Détecter les textes IA : mission impossible ?

Temps de lecture : 8 minutes

Un professeur soupçonne une copie. Un recruteur doute d’une lettre. Un lecteur se demande si l’article qu’il vient de lire a été écrit par une personne. Le réflexe est tentant : coller le texte dans un détecteur d’intelligence artificielle (IA) et attendre le verdict. Quelques secondes plus tard, un pourcentage apparaît. Mais que prouve-t-il, au juste ?

J’ai posé cette question en 2024 après avoir essayé plusieurs détecteurs sur des textes humains et des textes générés. Mon impression était déjà que l’IA, bien utilisée, pouvait devenir très difficile à reconnaître. Deux ans plus tard, cette intuition tient toujours, avec une nuance : les détecteurs ont progressé eux aussi. Certains repèrent très bien des productions brutes dans des conditions précises. Aucun score, en revanche, ne peut reconstituer à lui seul l’histoire d’un texte.

Que détecte un détecteur de texte IA ?

Un détecteur ne trouve pas une signature cachée de ChatGPT dans chaque phrase. Il examine des régularités : choix des mots, enchaînement des phrases, répétitions, degré de prévisibilité et ressemblances avec les exemples qui ont servi à l’entraîner. Certains outils combinent plusieurs méthodes et indiquent les passages qui leur semblent suspects.

Cette analyse peut être utile. Un texte produit d’un seul jet par un modèle connu, assez long et peu retouché, laisse souvent des traces statistiques. Mais le résultat exprime une estimation selon l’outil et ses données. Un affichage « 80 % IA » ne signifie pas que 80 % des mots ont été écrits par une machine, ni qu’il existe 80 % de chances que l’auteur ait triché. Deux services peuvent donner des réponses différentes au même document.

Il faut distinguer deux erreurs. Le faux positif accuse un texte humain. Le faux négatif laisse passer un texte généré. Les deux comptent, mais leurs conséquences ne sont pas symétriques quand la réputation ou la note d’une personne est en jeu. Même Turnitin avertit dans sa documentation que son indicateur ne doit pas servir seul à prendre une mesure défavorable contre un étudiant.

La détection fonctionne parfois, et c’est important de le reconnaître

Dire que les détecteurs se trompent ne revient pas à dire qu’ils ne servent à rien. Dans une étude de l’université de Chicago publiée en 2025, des chercheurs ont comparé Pangram, Originality.ai, GPTZero et un modèle de recherche sur des textes humains et générés. Pangram y obtient d’excellents résultats, particulièrement sur des passages moyens ou longs. C’est un exemple documenté de détection qui fonctionne dans le cadre du test.

Le cadre est justement la clé. L’outil, la longueur, la langue, le type d’écrit et les modèles générateurs retenus influencent les résultats. Une évaluation sur le jeu de données RAID montre que des détecteurs peuvent devenir beaucoup moins solides face à des modèles inconnus, à d’autres réglages de génération ou à des modifications délibérées du texte. Il n’existe donc pas de « meilleur détecteur » valable pour tous les usages, et un bon résultat en laboratoire ne transforme pas chaque analyse individuelle en preuve.

L’histoire d’OpenAI le rappelle. Son propre classifieur de texte, lancé en 2023, a été retiré quelques mois plus tard pour sa faible précision. Ce retrait ne décrit pas les performances des outils de 2026 ; il rappelle qu’un verdict automatique peut paraître plus sûr qu’il ne l’est.

Quels outils essayer pour détecter un texte IA ?

Pour se faire une idée, on peut essayer un service accessible au public, puis confronter son résultat à un second outil. Leur intérêt est d’ouvrir une enquête, pas de désigner un coupable. Les offres et les quotas changent ; les indications ci-dessous correspondent aux pages des éditeurs consultées en septembre 2026.

QuillBot propose un détecteur gratuit en français. Il distingue aussi les textes qui semblent avoir été améliorés avec l’aide d’une IA. C’est une porte d’entrée simple pour examiner un passage.
Copyleaks permet une analyse gratuite limitée et annonce la prise en charge du français. Ses usages professionnels et ses rapports plus détaillés demandent des crédits ou une formule adaptée.
GPTZero offre un accès gratuit et indique prendre en charge le français. Ses surlignages peuvent aider à repérer où se concentrent les soupçons.
Pangram propose des vérifications gratuites avec quota et une analyse en français. Ses bons résultats dans l’étude citée plus haut en font un outil à considérer pour des textes assez longs, sans dispenser de vérifier les conditions du cas réel.
Originality.ai s’adresse surtout aux éditeurs et aux équipes qui contrôlent de nombreux contenus ; l’accès complet est payant. Winston AI vise aussi les usages professionnels et éducatifs avec un essai limité.

Turnitin mérite une précision : son rapport de détection est destiné aux établissements équipés, et le français ne figure pas dans les langues prises en charge par ce rapport à la date de cette mise à jour. Il serait trompeur de le recommander comme solution générale à un lecteur francophone.

Avant de copier une copie d’élève, un manuscrit ou un document de travail dans un service externe, regardez aussi ce qu’il fait du texte soumis. Le besoin de vérifier une origine ne supprime pas la confidentialité du document.

Les « tics » de langage des IA changent avec chaque génération

Une introduction très lisse, des listes impeccablement équilibrées, des transitions répétées, des formules passe-partout et une conclusion qui reformule ce qui vient d’être dit : ces signes éveillent parfois le soupçon. Ils valent surtout comme questions à poser au texte. Une personne peut écrire de manière scolaire, régulière ou très structurée. À l’inverse, une IA peut recevoir des consignes de ton, de rythme et de vocabulaire qui effacent ses habitudes les plus visibles.

Les tics eux-mêmes vieillissent. Une tournure que l’on associe à une génération de modèles peut disparaître avec la suivante. Un modèle spécialisé, nourri d’un contexte précis, peut reprendre la voix d’une équipe, les termes d’un métier ou la structure d’un auteur. Les textes hybrides brouillent encore les pistes : qui a écrit un paragraphe imaginé par une personne, dicté à l’oral, corrigé par ChatGPT, puis réécrit à la main ? Dysclick explique ailleurs comment une correction par ChatGPT peut lisser le ton ou modifier le sens. Cette aide à l’écriture existe aussi pour des personnes qui ont besoin d’un soutien en orthographe ; elle ne raconte pas, à elle seule, qui a eu les idées.

Une étude de Stanford a montré que plusieurs détecteurs de son échantillon signalaient à tort des textes humains écrits en anglais par des personnes non natives. Ce résultat concerne l’anglais et les outils testés à l’époque. Il suffit néanmoins à rappeler qu’un style moins attendu par un algorithme peut être pris pour un indice d’IA. C’est une raison supplémentaire d’éviter les accusations fondées sur une simple impression stylistique.

Pourquoi la Bible ou un texte ancien peuvent-ils être signalés comme IA ?

Le cas a fait le tour d’Internet : des extraits de la Bible et de la Constitution américaine ont été signalés par certains détecteurs. C’est un faux positif spectaculaire, puisque ces textes précèdent de très loin les IA génératives. Une étude a également soumis des résumés scientifiques humains publiés avant l’essor de ces outils à un détecteur et observé des erreurs.

Dans mes essais de 2024, des textes anciens ou très généraux étaient plus souvent classés « IA », tandis que certains textes générés sur une actualité récente passaient pour humains. Cette observation reste intéressante, mais elle ne démontre pas une règle selon laquelle plus un texte est vieux, plus il sera détecté IA, ou l’inverse pour les textes récents. Le sujet, le style, la traduction, la longueur du passage et l’outil choisi peuvent expliquer le résultat. La bonne leçon de la Bible n’est pas que les anciens écrivaient comme ChatGPT : c’est qu’un score peut se tromper avec aplomb.

Les « humanizers » rendent le jeu du chat et de la souris plus compliqué

Un « humanizer », ou outil d’humanisation, reprend un texte généré pour le rendre moins reconnaissable : il change les tournures, varie la longueur des phrases, remplace des mots, introduit parfois une voix plus familière. QuillBot propose ainsi une fonction de réécriture dite « humanisante ». Undetectable AI combine détection et réécriture. Certains services, comme AIDetector, placent même les deux fonctions côte à côte.

On peut aller plus loin sans service spécialisé : donner à une IA des exemples de ses propres textes, un public précis, des contraintes de ton et un dossier documentaire ; puis reprendre soi-même le résultat. Cette rédaction contextualisée peut produire un texte utile et singulier. Elle rend aussi la détection par le seul style plus difficile. Une étude publiée en 2025 sur 19 outils de paraphrase et d’humanisation montre que plusieurs détecteurs échouent face à ces réécritures. Elle montre aussi que d’autres méthodes peuvent mieux résister. Les auteurs de cette étude travaillent pour Pangram, ce qui invite à lire les résultats avec leur contexte.

Il faut enfin regarder ce que la réécriture coûte au texte. Changer les mots peut déformer une nuance, enlever une source ou créer une erreur. Un texte « indétectable » n’est pas nécessairement plus clair, plus exact ou plus intéressant. Pour un élève, un journaliste ou un auteur, le problème de fond reste de pouvoir expliquer son travail et respecter les règles de son cadre.

Le roman retiré de la sélection Goncourt 2026 : ce qu’un score ne raconte pas

La question a quitté les salles de classe. En septembre 2026, le roman C’était ça ou mourir, de Thélyson Orélien, figurait dans la première sélection du prix Goncourt. Des accusations d’usage de l’IA, nourries entre autres par des analyses de détection, ont déclenché une polémique. L’Académie Goncourt l’a retiré de sa sélection le 25 septembre, en évoquant également des accusations de plagiat. L’éditeur Grasset a contesté les affirmations péremptoires selon lesquelles le livre aurait été écrit par une IA.

Le retrait est un fait ; la part exacte de l’IA dans l’écriture du roman n’est pas établie par un score public. Le cas montre à quel point les enjeux changent lorsque le texte promet une voix d’auteur, une création littéraire et une responsabilité personnelle. Il rappelle aussi qu’une accusation diffusée rapidement peut peser sur une personne avant que le processus d’écriture ait été examiné.

Comment vérifier sérieusement l’origine d’un texte ?

Quand la provenance compte, commencez par demander ce que vous cherchez à établir. S’agit-il d’une fraude à un exercice sans IA ? D’une erreur de citation ? D’un texte publié sous une signature trompeuse ? Ou simplement d’une aide à la formulation ? Ces situations ne se traitent pas avec le même seuil d’exigence.

Regardez le processus. Des notes, des brouillons, l’historique d’un document, des sources consultées et la capacité à expliquer des choix précis éclairent davantage l’auteur d’un travail qu’un pourcentage isolé.
Vérifiez le fond. Les dates, chiffres, citations, références et raisonnements peuvent être contrôlés, quelle que soit la manière dont le texte a été produit.
Utilisez les détecteurs comme un indice. Un résultat peut orienter une question ou suggérer un passage à relire. Il gagne à être confronté au contexte, à la longueur du texte et, si nécessaire, à un autre outil.
Ouvrez la discussion. À l’école, demander à l’élève de raconter comment il a travaillé est plus juste que lui opposer d’emblée un score. Les règles d’usage de l’IA doivent être connues avant l’exercice.

Pour une personne dyslexique, une aide à l’orthographe ou à la reformulation peut rendre ses idées lisibles sans les lui enlever. Dysclick propose d’ailleurs un guide pour corriger un texte avec ChatGPT. La question pertinente devient alors : quelle part du travail intellectuel, des choix et des vérifications vient de la personne, et qu’a-t-elle déclaré de l’aide reçue ?

Demain, que voudrons-nous reconnaître dans un texte ?

Je reste attaché à une idée simple : la valeur apportée au lecteur compte le plus souvent davantage que l’outil utilisé pour aligner les phrases. Un texte qui explique juste, aide à comprendre et respecte son lecteur mérite qu’on le juge sur ce qu’il apporte. Cela n’efface pas l’importance de l’authenticité : dans un témoignage, une œuvre signée, une évaluation scolaire ou un reportage, l’origine fait partie de la promesse faite au lecteur.

Nous gagnerions donc à demander moins souvent « Est-ce que ça sonne IA ? » et plus souvent « Est-ce exact, utile, assumé et honnête sur sa fabrication ? » La célèbre réplique du film I, Robot, inspiré de l’univers d’Isaac Asimov, retourne la question de la création vers l’humain : une machine peut-elle produire un chef-d’œuvre ? Et nous, le pouvons-nous ? Peut-être est-ce une invitation à créer davantage, avec ou sans IA, et à répondre de ce que nous signons.

Partagez :