Votre texte est-il généré par IA ?

Les outils de détection d’IA analysent les empreintes statistiques que les grands modèles de langage laissent dans le texte qu’ils génèrent. Lorsqu’un modèle comme ChatGPT, Claude ou Gemini écrit une phrase, il choisit chaque mot en prédisant le jeton suivant le plus probable d’après le contexte précédent. Ce processus crée des régularités mesurables qui diffèrent de la manière dont les humains composent un texte.

Les deux signaux les plus importants sont la perplexité et la « burstiness ». La perplexité mesure à quel point les choix de mots sont prévisibles — le texte par IA tend à présenter une perplexité uniformément faible, car les modèles choisissent systématiquement des jetons à forte probabilité. La « burstiness » mesure la variation de longueur et de complexité des phrases. Les rédacteurs humains alternent naturellement entre des phrases courtes et percutantes et d’autres plus longues et complexes, tandis que le résultat de l’IA tend à être plus uniforme.

Notre détecteur va au-delà de ces deux mesures. Il évalue aussi la diversité du vocabulaire, la répétition des tournures, les régularités syntaxiques et la répartition des mots de transition. En combinant plusieurs signaux en un seul score de confiance, le détecteur fournit un résultat plus fiable que ne pourrait l’atteindre une mesure unique à elle seule.

Les universités, les éditeurs et les employeurs recourent de plus en plus à des outils de détection d’IA comme GPTZero, Turnitin et Originality.ai pour examiner les travaux soumis. Si vous utilisez l’IA pour rédiger ou réfléchir à un contenu, faire passer votre texte final par un détecteur avant de le soumettre vous indique où vous en êtes — et vous donne l’occasion de réviser ou d’humaniser les passages signalés avant que quelqu’un d’autre ne les vérifie.

Les élèves peuvent vérifier que leurs dissertations révisées se lisent comme véritablement humaines avant de les rendre. Les rédacteurs de contenu peuvent s’assurer que les articles rédigés avec l’aide de l’IA passent tout de même les contrôles d’IA de la rédaction. Les chercheurs peuvent examiner les demandes de subvention et les manuscrits afin d’éviter les faux positifs susceptibles de nuire à leur crédibilité. Enfin, les recruteurs peuvent vérifier les lettres de motivation et les échantillons d’écriture lorsque l’authenticité importe.

Vérifier votre propre texte ne consiste pas à contourner les règles — il s’agit de comprendre comment votre écriture est perçue par les systèmes automatisés et de garder la maîtrise du résultat final.

Aucun détecteur d’IA — le nôtre y compris — n’est exact à 100 %. La difficulté est fondamentale : humains et IA produisent tous deux des phrases valides, et le recouvrement statistique entre les deux fait qu’il y aura toujours des cas limites. Les textes courts, l’écriture très technique et l’anglais non natif peuvent parfois produire des faux positifs, tandis qu’un résultat d’IA soigneusement guidé peut occasionnellement échapper à la détection.

Notre détecteur atténue ces limites en combinant plusieurs signaux indépendants plutôt qu’en s’appuyant sur une mesure unique. Les échantillons de texte plus longs (plus de 200 mots) donnent des résultats nettement plus fiables, car les régularités statistiques ont davantage d’espace pour se manifester. Pour une précision optimale, collez le texte complet plutôt qu’un court extrait.

L’échelle de notation de 0 à 5 est conçue pour vous apporter de la nuance plutôt qu’une réponse binaire trompeuse. Un score de 2 ou 3 vous indique que le texte se situe dans une zone grise — possiblement assisté par IA, possiblement simplement une écriture humaine très soignée — afin que vous puissiez décider en connaissance de cause s’il faut réviser.