Détecteur IA : comment ça marche, et pourquoi il peut se tromper

Un détecteur de texte IA compare le style d’un texte (mots, enchaînements, régularité des phrases) à des exemples de textes humains et de textes générés, puis donne un score de ressemblance. Ce score est une estimation statistique, jamais une preuve : il se trompe sur les textes courts, simples, rédigés par des non-natifs ou retravaillés.

La réponse courte

Un détecteur de texte IA ne « lit » pas pour comprendre et ne retrouve pas de trace secrète. Il mesure des régularités statistiques dans la manière dont le texte est écrit, puis les compare à ce qu’il a appris sur des exemples de textes humains et de textes produits par des modèles de langage. Le résultat est un score de ressemblance, pas un verdict. Il peut être faux dans les deux sens : un texte d’élève sincère peut être classé « probablement IA », et un texte généré puis retouché peut passer pour humain.

Retenez donc une règle : un score ne prouve rien à lui seul. Il peut inviter à poser une question, jamais à condamner quelqu’un. Le reste de ce guide explique ce que le détecteur regarde, pourquoi il se trompe, comment réagir si votre texte est mal classé, et comment fonctionne le détecteur IA d’AdeptWrite, avec ses limites.

Ce que regarde un détecteur, en termes simples

Les modèles de langage produisent le mot suivant le plus plausible, un mot après l’autre. Cette manière de fabriquer du texte laisse des habitudes. Un détecteur cherche ces habitudes de plusieurs façons.

Les mots et les enchaînements

Le texte est découpé en petits morceaux : suites de lettres, mots isolés, paires de mots. Le détecteur compte la fréquence de ces morceaux et la compare à celle observée dans ses exemples. Certaines tournures reviennent beaucoup dans les textes générés (« il est important de noter que », « en conclusion », « dans un monde en constante évolution ») ; d’autres, plus rares, sont plus fréquentes chez les humains : un détail précis, une digression, une tournure familière.

La régularité du rythme

Un texte généré a souvent des phrases de longueur voisine, des paragraphes de même taille, une structure répétitive (trois idées, trois exemples, une conclusion). Un humain varie davantage : une phrase très courte après une longue, un paragraphe plus développé que les autres. Les mesures de ce type s’appellent des indices stylométriques : longueur moyenne des phrases, diversité du vocabulaire, ponctuation.

La « surprise » du texte

Certains détecteurs estiment à quel point un texte est prévisible pour un modèle de langage. Un texte très prévisible, où chaque mot est le plus probable, ressemble à une sortie de modèle. Mais un texte simple, scolaire ou très formaté est lui aussi prévisible, sans être généré : c’est l’une des sources majeures d’erreurs.

Le score final

Ces signaux sont combinés par un modèle statistique qui sort une probabilité, puis traduite en étiquettes du type « probablement humain », « mixte ou incertain », « probablement IA ». Le choix du seuil entre ces étiquettes est un compromis : un seuil bas attrape plus de textes générés mais accuse plus d’innocents ; un seuil haut protège les innocents mais laisse passer plus de textes générés.

Pourquoi le score n’est jamais une preuve

Trois raisons suffisent à comprendre pourquoi les éditeurs sérieux parlent d’estimation.

1. Le détecteur ne connaît que ses exemples. Il a appris sur des textes d’un certain type, dans certaines langues, produits par certains modèles. Un nouveau modèle écrit autrement ; une langue ou un genre peu représentés (un compte rendu de TP, un commentaire de texte en classe de première) sont moins bien couverts.
2. Humain et machine se ressemblent de plus en plus. Un texte relu, corrigé, reformulé ou complété à la main perd une partie de ses traces. Inversement, un texte très normé par des consignes (rapport de stage, note de synthèse) rapproche l’humain du style générique.
3. **Un score n’est pas une probabilité pour ce texte.** Un « 80 % » ne veut pas dire « 80 % de chances que cette personne ait triché ». Il dit que le texte ressemble plus à la catégorie « IA » qu’à la catégorie « humain » selon un modèle calibré sur un jeu de test donné.

Le constat est connu du secteur : en 2023, OpenAI a retiré son propre classificateur de textes IA en indiquant une précision trop faible. Cela ne veut pas dire que tous les détecteurs sont inutiles ; cela veut dire qu’aucun ne doit servir de preuve.

Les faux positifs : qui est le plus exposé ?

Un faux positif est un texte écrit par un humain, classé « IA ». Les profils les plus exposés :

• Les élèves et étudiants débutants, dont les productions suivent un plan imposé (introduction annoncée, trois parties, conclusion) et un vocabulaire scolaire.
• Les personnes qui écrivent en français comme langue étrangère, qui emploient des tournures simples et prudentes. Des chercheurs ont montré en 2023 que des détecteurs d’anglais classaient à tort comme générées des rédactions de non-natifs ; il n’y a aucune raison de penser que le français soit à l’abri.
• Les textes très formatés : CV, lettres types, comptes rendus, fiches, mentions légales.
• Les textes courts : sous quelques dizaines de mots, il n’y a tout simplement pas assez de matière.
• Les textes corrigés par un outil : un correcteur ou un reformulateur peut uniformiser le style.

À l’inverse, un faux négatif est un texte généré classé « humain » : c’est fréquent quand il a été paraphrasé, mélangé à du texte personnel ou retouché à la main.

Ce que conseillent les établissements

Il n’existe pas de règle nationale unique sur l’usage des détecteurs : chaque université, école ou lycée fixe sa charte et sa procédure. Ce que l’on retrouve le plus souvent dans les pratiques d’établissement, sans valeur de règle générale :

• l’usage de l’IA est encadré par la consigne de l’enseignant (interdit, autorisé avec mention, autorisé pour certaines étapes) ;
• un soupçon se traite par un échange : brouillons, historique des versions, notes, explication orale du raisonnement ;
• un score de détecteur n’est pas retenu comme preuve à lui seul.

Si votre établissement publie une charte, c’est elle qui fait foi. En cas de doute sur ce qui est permis, demandez par écrit à l’enseignant ou au responsable de formation. AdeptWrite ne représente aucun établissement.

Que faire si votre texte est classé « IA » à tort

1. Gardez vos traces de travail : brouillons, versions successives de votre traitement de texte (l’historique de versions de Word ou Google Docs date vos modifications), fiches de lecture, plan.
2. Soyez prêt à expliquer votre démarche : pourquoi ce plan, d’où vient telle idée, quelles sources vous avez lues.
3. Précisez l’aide reçue, y compris d’un correcteur ou d’un outil d’IA, si la consigne l’exige. Mieux vaut le dire que laisser planer un doute.
4. Demandez un échange plutôt que de contester un chiffre : un détecteur ne se discute pas, une démarche d’écriture si.
5. Rendez votre style plus personnel pour la suite : exemples précis de votre terrain, données que vous seul connaissez, phrases de longueurs variées. Voir comment humaniser un texte écrit par une IA.

Si vous êtes enseignant ou relecteur

• Lisez le texte avant de regarder un score. Une rupture de style, des références inexistantes, des affirmations non sourcées sont des indices plus solides.
• Vérifiez les sources citées : les modèles de langage peuvent inventer des références plausibles.
• Comparez avec des productions antérieures de la même personne.
• Demandez une explication orale de quelques passages.
• Ne tirez jamais de conclusion d’un seul outil, et gardez la possibilité de dire « je ne sais pas ».

Le détecteur IA d’AdeptWrite : ce qu’il fait, ce qu’il ne fait pas

Le détecteur IA d’AdeptWrite estime si un texte ressemble à une écriture générée. Voici, sans enjolivure, son fonctionnement.

• Calcul dans votre navigateur. Un modèle statistique léger, fondé sur des fréquences de séquences de lettres et de mots et sur quelques mesures de style, tourne localement. Rien ne quitte votre navigateur pour cette première analyse.
• Analyse approfondie facultative. Si vous la demandez, le texte est envoyé pour cette requête à un modèle d’IA hébergé sur Cloudflare Workers AI, qui donne un second avis. Rien n’est conservé. Ce résultat combiné est présenté comme expérimental.
• Trois étiquettes, jamais un verdict : « probablement humain », « mixte ou incertain », « probablement IA », avec un score exprimé par un « ≈ » et jamais 0 % ni 100 %.
• Phrases surlignées : les passages qui ressemblent le plus à une écriture de machine sont mis en évidence. C’est un indice plus faible que l’estimation globale.
• Limites de taille : au moins 40 mots, au plus 6 000 caractères par analyse.
• Mesures affichées. La page indique les résultats mesurés sur le jeu de test de l’outil, y compris le taux de textes humains classés à tort « IA », et précise, langue par langue, si la précision a été mesurée. Pour une langue non mesurée, l’estimation doit être lue avec une prudence accrue.
• Limites reconnues. Les textes courts sont mal évalués ; un texte paraphrasé, retouché ou « humanisé » passe souvent entre les mailles ; une écriture simple, très formatée ou de non-natif peut être signalée à tort ; un texte corrigé par des outils d’écriture à base d’IA, dont ceux d’AdeptWrite, peut être étiqueté « mixte » ou « probablement IA » ; les nouveaux modèles de langage peuvent écrire d’une façon que l’outil ne connaît pas.

Ce que l’outil ne fait pas : il n’identifie pas quel modèle a écrit, ne détecte pas de filigrane, ne cherche pas de plagiat (c’est le rôle du détecteur de plagiat) et ne doit jamais être l’unique pièce d’un dossier contre quelqu’un.

Comment l’utiliser utilement

1. Collez un passage d’au moins 150 mots si possible : en dessous, le résultat est nettement moins fiable.
2. Choisissez la langue du texte.
3. Lisez l’étiquette avec les phrases surlignées et les limites affichées.
4. Si le résultat vous surprend, relisez le passage et demandez-vous si le style est vraiment le vôtre ; ne modifiez pas un texte sincère pour « faire baisser le score ».
5. Gardez en tête que le résultat vaut pour ce texte à cet instant, pas pour une personne.

Détecteur d’IA ou détecteur de plagiat ?

Ce sont deux questions différentes. Le détecteur de plagiat cherche des passages identiques ou très proches de sources existantes. Le détecteur d’IA estime la ressemblance de style avec un texte généré. Un texte entièrement généré peut ne contenir aucun plagiat et pourtant être signalé ; un texte plagié à la main peut être jugé parfaitement humain. Pour la première question, lisez plagiat : définition, sanctions et exemples en France et comment vérifier le plagiat d’un texte.

Questions à se poser avant de se fier à un score

• Le texte fait-il plus de 150 mots ?
• La langue et le genre du texte sont-ils ceux que le détecteur a appris ?
• Le rédacteur écrit-il en langue étrangère ou suit-il un plan très imposé ?
• Le texte a-t-il été corrigé ou reformulé avec un outil ?
• Existe-t-il d’autres éléments (brouillons, sources, entretien) pour confirmer ou infirmer le soupçon ?

Si la réponse à plusieurs de ces questions est « oui », le score doit être lu avec encore plus de réserve. Pour comprendre les outils qui produisent ces textes, voir ChatGPT : c’est quoi ?.

← Tous les guides