement sa méthode de numérotation afin d’harmoniser les versions de ses différentes plateformes. L’entreprise est ainsi passée à une nomenclature correspondant au nouveau cycle de ses systèmes.

C’est ainsi qu’iOS 18 a été suivi par iOS 26, tandis qu’Apple a adopté simultanément des noms comme iPadOS 26, watchOS 26, tvOS 26, visionOS 26 ou encore macOS Tahoe 26.

Le saut numérique n’est donc pas une erreur. Il résulte d’une décision volontaire d’Apple visant notamment à rendre beaucoup plus cohérente la numérotation de ses différentes familles de logiciels.

Gemini semble simplement raisonner avec l’ancienne logique.

Wikipédia n’avait donc rien inventé non plus

La situation devient encore plus amusante lorsque l’on considère que la capture présentée à Gemini contient des informations provenant de Wikipédia.

Puisque le modèle considère qu’iOS 26 ne devrait pas exister, les informations présentes sur la page deviennent elles aussi suspectes à ses yeux.

Gemini finit donc indirectement par considérer qu’une page affichant correctement iOS 26 contient une incohérence, alors que c’est précisément sa propre chronologie qui est dépassée.

C’est un renversement assez spectaculaire : l’information correcte devient une preuve de falsification simplement parce qu’elle entre en contradiction avec ce que le modèle pense savoir.

Une vérification auprès des communications officielles d’Apple aurait pourtant immédiatement permis de résoudre cette contradiction.

Le véritable problème n’est pas que Gemini se trompe

Une intelligence artificielle qui commet une erreur n’a rien d’exceptionnel. Les modèles génératifs, qu’il s’agisse de Gemini, ChatGPT ou d’autres solutions, peuvent tous fournir des informations incorrectes.

Ils peuvent disposer de connaissances incomplètes, interpréter incorrectement une question, manquer de contexte ou encore produire ce que l’on appelle communément une hallucination.

Dans cette histoire, ce n’est donc pas simplement l’erreur sur le nom d’iOS qui est intéressante.

Le véritable problème est le niveau de confiance avec lequel l’erreur est présentée.

Gemini aurait parfaitement pu expliquer que la mention « iOS 26 » ne correspondait pas aux informations dont il disposait, puis proposer de vérifier si Apple avait récemment modifié sa nomenclature.

Cela aurait constitué une réponse prudente et raisonnable.

Au lieu de cela, le modèle construit une théorie expliquant pourquoi la capture serait falsifiée.

Une mauvaise information peut entraîner tout un raisonnement incorrect

Cette conversation illustre particulièrement bien un phénomène important avec les grands modèles de langage.

Un modèle peut parfaitement produire un raisonnement cohérent à partir d’une information fausse.

Imaginons le raisonnement sous une forme simplifiée : Gemini considère qu’après iOS 18 vient nécessairement iOS 19. Une image affiche pourtant iOS 26. Puisque les deux informations semblent incompatibles, il faut trouver une explication.

Gemini pourrait remettre en question sa première affirmation.

Mais dans notre conversation, il choisit essentiellement de remettre en question la seconde.

À partir de là, tout devient logique : si iOS 26 n’existe pas, quelqu’un a peut-être changé le texte ; si le texte a été changé, l’inspecteur du navigateur est une méthode possible ; si d’autres éléments semblent également inhabituels, ils peuvent être interprétés comme des indices supplémentaires.

Le raisonnement interne paraît alors parfaitement structuré, tandis que sa conclusion reste totalement erronée.

Une réponse détaillée n’est pas forcément une réponse exacte

C’est également l’une des raisons pour lesquelles les erreurs produites par les intelligences artificielles peuvent être difficiles à détecter.

Une réponse incorrecte n’est pas nécessairement absurde ou mal écrite.

Elle peut être longue, parfaitement formulée, comporter plusieurs arguments et employer un vocabulaire technique crédible.

Pour un utilisateur qui ne saurait pas qu’Apple a changé la numérotation de ses systèmes, l’explication de Gemini pourrait même sembler convaincante.

Après tout, « iOS 26 » après « iOS 18 » ressemble effectivement à une anomalie lorsqu’on ignore la décision prise par Apple.

C’est précisément pour cette raison que la confiance apparente d’un modèle ne doit jamais être confondue avec la fiabilité de l’information qu’il fournit.

Les sources primaires restent essentielles

Lorsqu’une information semble inhabituelle, particulièrement lorsqu’elle concerne un événement récent, la meilleure méthode reste de consulter directement une source primaire.

Dans ce cas précis, il suffit de vérifier les communications officielles d’Apple pour confirmer l’existence d’iOS 26.

Cette démarche aurait également permis à Gemini de constater immédiatement que son hypothèse concernant iOS 19 était devenue obsolète.

L’utilisation de l’intelligence artificielle peut accélérer énormément la recherche d’informations, la synthèse de documents ou l’analyse de contenus. Elle ne supprime cependant pas la nécessité de vérifier certaines affirmations, notamment lorsqu’une réponse conduit à accuser une source ou une image d’avoir été manipulée.

Plus la conclusion est forte, plus les éléments permettant de l’établir devraient l’être également.

Peut-on vraiment utiliser une IA pour détecter une image falsifiée ?

L’affaire soulève également une question particulièrement importante : jusqu’où peut-on faire confiance à une intelligence artificielle lorsqu’on lui demande de déterminer si une capture d’écran est authentique ?

Un modèle multimodal peut relever certaines anomalies visuelles, lire du texte ou identifier des incohérences apparentes. Mais il ne possède pas nécessairement les éléments nécessaires pour déterminer avec certitude l’origine d’une image.

Une capture peut être authentique tout en affichant une information inhabituelle. À l’inverse, une capture extrêmement crédible peut avoir été manipulée.

Dans notre exemple, Gemini utilise principalement une supposée incohérence factuelle pour conclure à une manipulation. Lorsque cette incohérence disparaît après vérification, une grande partie de son diagnostic disparaît avec elle.

Une IA peut donc apporter des éléments d’analyse, mais présenter son verdict comme une preuve définitive serait particulièrement risqué.

Une anecdote amusante qui révèle une limite beaucoup plus sérieuse

Sur X, la situation prête évidemment à sourire.

Voir Gemini expliquer qu’iOS 26 aurait probablement été ajouté avec « Inspecter l’élément », alors que le système a été officiellement présenté par Apple plus d’un an auparavant, constitue une séquence assez improbable.

Mais derrière le côté humoristique se trouve une problématique beaucoup plus importante.

Les assistants d’intelligence artificielle occupent désormais une place croissante dans notre manière d’obtenir des informations. Ils analysent des documents, des images, des pages web et répondent parfois à des questions auxquelles l’utilisateur ne connaît justement pas la réponse.

Dans ces conditions, savoir reconnaître l’incertitude devient presque aussi important que savoir répondre correctement.

Lorsqu’un modèle ignore une information, « je ne sais pas » ou « vérifions » peut être infiniment plus utile qu’une démonstration extrêmement convaincante fondée sur une mauvaise hypothèse.

Gemini n’avait finalement pas besoin d’« Inspecter l’élément », mais d’une mise à jour

Cette histoire se termine donc avec une certaine ironie.

La capture n’avait pas besoin d’être modifiée. Wikipédia n’avait pas inventé une nouvelle version d’iOS. Le chiffre 26 n’avait pas remplacé artificiellement le chiffre 19.

iOS 26 existait tout simplement.

Gemini disposait manifestement d’un contexte insuffisant ou incorrect pour interpréter ce qu’il voyait et a préféré chercher une explication du côté d’une éventuelle manipulation de l’image.

L’épisode constitue finalement un excellent rappel de ce que sont encore les intelligences artificielles actuelles : des outils extrêmement puissants, capables de produire des analyses impressionnantes, mais qui peuvent également défendre une erreur avec une assurance déconcertante.

Et cette fois, la vérification était particulièrement simple.

Il suffisait de demander à Apple.