Détecteur IA de texte : peut-on vraiment s'y fier ?

Les détecteurs de texte généré par IA se multiplient dans les écoles, les universités et les rédactions. Ils affichent un pourcentage qui semble scientifique et définitif.

La réalité est plus nuancée. Ces outils donnent une estimation statistique, avec des erreurs dans les deux sens. Voici comment ils fonctionnent et comment interpréter leurs résultats.

Comment fonctionne un détecteur d'IA ?

Un détecteur ne « reconnaît » pas une IA. Il mesure à quel point un texte ressemble statistiquement à ce que produirait un modèle de langage.

Deux indicateurs reviennent souvent. La perplexité mesure si les mots choisis sont prévisibles. La variabilité, parfois appelée « burstiness », mesure si la longueur et la structure des phrases changent beaucoup, comme chez un auteur humain.

Un texte humain mélange naturellement phrases courtes et longues, mots courants et mots rares. Un texte généré tend vers une régularité que les détecteurs repèrent statistiquement.

Chaque outil s'entraîne sur ses propres corpus et fixe ses propres seuils. C'est pourquoi deux détecteurs peuvent donner des scores très différents pour un même texte.

Quels outils existent ?

Plusieurs services se partagent le marché, la plupart avec une version gratuite limitée et des offres payantes.

Les fournisseurs eux-mêmes insistent sur ce point. La plupart des éditeurs de détecteurs précisent dans leur documentation que leurs résultats ne doivent pas être utilisés comme seule base d'une décision disciplinaire.

Un score doit donc toujours être lu avec sa marge d'erreur. Un résultat de 60 % ne signifie pas que 60 % du texte vient d'une IA, mais que l'outil estime une probabilité, avec une incertitude importante.

La fiabilité baisse encore sur les textes en français, moins présents que l'anglais dans les données d'entraînement de nombreux détecteurs. C'est l'une des raisons pour lesquelles des outils français se sont spécialisés sur la langue.

Peut-on vraiment s'y fier ?

Pas comme une preuve. Les détecteurs commettent des faux positifs, c'est-à-dire qu'ils attribuent à l'IA des textes écrits par des humains, et des faux négatifs dans l'autre sens.

OpenAI a d'ailleurs retiré en 2023 son propre outil de détection, jugeant sa précision insuffisante. La même année, une étude de chercheurs de l'université Stanford a montré que plusieurs détecteurs classaient à tort comme générés de nombreux textes rédigés par des non-anglophones.

Quels textes trompent le plus les détecteurs ?

Les erreurs ne sont pas réparties au hasard. Certains textes humains sont plus souvent pris pour de l'IA.

• Les textes courts, où les statistiques manquent de matière.
• Les écrits très formatés : définitions, résumés, notices techniques.
• Les textes de personnes qui écrivent dans une langue étrangère, avec un vocabulaire plus simple.

À l'inverse, un texte généré puis retravaillé par un humain passe souvent sous le seuil de détection.

Comment interpréter un résultat ?

Un score élevé doit ouvrir une discussion, jamais la conclure. Dans un cadre scolaire ou professionnel, il vaut mieux croiser plusieurs indices.

1. Tester le texte avec deux ou trois détecteurs différents et comparer.
2. Demander les brouillons, l'historique des versions ou les notes de travail.
3. Échanger avec l'auteur sur le contenu : qui a écrit un texte sait l'expliquer.
4. Vérifier les faits et les sources citées, que les IA inventent parfois.

Les détecteurs progressent, mais les modèles de langage aussi. Chaque nouvelle génération d'IA écrit de façon plus variée, ce qui rend la détection plus difficile.

Il faut donc s'attendre à ce que cette course continue, sans qu'un outil ne devienne jamais totalement fiable. La vérification humaine restera indispensable.

Le filigrane numérique va-t-il changer la donne ?

Une autre approche consiste à marquer les contenus au moment de leur création. Google a présenté SynthID, un filigrane invisible intégré à certains contenus produits par ses modèles.

Cette méthode ne fonctionne que si le fournisseur de l'IA l'applique, et un texte fortement reformulé peut perdre sa marque. Elle complétera les détecteurs sans les remplacer.

Comment les établissements s'organisent-ils ?

Faute d'outil infaillible, beaucoup d'écoles et d'universités adaptent plutôt leurs règles et leurs évaluations. Certaines autorisent l'IA à condition de le déclarer, d'autres l'interdisent pour certains exercices.

Les enseignants privilégient de plus en plus des travaux difficiles à déléguer : oral, travail en classe, analyse d'un document précis ou retour sur une expérience personnelle.

• Charte d'usage de l'IA expliquée aux élèves et étudiants.
• Demande des étapes de travail plutôt que du seul rendu final.
• Soutenance orale pour vérifier la maîtrise du sujet.

Pour un rédacteur ou une agence de contenus, la logique est la même. Le client juge la qualité, l'exactitude et l'originalité du texte, pas seulement un score de détection.

Si vous êtes accusé à tort, conservez vos brouillons et votre historique de versions : un document rédigé dans un traitement de texte en ligne garde la trace de chaque modification, ce qui constitue une preuve solide.