La polémique autour du roman de Thélyson Orélien, C’était ça ou mourir (Montréal-Paris, Le Boréal-Grasset, 2026)[1], a soulevé la question de la fiabilité des détecteurs d’IA. J’ai fait une petite enquête en soumettant un court texte, rédigé par moi, bien avant que n’éclate le scandale, avec les seuls recours et secours de mon IN (Intelligence naturelle…) à 11 détecteurs d’IA accessibles sur la Toile (Pangram, Grammarly, Quillbot, Scribbr, ZeroGPT, TextDefend, Lucide.ai, Humanizeai, Copyleaks, Originality.ai, Detecting.ai)[2]. Même s’ils ne prétendent à aucune vérité scientifique, les résultats me semblent suffisamment intéressants pour être mis en ligne[3].
Comment fonctionnent les détecteurs d’IA
Les détecteurs d’IA s’appuient sur la notion de probabilité. Ils cherchent à déterminer, à partir de modèles (patterns) linguistiques et de certains autres critères, si un texte a probablement été rédigé par l’IA ou non. Deux concepts sous-tendent leurs recherches : la prévisibilité et la variabilité.
La prévisibilité (perplexity, ou prédictibilité) mesure à quel point le choix des mots dans une phrase est inattendu ou, au contraire, prévisible pour un algorithme. Pensez aux mots que votre portable vous propose quand vous tapez un texte. Si le détecteur parvient presque toujours à deviner le mot exact que vous avez écrit, la « perplexité » est très faible. Une perplexité faible indique que le texte suit une logique statistique parfaite. Le détecteur en conclut qu'il s'agit d'une IA.
La variabilité (burstiness, ou irrégularité ou chaos) concerne le rythme du texte. Elle analyse la structure globale du texte en mesurant les variations de longueur et de construction entre les phrases. Les humains écrivent de manière irrégulière, mélangeant des phrases longues et complexes à d'autres, simples et courtes. Les IA tendent à produire des phrases d’une longueur très constante, au rythme ultra-régulier et monotone. Si toutes les phrases ont une structure similaire et une longueur uniforme, le détecteur considère que le texte manque de « chaos humain » et le classe comme « généré par une IA ».
Le piège avec les textes classiques
Les défenseurs d’Orélien insistent sur ce qu’ils jugent être la « non-fiabilité » des détecteurs d’IA, en rappelant que des textes de Shakespeare, de Victor Hugo ou de la Bible, donc rédigés bien avant l’apparition de l’IA, ont été diagnostiqués « générés par l’IA ». Cette critique n’est pas rédhibitoire. En effet, ces textes utilisent des tournures de phrase très codifiées et rituelles ou des structures grammaticales parfaites. De plus, comme les IA ont été « entraînées » sur ces textes, les détecteurs les « connaissent » par cœur. La perplexité y est donc quasi nulle, ce qui trompe le logiciel.
L’équipe du détecteur d’IA français Lucide.ai a montré les limites de ces concepts et proposé d’autres méthodes prometteuses. Voir, par exemple, https://lucide.ai/fonctionnement-detecteur-ia/. Mais cela n’a pas empêché Lucide.ai de se tromper sur un de mes tests.
Texte T1 (entièrement rédigé par moi)
(§1) Le français se meurt, et tout le monde regarde ailleurs. Dans l’indifférence quasi générale, voire dans le déni, notre langue subit la pression de plus en plus forte de l’anglais non seulement sur son vocabulaire et sa grammaire, mais aussi jusque dans son emploi.
(§2) Les Linguistes atterrées, un collectif d’universitaires, s’autoproclamant « scientifiques du langage », prétend, en dépit de tous les indicateurs, que « le français va très bien », qu’« il n’est pas envahi par l’anglais », que la notion de « franglais » « n’a pas d’assise scientifique », que l’anglais, certes « très visible dans l’espace public », ne sert qu’à « retenir l’attention » (sic), sans fournir aucune étude scientifique à l’appui. « Bien sûr [reconnaissent-ils], l’anglais aujourd’hui est LA langue dominante à l’échelle planétaire », mais cela ne les inquiète pas outre mesure : autrefois, c’était le latin qui dominait, cela a même été l’italien ; aujourd’hui, c’est l’anglais. Circulez, il n’y a rien à voir. Tout va très bien, Madame la marquise…
(§3) En réalité, le français subit une profonde mutation, un processus, non pas de créolisation, comme l’affirme erronément Jean-Luc Mélenchon, mais de métissage, pour continuer dans les métaphores anthropomorphiques. Et ce métissage se fait non pas avec l’espagnol ou l’arabe, mais avec l’anglais. En linguistique, on qualifie ce phénomène d’hybridation. Le français se transforme sous nos yeux et dans nos oreilles en une langue hybride anglais-français. Désormais, il est devenu difficile de parler en français de la vie d’aujourd’hui sans recourir à des anglicismes. (3 paragraphes, 252 mots).
Recherches de présence d’IA
Comment fonctionne cette recherche ?
Un exemple de procédure de détection : celle de TextDefend (traduit de l’anglais)
|
· Recherche de texte généré par l’IA · Vérification du style · Vérification des schémas linguistiques anormaux · Évaluation de la variété du texte · Analyse de la cohérence · Préparation du rapport |
Un exemple d’analyse de texte : celle d’Humanizeai-pro
Le détecteur d’IA Humanizeai-pro a fourni un rapport expliquant pourquoi, selon lui, le texte T1 a été rédigé à 100 % par un être humain[4]. Pour ne pas allonger mon développement, je n’ai pas reproduit les exemples tirés de T1 sur lesquels s’appuie le détecteur sous chacun de ces points. C’est moi qui souligne.
|
· Longueur moyenne des phrases et présence de phrases de longueur variée : les humains maintiennent une diversité de longueurs, avec des phrases courtes et percutantes qui alternent avec des phrases plus longues, ce qui est cohérent avec un écrit humain plutôt qu’un texte généré par IA. · Usage fréquent de mots grammaticaux et de connecteurs[5] : le texte montre une distribution élevée de mots outils et de connecteurs, caractéristiques d’un style humain qui organise logiquement les idées et assure la fluidité du discours. · Vocabulaire accessible et mots courts en moyenne : l’emploi de termes simples et généralement courts est typique de l’expression humaine, contrairement à l’usage systématiquement sophistiqué ou élaboré parfois observé dans les textes IA. · Reformulations perceptibles : la présence de reformulations et de reprises de thèmes […] est une caractéristique humaine, renforçant l’argumentation par réitération. · Présence d’indices narratifs et de phrasés naturels : les tournures et l’extension des phrases, y compris les guillemets et le style descriptif, reflètent une narration humaine plutôt qu’un texte généré par IA. · Taux élevé de mots outils (mots grammaticaux) dans le texte, cohérent avec l’expression humaine qui privilégie la cohérence et la fluidité · Répétition plus fréquente d’expressions ou de groupes de mots, phénomène courant dans l’écriture humaine pour renforcer le propos · Rythme et burstiness visibles : présence d’alternances marquées entre phrases courtes et longues, ce qui produit un rythme discursif typique de l’écriture humaine et moins fréquent dans les textes générés par IA |
Résultats
Test n°1
Tableau n°1
|
Détecteurs |
Texte |
§§ |
Auteur réel |
Diagnostics des détecteurs |
Commentaires des détecteurs |
|
|
|
T1 |
1-3 |
100% humain |
humain |
IA |
|
|
Pangram |
|
|
|
100% |
0% |
We believe that this entire text is human written. |
|
Grammarly |
|
|
|
100% |
0% |
0% of this text appears to be AI-generated. |
|
Quillbot |
|
|
|
100% |
0% |
0% du texte est probablement généré par l’IA. Caution: Our AI Detector is advanced, but no detectors are 100% reliable, no matter what their accuracy scores claim. Never use AI detection alone to make decisions that could impact a person's career or academic standing. |
|
Scribbr |
|
|
|
100% |
0% |
0% du texte est probablement généré par l’IA. |
|
TextDefend |
|
|
|
31% |
69% |
69% du texte généré par l’IA (détail : 49% par IA, 20% mixte) 31% rédigé par un humain[6]. |
Quatre détecteurs d’IA (Pangram, Grammarly, Quillbot et Scribbr) sur cinq ont diagnostiqué que ce texte a été écrit à 100% par un humain, ce qui correspond à la réalité.
En revanche, TextDefend a diagnostiqué 69% de texte produit par l’IA (dans le détail : 49% d’IA et 20% de texte mixte) et seulement 31% par un humain.
Même texte. Résultats divergents. Cela signifie que ce sont les algorithmes des détecteurs qui sont en cause. Ceux qui ne voient pas de traces d’IA seraient-ils défaillants dans cette recherche ? Ce n’est pas possible puisque leur diagnostic est correct. Celui qui en voit le ferait-il à tort ?
Contre-épreuve
Test n°2
Pour vérifier les qualités de détection des détecteurs d’IA, j’ai repris le même texte T1, mais en supprimant les deux premiers paragraphes (rédigés par moi) pour les remplacer par des paragraphes (surlignés en jaune) réécrits par l’IA Jenni.ai (aide à la recherche et à la rédaction). Les paragraphes 1, 2 et 3 de T2 sont une interprétation et un développement par l’IA du paragraphe 1 de T1.
Texte T2
(§1) La langue française contemporaine traverse une phase de mutation accélérée, marquée par une omniprésence des anglicismes propulsée par les technologies numériques et la mondialisation.
(§2) Cette imprégnation linguistique dépasse désormais le simple lexique pour s’immiscer dans les structures syntaxiques et les usages grammaticaux du français, transformant durablement les discours médiatiques.
(§3) Face à ce phénomène, le débat académique oscille entre une vision alarmiste, qui y perçoit une menace pour l’intégrité linguistique, et une approche plus nuancée voyant dans ces emprunts un vecteur d’enrichissement néologique.
(§4) Les Linguistes atterrées, un collectif d’universitaires, s’autoproclamant « scientifiques du langage », prétend, en dépit de tous les indicateurs, que « le français va très bien », qu’« il n’est pas envahi par l’anglais », que la notion de « franglais » « n’a pas d’assise scientifique », que l’anglais, certes « très visible dans l’espace public », ne sert qu’à « retenir l’attention » (sic), sans fournir aucune étude scientifique à l’appui. « Bien sûr [reconnaissent-ils], l’anglais aujourd’hui est LA langue dominante à l’échelle planétaire », mais cela ne les inquiète pas outre mesure : autrefois, c’était le latin qui dominait, cela a même été l’italien ; aujourd’hui, c’est l’anglais. Circulez, il n’y a rien à voir. Tout va très bien, Madame la marquise…
(§5) En réalité, le français subit une profonde mutation, un processus, non pas de créolisation, comme l’affirme erronément Jean-Luc Mélenchon, mais de métissage, pour continuer dans les métaphores anthropomorphiques. Et ce métissage se fait non pas avec l’espagnol ou l’arabe, mais avec l’anglais. En linguistique, on qualifie ce phénomène d’hybridation. Le français se transforme sous nos yeux et dans nos oreilles en une langue hybride anglais-français. Désormais, il est devenu difficile de parler en français de la vie d’aujourd’hui sans accumuler les anglicismes. (5 paragraphes, 289 mots).
Résultats du test n°2
Tableau n°2
|
Détecteurs |
Texte |
§§ |
Auteurs réels |
Diagnostics des détecteurs |
Commentaires des détecteurs |
|
|
|
T 2 |
§ 1-5 |
humain : 72% IA : 28%[7] |
humain |
IA |
|
|
Pangram |
|
|
|
68% |
32% |
We believe that this text is a mix of AI and human-written content. AI-generated of the document appears in the earlier part. AI: 85 words, HW: 221 words. |
|
Grammarly |
|
|
|
69% |
31% |
31% of this text appears to be AI-generated. |
|
Quillbot |
|
|
|
100% |
0% |
Généré par l’IA : 0% Écrit par un humain : 100% |
|
Scribbr |
|
|
|
100% |
0% |
|
|
TextDefend |
|
|
|
16% |
84% |
84% du texte généré par l’IA (détails : 67% IA, 17% mixte), 16% rédigé par un humain[8] |
Deux détecteurs (Pangram et Grammarly) ont correctement identifié T2 comme un texte mixte : une partie d’origine humaine (selon eux, respectivement 68% et 69%) et une autre produite par l’IA (32% et 31%) et ce, dans des pourcentages très proches de la réalité (72% de texte « humain », 28% de texte « IA »).
Quatre détecteurs (Quillbot, mais aussi ZeroGPT, Lucide.ai et Humanizeai.com) n’y ont vu que du feu, considérant que T2 avait été écrit à 100% par un humain, alors qu’en réalité il l’a été en partie par une IA (Jenni.ai).
Detecting donne des renseignements intéressants : Le §1 est jugé IA à 70% ; le §2, IA à 64%. Ce sont les deux paragraphes réécrits par Jenni.ai. Mais il juge aussi comme étant écrit par IA des passages de mon texte personnel, à savoir : « sans fournir aucune étude scientifique à l’appui » (61%) ; « circulez, il n’y a rien à voir » (70%) ; « Tout va très bien, Madame la marquise » (63%) ; « En réalité […] anthropomorphique » (63%) ; « Et ce métissage […] anglais » (68%) ; « En linguistique […] anglais-français » (68%) ; « Désormais […] anglicismes » (67%).
Il s’agit d’expressions toutes faites fréquentes sur le Net (« circulez, il n’y a rien à voir », « tout va très bien, Madame la marquise ») ou de formulations fréquentes dans les publications (« sans fournir aucune étude ») ou reprises sur le web.
Résultats du test n°3
Paragraphes testés (rédigés par Jenni.ai) : 1 à 3
La langue française contemporaine traverse une phase de mutation accélérée, marquée par une omniprésence des anglicismes propulsée par les technologies numériques et la mondialisation.
Cette imprégnation linguistique dépasse désormais le simple lexique pour s’immiscer dans les structures syntaxiques et les usages grammaticaux du français, transformant durablement les discours médiatiques.
Face à ce phénomène, le débat académique oscille entre une vision alarmiste, qui y perçoit une menace pour l’intégrité linguistique, et une approche plus nuancée voyant dans ces emprunts un vecteur d’enrichissement néologique. (82 mots, 28% de T2).
Tableau n°3
|
Détecteurs |
Texte |
§§ |
Auteur réel |
Diagnostics des détecteurs |
Commentaires des détecteurs |
|
|
|
T 2 |
1-3 |
100% IA (Jenni.ai) |
humain |
IA |
|
|
Pangram |
|
|
|
0% |
100% |
We believe that this entire text is AI. |
|
Grammarly |
|
|
|
0% |
100% |
Resembles AI text: 100%. No AI text patterns found: 0%. |
|
Quillbot |
|
|
|
0% |
100% |
100% du texte est probablement généré par l’IA. |
|
Scribbr |
|
|
|
0% |
100% |
|
|
TextDefend |
|
|
|
34% |
66% |
66% du texte généré par l’IA (détail : 56% IA, 10% mixte), 34% rédigé par un humain[9]. |
Il y a quasi-unanimité dans les diagnostics concernant les paragraphes 1 à 3 de T2 et cette unanimité correspond à la réalité. Pangram, Grammarly, Quillbot et ZeroGPT ont correctement analysé cette partie du texte. Mais TextDefend y a vu une part de rédaction humaine. Ce qui n’est pas le cas : mon texte original (1 paragraphe) a été réécrit et développé par Jenni.ai (3 paragraphes).
Résultats du test n°4
Paragraphes testés (rédigés par moi) : paragraphes 4 et 5
Les Linguistes atterrées, un collectif d’universitaires, s’autoproclamant « scientifiques du langage », prétend, en dépit de tous les indicateurs, que « le français va très bien », qu’« il n’est pas envahi par l’anglais », que la notion de « franglais » « n’a pas d’assise scientifique », que l’anglais, certes « très visible dans l’espace public », ne sert qu’à « retenir l’attention » (sic), sans fournir aucune étude scientifique à l’appui. « Bien sûr [reconnaissent-ils], l’anglais aujourd’hui est LA langue dominante à l’échelle planétaire », mais cela ne les inquiète pas outre mesure : autrefois, c’était le latin qui dominait, cela a même été l’italien ; aujourd’hui, c’est l’anglais. Circulez, il n’y a rien à voir. Tout va très bien, Madame la marquise…
En réalité, le français subit une profonde mutation, un processus, non pas de créolisation, comme l’affirme erronément Jean-Luc Mélenchon, mais de métissage, pour continuer dans les métaphores anthropomorphiques. Et ce métissage se fait non pas avec l’espagnol ou l’arabe, mais avec l’anglais. En linguistique, on qualifie ce phénomène d’hybridation. Le français se transforme sous nos yeux et dans nos oreilles en une langue hybride anglais-français. Désormais, il est devenu difficile de parler en français de la vie d’aujourd’hui sans accumuler les anglicismes. (207 mots, 72% de T2).
Tableau n°4
|
Détecteurs |
Texte |
§§ |
Auteur réel |
Diagnostics des détecteurs |
Commentaires des détecteurs |
|
|
|
T 2 |
4-5 |
100% humain |
humain |
IA |
commentaires |
|
Pangram |
|
|
|
100% |
0% |
We believe that this entire text is human-written. |
|
Grammarly |
|
|
|
100% |
0% |
Resembles AI text: 0%. No AI text patterns found: 100%. |
|
Quillbot |
|
|
|
100% |
0% |
Généré par l’IA : 0%. Écrit par un humain : 100%. |
|
Scribbr |
|
|
|
100% |
0% |
|
|
TextDefend |
|
|
|
33% |
67% |
67% du texte généré par l’IA (détail : 60% IA, 7% mixte), 33% rédigé par un humain[10]. |
Pangram, Grammarly et Quillbot donnent la réponse attendue. TextDefend (et ZeroGPT) se démarquent. TextDefend se trompe quand il affirme que « 67% du texte a été généré par IA ». ZeroGPT affirme correctement que ces paragraphes sont probablement écrits par un humain, mais ajoute en même temps que 96,6% pourraient l’avoir été par l’IA. C’est moi qui souligne. Comprenne qui pourra…
Écarts au but…
Sur 5 détecteurs, 3 ont livré des diagnostics erronés. Cela demande explication.
Tableau n°5
|
Détecteurs d’IA |
Texte et paragraphes |
Diagnostics des détecteurs d’IA |
Réalité |
||
|
|
|
humain |
IA |
humain |
IA |
|
Quillbot |
T2 §§ 1-5 |
100% |
0% |
72% |
28% |
|
Scribbr |
T2 §§ 1-5 |
100% |
0% |
72% |
28% |
|
TextDefend |
T1 §§ 1-3 |
31% |
69% |
100% |
0% |
|
TextDefend |
T2 §§ 1-5 |
16% |
84% |
72% |
28% |
|
TextDefend |
T2 §§ 1-3 |
34% |
66% |
0% |
100% |
|
TextDefend |
T2 §§ 4-5 |
33% |
67% |
100% |
0% |
Quillbot et Scribbr n’ont pas vu que les §§ 1-3 de T2 n’avaient pas été rédigés par un humain, mais par une IA.
TextDefend détecte la présence de l’IA dans T1 §§ 1-3 et dans T2 §§ 4-5, alors qu’il n’y en a pas ; surévalue cette présence dans T2 §§ 1-5 ; la sous-évalue dans T2 §§1-3.
Explications possibles de ces divergences et de ces erreurs de diagnostic
Il faut distinguer détecteur d’IA et détecteur de plagiat. Les détecteurs de plagiat cherchent à déterminer si le texte analysé est un texte original ou un texte copié. C’est facile à vérifier : il suffit de comparer un texte antérieur à un texte postérieur et de relever les similitudes[11]. Les détecteurs d’IA cherchent à déterminer si le texte présenté a été écrit par un humain ou par une IA.
Pourquoi Quillbot et Scribbr n’ont pas diagnostiqué la présence d’IA dans T2 §§ 1-5, alors qu’il y en a à hauteur de 28% ? Ce sont des cas de faux négatifs[12].
Pourquoi TextDefend a diagnostiqué la présence d’IA dans T1 §§ 1-3 et T2 §§ 4-5, alors qu’il n’y en a pas ? C’est un cas de faux positif[13]. Pourquoi a-t-il surestimé le pourcentage d’IA dans T2 §§ 1-5 et l’a-t-il sous-estimé dans T2 §§ 1-3 ?
Là où intervient ChatGPT
Pour en avoir le cœur net, j’ai une longue conversation avec ChatGPT, l’agent conversationnel (chatbot) d’IA bien connu. Il souligne que les détecteurs d’IA peuvent être instables et dépendants de leur modèle de langue. La perplexité, par exemple, mesure à quel point la succession des mots dans le texte est prévisible. Une prose très conventionnelle, bien structurée, peut ressembler statistiquement à de la prose produite par une IA, même si elle est entièrement humaine.
Dans T1 (dont je suis le seul auteur), plusieurs éléments sont susceptibles d’être considérés comme produits par une IA (je cite ChatGPT) : une syntaxe relativement élaborée ; beaucoup de phrases longues ; un registre soutenu et argumentatif ; des formulations très structurées ; des répétitions rhétoriques ; des constructions parallèles ; des termes relativement prévisibles dans un texte argumentatif : en réalité, processus, phénomène, linguistique, hybridation, se transforme, etc. ; des citations et des incises ; une forte cohérence thématique.
Mais d’autres éléments sont susceptibles d’être jugés comme écrits par un humain (toujours selon ChatGPT) : des ruptures de registre ; de l'ironie ; des parenthèses discursives ; des prises de position rhétoriques ; des choix lexicaux assez personnels.
Un détecteur donnant davantage de poids à l'irrégularité, à la diversité lexicale ou à des caractéristiques stylistiques inhabituelles peut interpréter ces éléments comme des indices favorables à une rédaction humaine. Un autre détecteur peut, au contraire, considérer que la structure générale du texte correspond suffisamment à son corpus d'entraînement[14] pour lui attribuer un score IA élevé. Les détecteurs ne mesurent donc pas tous la même chose.
De plus, la méthodologie de la plupart des détecteurs d’IA s’appuie sur l’analyse de milliards de textes anglais. Entre les corpus anglais et le français, il peut y avoir des caractéristiques différentes. Conclusion : on ne peut juger les 69% de TextDefend sans connaître la méthodologie de ce détecteur d’IA[15]…
Tableau n°6 : Conséquences de méthodologies différentes
|
Détecteurs |
Méthodologies |
Résultats |
|
|
|
|
humain |
IA |
|
Pangram |
A, B, C |
100% |
0% |
|
Grammarly |
D, E, F |
100% |
0% |
|
Quillbot |
G, H, I |
100% |
0% |
|
Scribbr |
J, K, L |
100% |
0% |
|
TextDefend |
M, N, O |
31% |
69% |
Source : ChatGPT
L’origine du texte T1 est connue : elle est humaine à 100%. Or, si 4 détecteurs (Pangram, Grammarly, Quillbot et Scribbr) livrent le bon diagnostic, le cinquième, TextDefend considère qu’elle est à 69% IA. Cela ne signifie pas que les 4 détecteurs se trompent et que le texte contient effectivement des éléments d’IA. Cela signifie plutôt que TextDefend produit un taux de faux positif non nul. Autrement dit, les caractéristiques statistiques de T1 ressemblent, selon le modèle de TextDefend, à celles de certains textes que son système associe à l'IA.
Pour arriver à cette conclusion, ChatGPT a analysé T1 phrase par phrase[16], en montrant chaque fois ce qui peut avoir trompé TextDefend. Sa constatation : « Plus un humain écrit de manière propre, régulière, grammaticalement maîtrisée et conventionnelle, plus certains détecteurs peuvent avoir du mal à distinguer cette prose de celle d'un LLM. »
Tous les détecteurs d’IA préviennent qu’ils peuvent se tromper et qu’il faut être très prudent avant de prendre des décisions sur la base de leurs diagnostics. Ma petite enquête le confirme, qui révèle des résultats divergents pour un même texte selon les détecteurs d’IA, des variations de diagnostics dans le temps par un même détecteur, l’existence de faux positifs et de faux négatifs, etc. Cela ne veut pas dire qu’il faut tout rejeter. Mais je reste… perplexe.
[1] Elle a éclaté le 21 septembre 2026, quand un tweet a accusé l’écrivain d’avoir écrit son roman à l’aide de l’IA. Ce n’était pas le premier cas de polémique suscitée par l’utilisation du détecteur d’IA Pangram pour déterminer la présence d’une IA dans des œuvres littéraires. Trois cas avaient déjà été signalés dans le monde anglo-saxon plutôt la même année.
[2] Pour des raisons de simplification et de clarté, je ne présente que les résultats de 5 d’entre eux.
[3] Cet article a été rédigé avec l’aide de l’IA, notamment pour la recherche, la vérification de la présence de traces d’IA dans le texte, l’aide à la rédaction et à la correction orthographique, la recherche de sources, des dialogues avec ChatGPT, etc. On ne peut s’en passer ! On n’y échappe plus !
[4] Sur la base de ces constatations, Humanizeai-pro a diagnostiqué correctement T1 comme étant « 100% human written ». Je ne l’ai pas gardé dans mes tableaux pour ne pas alourdir mon texte.
[5] Connecteur : mot ou groupe de mots qui relie des unités linguistiques.
[6] Le même test sur le même texte (T1) fait quelques jours plus tard a donné des résultats différents : 66% IA (détail : 60% IA, 6% mixte), 34% humain…
[7] Nombre de mots de T2 : 289 ; écrits par un humain : 208 (72%) ; 82 par une IA (28%).
[8] Le même test fait sur le même texte (T2) quelques jours plus tard a donné des résultats différents… IA 73% (détail : IA 64%, mixte 9%), humain 27%...
[9] Le même test sur le même texte (T1) fait quelques jours plus tard a donné des résultats différents : 84% IA (détail : 64% IA, 20% mixte), 16% humain…
[10] Le même test sur le même texte (T1) fait quelques jours plus tard a donné des résultats différents : 78% IA (détail : 72% IA, 6% mixte), 22% humain…
[11] Dans l’affaire Orélien, plusieurs cas de plagiat ont été exhumés. Personne ne conteste la véracité de cette découverte. Certains disent que, s’il a plagié autrefois, pourquoi n’aurait-il pas utilisé plus tard l’IA. D’autres affirment que, s’il a plagié à une époque, ce n’est pas la preuve qu’il a utilisé l’IA à une autre…
[12] Faux négatif : un faux négatif se produit lorsqu’un test ne parvient pas à identifier une caractéristique pourtant présente.
[13] Faux positif : situation dans laquelle un test indique à tort la présence d'une caractéristique alors qu'elle est absente.
[14] Corpus d'entraînement ou corpus de référence : ensemble des données utilisées pour « entraîner » un modèle d'IA. Pour les LLM (Large Language Model), il s'agit de milliards de textes provenant d'internet, de livres et d'articles.
[15] J’ai passé « à la moulinette » de TextDefend ce texte qui reprend les explications de ChatGPT dans ses propres termes. Les résultats de ce détecteur me semblent correspondre assez à la réalité : 82% IA (détail : 63% IA, 19% mixte), 18% humain. Scribbr y a vu un texte 100% IA. Mais Quillbot l’a jugé à 100% humain. Pangram aussi… à 100% human written (confidence level : high) !
[16] Cette analyse étant très longue et détaillée, je ne fais qu’en résumer le résultat.
