Détecteur IA : ce qu’un score ne prouve pas

GRATUIT: Plus de 50 prompts IA prêts à l'emploi pour votre activité

Copier tous les prompts →

Vous écrivez un texte avec l’aide d’une IA, vous le collez dans un détecteur, et vous obtenez un pourcentage. Vous reformulez trois phrases, vous relancez, le pourcentage baisse. Vous recommencez. Au bout d’une heure, vous avez un score plus présentable et un texte moins bon que celui du départ.

Le piège n’est pas le détecteur. C’est de l’avoir pris pour un juge alors que c’est un thermomètre, et un thermomètre qui mesure autre chose que ce que vous croyez.

Cet article explique ce qu’un détecteur IA mesure réellement, pourquoi son verdict ne prouve rien dans un sens ni dans l’autre, et par quoi le remplacer quand on publie du contenu produit avec de l’IA. Il ne compare aucun détecteur et n’en recommande aucun.

Ce qu’un détecteur mesure réellement

Un détecteur ne reconnaît pas une machine. Il mesure à quel point un texte est prévisible : à chaque mot, il évalue si le mot suivant est celui qu’un modèle de langue aurait choisi. Plus la suite est régulière et attendue, plus le score penche vers « généré ».

Deux conséquences découlent directement de ça, et elles suffisent à expliquer presque tous les scores bizarres.

Un texte humain très propre ressemble à un texte généré. Une page juridique, une notice, un mode opératoire, un texte écrit par quelqu’un dont le style est sobre et régulier : tout cela est prévisible par construction. Le détecteur y voit la même régularité.

Un texte généré puis retravaillé devient indétectable. Il suffit de casser la régularité — une phrase longue, une courte, un mot inattendu, une digression — pour faire tomber le score, sans avoir changé une virgule au fond. Le score mesure la surface, et la surface se change en dix minutes.

Autrement dit, les deux erreurs sont possibles dans les deux sens : accuser un texte écrit à la main, et laisser passer un texte entièrement généré. Aucun score ne vous dit dans lequel des deux cas vous êtes.

Ce que ça vous coûte de courir après le score

Trois coûts, et le troisième est le seul qui compte vraiment.

Le temps. Chaque passage détecteur-reformulation-détecteur prend des minutes, et il n’y a pas de condition d’arrêt : on s’arrête quand on en a assez, pas quand le texte est bon.

La qualité. Pour baisser un score, on ajoute de l’irrégularité : des tournures tordues, des mots rares, des phrases qui ne vont nulle part. Le texte devient moins prévisible et moins lisible en même temps.

Le mauvais objectif. Un lecteur ne vous reproche pas d’avoir utilisé une IA. Il vous reproche de n’avoir rien dit qu’il ne savait déjà. Un texte qui passe tous les détecteurs et n’apprend rien reste un mauvais texte, et c’est l’échec le plus fréquent.

Si ce qui vous gêne est que le texte « sonne IA » à la lecture, c’est un autre sujet que le score, et il se traite phrase par phrase : les marqueurs qu’on repère à l’œil dans un texte généré. Cet article-ci ne parle pas de ces marqueurs, il parle de ce que vaut le verdict d’un outil.

Les trois contrôles qui remplacent le score

Ils se font dans cet ordre, parce que le premier élimine le plus de textes.

ContrôleCe qu’on vérifieCe qu’un échec veut dire
1. Les faitsChaque chiffre, date, nom et citation remonte à une source que vous avez ouverteC’est le seul risque réel : une invention publiée sous votre nom
2. La matièreLe texte contient au moins une chose que vous seul pouviez écrireSans elle, le texte est interchangeable, score ou pas
3. La voixVous reconnaîtriez le texte comme le vôtre si on vous le montrait sans contexteLe lecteur régulier le remarque avant n’importe quel détecteur

Le contrôle 1 est non négociable et c’est celui qu’on saute, parce qu’il est fastidieux. Le contrôle 3 devient rapide dès que vous avez écrit noir sur blanc comment vous écrivez : décrire sa façon d’écrire en dix lignes vérifiables.

Le prompt ci-dessous fait le premier contrôle à votre place, en séparant ce qui vient de votre matière de ce qui a été ajouté.

Voici deux éléments : mes notes de départ, puis le texte rédigé à partir de ces notes.

Produis trois listes, dans cet ordre, et rien d’autre.

Liste 1 : les affirmations du texte qui figurent dans mes notes.

Liste 2 : les affirmations du texte qui ne figurent pas dans mes notes — tout chiffre, date, pourcentage, nom propre, citation ou exemple ajouté. Cite la phrase exacte à chaque fois.

Liste 3 : les endroits du texte qui affirment plus que mes notes ne permettent, sans ajouter de fait nouveau.

Contraintes : n’évalue pas la qualité, ne réécris rien, ne propose aucune amélioration. Si une affirmation est ambiguë, mets-la en liste 2.

Mes notes : [collez vos notes]

Le texte : [collez le texte]

La liste 2 est la seule qui compte : c’est exactement l’ensemble des phrases à vérifier ou à supprimer avant de publier. Elle fait en deux minutes ce qu’un détecteur ne fait pas du tout.

Mon contexte n’est pas le vôtre, et le contenu de vos notes décidera de la longueur de cette liste. Ce qui se transpose, c’est le principe : faire produire par l’outil le moyen de le vérifier, au lieu de confier le verdict à un troisième outil.

Et pour que la liste 2 soit courte dès le premier jet, c’est la demande de départ qui doit interdire l’ajout : ce que vous devez écrire avant d’attendre un texte publiable.

Si c’est vous qui faites passer le test

Le cas se présente dans l’autre sens : un prestataire vous livre un texte, et vous voulez savoir s’il l’a écrit. Un score ne répondra pas à cette question, et s’en servir pour accuser quelqu’un est le plus sûr moyen de se tromper.

Deux questions font le travail, et elles ne demandent aucun outil. Demandez les sources de deux affirmations précises du texte. Demandez pourquoi tel angle a été retenu plutôt qu’un autre. Une personne qui a écrit son texte répond en une minute ; un texte livré sans travail ne survit pas à la deuxième question. Ce qui vous intéresse n’est pas l’outil employé, c’est que quelqu’un réponde de ce qui est écrit.

L’erreur fréquente : écrire pour le détecteur

C’est le même piège que l’optimisation pour un moteur de recherche à l’époque où l’on bourrait les pages de mots-clés : on écrit pour la mesure, et la mesure change. Un texte calibré pour passer les détecteurs d’aujourd’hui n’a aucune garantie de passer ceux de l’an prochain, et pendant ce temps il ne gagne pas un lecteur de plus.

L’ordre qui tient est l’inverse : vous décidez ce que le texte apporte, vous vérifiez les faits, vous le passez à votre voix. Le score, si vous le regardez, n’est plus qu’une curiosité.

Et une limite à dire franchement : ces trois contrôles ne vous protègent pas d’une règle extérieure. Si un client, une école ou une plateforme exige un score en dessous d’un seuil, c’est une contrainte contractuelle, pas une question de qualité, et il faut la traiter comme telle — en la négociant ou en la refusant, pas en tordant le texte.

À vous : vingt minutes

  1. Prenez le dernier texte que vous avez publié avec l’aide d’une IA.
  2. Lancez le prompt ci-dessus avec vos notes de départ et ce texte.
  3. Ouvrez une source pour chaque ligne de la liste 2. Supprimez ce que vous ne pouvez pas sourcer.
  4. Comptez combien de lignes vous avez supprimées. C’est votre vrai indicateur, pas un pourcentage.

Vous saurez que ça marche quand la liste 2 du texte suivant sera plus courte que celle de celui-ci, parce que vous aurez mis l’interdiction d’ajouter dans la demande de départ.

Les demandes qui interdisent l’ajout dès le premier jet sont dans la bibliothèque IATOLL, classées par usage.

Bibliothèque IATOLL

Plus de 100 prompts IA prêts à l’emploi pour votre activité

Classés par usage, construits sur les cinq blocs du guide.


Voir tous les prompts →

Cet article a été structuré et rédigé avec l’aide de l’IA, à partir d’un plan de contenu construit à la main, puis relu et corrigé phrase par phrase.

Publications similaires