Intelligence artificielle4 min de lecture

Détecter un texte écrit par IA : vraiment possible ?

GPTZero et consorts se trompent souvent, OpenAI a retiré son propre détecteur. Voici les indices qui marchent mieux et l'état réel du watermarking.

Par Jean Weber

Affiche style risographie deux couleurs : une loupe revele en vert acide des lignes de texte au motif mecanique, au milieu de lignes noires irregulieres
Sommaire

Coller un texte dans GPTZero et lire « 87 % généré par IA », c'est dix secondes. Le problème : ce chiffre ne prouve rien. Détecter un texte écrit par IA de façon fiable, personne n'y arrive aujourd'hui, pas même OpenAI. Voici ce que valent vraiment ces outils, et ce qui marche mieux.

Pourquoi les détecteurs de texte IA se trompent autant ?

Les détecteurs de texte IA ne lisent aucune signature cachée : ils estiment une probabilité à partir de statistiques de surface, comme la prévisibilité des mots et la régularité du rythme. Un texte humain très scolaire peut donc passer pour de l'IA, et un texte généré puis retouché pour de l'humain. OpenAI l'a démontré malgré elle : son AI Classifier, lancé en janvier 2023, ne reconnaissait que 26 % des textes générés et accusait à tort 9 % des textes humains. Retrait le 20 juillet 2023, pour « faible taux de précision ». Quand l'éditeur de ChatGPT jette l'éponge, ça situe la difficulté.

Faux positifs : qui est accusé à tort ?

Le faux positif n'est pas un cas d'école, c'est le défaut central de ces outils. Une étude de Stanford publiée dans la revue Patterns a soumis 91 essais d'étudiants non anglophones (examen TOEFL) à sept détecteurs : 61,3 % ont été classés « générés par IA » en moyenne, quand les copies d'élèves américains natifs passaient sans accroc. Un style simple, un vocabulaire limité ou une langue apprise suffisent à déclencher l'alarme. GPTZero lui-même recommande au moins 250 mots par analyse et présente son score comme une piste, pas un verdict. La règle en découle : ne jamais accuser quelqu'un (élève, rédacteur, candidat) sur la seule foi d'un détecteur.

Quels indices marchent mieux qu'un détecteur ?

Les indices les plus utiles ne sont pas statistiques, ils sont éditoriaux. D'abord les tics de style : formules passe-partout (« il est important de noter que »), transitions mécaniques, listes en trois points systématiques, zéro anecdote ou point de vue situé. Ensuite la vérifiabilité des faits : les modèles inventent des références plausibles mais fausses, on l'a détaillé dans notre article sur les hallucinations de ChatGPT. Une citation introuvable, une source qui n'existe pas, un chiffre sans origine : ça se vérifie, alors qu'un score ne se vérifie pas. Enfin, le contexte : l'historique de versions d'un Google Docs raconte comment le texte s'est construit, et cinq minutes d'échange avec l'auteur en disent plus long que n'importe quel outil.

Le watermarking peut-il changer la donne ?

Le watermarking prend le problème à l'envers : au lieu de deviner après coup, le modèle insère une signature statistique invisible au moment où il génère le texte. Google est le plus avancé : SynthID Text tourne dans Gemini depuis 2024 et le code est open source. Mais la vérification reste verrouillée : le portail SynthID Detector, annoncé en mai 2025, est accessible sur liste d'attente (journalistes et chercheurs d'abord) et ne repère que les contenus des modèles Google. Un texte de ChatGPT ou de Claude n'y laisse aucune trace, et une paraphrase ou une traduction affaiblit fortement le signal. Même constat que pour la détection des deepfakes : la technique progresse, la preuve absolue n'existe pas.

FAQ

Peut-on prouver qu'un texte a été écrit par ChatGPT ?

Non. Aucun outil public ne fournit de preuve, seulement une probabilité, et OpenAI a retiré son propre détecteur en juillet 2023 pour manque de précision. Un score élevé justifie une vérification humaine, jamais une sanction directe.

Que faire si mon texte est accusé à tort d'être « écrit par IA » ?

Montrez le processus de rédaction : historique de versions, brouillons, notes de recherche, et proposez d'en parler à l'oral. Les faux positifs sont documentés, en particulier pour les personnes qui écrivent dans une langue apprise.

Le watermarking rendra-t-il un jour la détection fiable ?

Seulement pour les modèles qui l'embarquent, et pour ceux qui ont accès au vérificateur. Comme il s'affaiblit dès qu'on réécrit le texte en profondeur, il aidera à mesurer des volumes, pas à juger un cas individuel.

Sources

À lire aussi