Entre la Constitution américaine de 1787 dans un détecteur d’IA, et il te dira avec une forte probabilité : écrit par une IA. Un texte qui a vu le jour 236 ans avant ChatGPT.

Ce n’est pas un cas isolé trié sur le volet, mais une expérience limpide : le fondateur de GPTZero, Edward Tian, en a expliqué lui-même la cause — la Constitution est un texte qui a été injecté encore et encore dans les mêmes modèles de langage. Le détecteur y reconnaît exactement ce qu’il reconnaît aussi dans une vraie IA. Sauf qu’ici, c’est à tort.

Et c’est exactement là le problème. Un détecteur d’IA ne mesure pas si un texte provient d’une IA. Il mesure autre chose — et le confond avec une origine IA.

Ce qu’un détecteur mesure réellement

Un logiciel anti-plagiat place la source originale à côté de ton texte. Tu peux vérifier : voici le paragraphe recopié, là le modèle. C’est vérifiable, et réfutable.

Un détecteur d’IA ne peut pas faire ça. Il n’a pas de modèle de référence. Il mesure à quel point un texte est prévisible — en termes techniques : sa perplexité. Les modèles de langage produisent des suites de mots probables, fluides, attendues. L’inverse devient donc suspect : écrire de façon fluide et prévisible, et aux yeux du détecteur, on ressemble à une machine.

C’est toute l’astuce. Et c’est aussi tout le défaut.

Car qui écrit de façon fluide et prévisible ? Pas seulement l’IA. Aussi les personnes qui ont appris la langue comme langue seconde et s’appuient sur des tournures sûres et standard. Les personnes qui écrivent simplement et clairement. Certains auteurs neurodivergents. Le détecteur ne peut pas distinguer ces personnes d’une IA, parce qu’il n’a jamais cherché l’IA — seulement la fluidité.

La preuve que c’est une question de langue, pas d’IA

Une étude de l’université de Stanford (Liang et al., publiée dans Patterns de Cell Press, le 10 juillet 2023) a testé sept détecteurs commerciaux sur des textes réels, garantis humains.

Sur des rédactions d’élèves américains de 8th grade, le taux d’erreur était proche de zéro. Sur des rédactions TOEFL — écrites par des personnes pour qui l’anglais est une langue étrangère — les mêmes détecteurs ont classé à tort en moyenne 61,22 % comme IA. Près de 98 % des rédactions ont été signalées par au moins un outil, une sur cinq à l’unanimité par les sept.

Puis vient la partie qui explique tout. Les chercheurs ont fait polir linguistiquement les rédactions TOEFL par GPT-4 — un vocabulaire plus soutenu, rien d’autre. La classification erronée en IA est tombée de 61,22 % à 11,77 %.

Même contenu, mêmes personnes, mêmes détecteurs. Seulement un langage plus riche. Si un meilleur vocabulaire transforme un « texte IA » en « texte humain », alors le détecteur ne mesure pas l’IA. Il mesure le niveau de langue. Et pénalise le plus faible.

Ce qui se passe quand on teste beaucoup d’outils côte à côte

L’étude indépendante la plus large à ce jour vient de Weber-Wulff, Anohina-Naumeca, Foltýnek et leurs collègues (International Journal for Educational Integrity 19:26, évaluée par les pairs, 25 décembre 2023). Ils ont testé 14 détecteurs sur 54 documents d’origine connue — 756 tests individuels.

Le résultat : aucun outil n’a atteint 80 % de précision, seuls cinq ont dépassé 70. Les taux de faux positifs allaient de 0 % (Turnitin dans ce test) à 50 % (GPTZero dans ce test). Environ 20 % des textes réellement générés par IA ont été attribués à des humains — après une légère révision, jusqu’à la moitié.

Les auteurs écrivent que les systèmes « ne devraient pas être utilisés dans un cadre académique ». Et ils nomment le cœur du problème : contrairement au logiciel anti-plagiat, il n’y a pas de source originale. Un étudiant accusé sur cette seule base n’aurait « aucun moyen de se défendre » — dans le texte original : no possibility for a defence.

On ne peut pas réfuter ce qui n’est pas démontré.

Le témoin le plus honnête : OpenAI lui-même

Si quelqu’un devait être capable de détecter un texte généré par IA, c’est bien le fabricant de ChatGPT. OpenAI a essayé — avec son propre « AI Text Classifier », publié en janvier 2023.

Après à peine six mois, OpenAI l’a retiré. Dans sa propre note de mise à jour, la raison est indiquée : due to its low rate of accuracy — en raison d’un taux de précision trop faible. L’outil ne détectait que 26 % des textes IA et classait à tort 9 % des textes humains comme IA. Pour les textes courts de moins de 1 000 caractères, il était, selon leurs propres mots, « très peu fiable ».

Le fabricant qui a construit le modèle n’a pas pu détecter fiablement sa propre production — et a été assez honnête pour retirer le produit.

Ce que les fournisseurs eux-mêmes écrivent dans les petites lignes

Le plus révélateur ne se trouve pas dans le marketing, mais dans les FAQ.

Turnitin, le leader du marché dans l’éducation, avance un taux de faux positifs à l’échelle du document de « moins de 1 % ». En lisant plus loin, ce chiffre ne s’applique qu’aux documents contenant plus de 20 % de contenu IA ; phrase par phrase, le taux avoisine 4 % ; en dessous de 20 %, l’outil n’affiche même plus de chiffre, juste un astérisque. Et Turnitin écrit lui-même que le résultat ne devrait « pas être la seule base d’une décision ».

GPTZero écrit dans sa propre FAQ que ses résultats ne devraient « pas être utilisés pour punir des élèves » — these results should not be used to punish students. Et : le jeu de données d’entraînement se compose majoritairement de prose anglaise écrite par des auteurs adultes. C’est exactement ce qui explique le biais.

C’est le fil rouge : les fournisseurs eux-mêmes mettent en garde contre exactement l’usage — punir sur simple soupçon — pour lequel les enseignants utilisent ces outils.

Par souci d’équité, il existe un contre-argument, et il a sa place ici : Turnitin a publié sa propre étude (26 octobre 2023), selon laquelle, à partir de 300 mots, il n’y aurait pas de désavantage statistiquement significatif pour les apprenants d’anglais. Cela ne contredit Stanford que partiellement — pour les textes longs. Pour les textes courts, Turnitin admet lui-même des taux d’erreur plus élevés. Et c’est un témoin dans sa propre cause. Les tâches courtes, les résumés, les réponses en deux paragraphes sont le quotidien des études — exactement là où les chiffres sont les pires.

Pourquoi un petit pourcentage reste dangereux

« Moins de 1 % » semble rassurant. Fais le calcul à grande échelle.

L’université Vanderbilt a soumis environ 75 000 travaux en 2022. Par le calcul — pas par la mesure — le propre « moins de 1 % » de Turnitin donnerait environ 750 cas où une personne serait signalée à tort. Le calcul ne dit pas si ces cas se sont réellement produits. Mais Vanderbilt en a tiré la conséquence et a désactivé le détecteur le 16 août 2023, en expliquant qu’elle ne considérait pas les logiciels de détection d’IA comme un outil efficace à utiliser.

À grande échelle, un faible taux d’erreur n’est pas un petit nombre. C’est un nombre à trois chiffres de suspicions par an — chacune avec une personne derrière, qui n’a rien fait.

Et la situation juridique allemande ?

Le plus important d’abord, et cela ne figure dans presque aucun résumé : en Allemagne, la charge de la preuve incombe à l’université. C’est à l’autorité d’examen de prouver une tromperie — et la tromperie comme la sanction doivent être réglées à l’avance dans le règlement d’examen. Un score de détecteur n’inverse pas cette charge de la preuve.

Le jugement le plus récent vient du tribunal administratif de Kassel (25 février 2026, réf. 7 K 2134/24.KS et 7 K 2515/25.KS). Le tribunal a confirmé des sanctions pour usage d’IA — mais en s’appuyant explicitement non pas sur un détecteur, mais sur des indices vérifiables humainement : un écart frappant entre performance écrite et orale, des tournures standard répétées de façon excessive. Les jugements ne sont pas encore définitifs (en date du 24 juillet 2026) ; il reste à voir si une instance supérieure les confirmera.

Un guide pratique du Digitale Lehre Hub Niedersachsen (Baresel, Horn & Schorer, en date du 24 février 2025) déconseille aux universités l’usage de détecteurs d’IA. Leurs arguments : données d’examen à caractère personnel (art. 6 RGPD), l’interdiction des décisions purement automatisées (art. 22 RGPD), une possible classification comme IA à haut risque selon l’AI Act européen. Dans les procédures d’urgence citées du tribunal administratif de Munich, les résultats des détecteurs ne comptaient à chaque fois que comme un indice parmi d’autres, jamais comme une preuve.

Certaines universités allemandes en tirent la conséquence la plus claire et ne mettent délibérément aucun détecteur d’IA à disposition — en tant que ligne officielle, pas comme opinion isolée.

Que faire si un détecteur t’accuse à tort

Ceci est une mise en perspective journalistique, pas un conseil juridique pour ton cas précis — cela demande quelqu’un qui connaît ton dossier. Mais on peut nommer la direction que pointent les faits établis et les guides cités :

Le score seul n’est pas une preuve. Il indique une probabilité, pas une source vérifiable. Demande la base : quel outil, quelle version, quel chiffre, mesuré par rapport à quoi ? Un « score IA élevé » sans ces précisions n’est pas une preuve, mais une affirmation.

Montre ton processus de création. C’est la contre-preuve la plus solide, celle qu’un détecteur ne peut précisément pas fournir : l’historique des versions de ton document (Google Docs, Word, chaque cloud le conserve), les étapes intermédiaires, les notes, les onglets de recherche, les sources. Un vrai processus d’écriture laisse des traces. Une probabilité, non.

Nomme le biais s’il te concerne. Si l’allemand — ou l’anglais — n’est pas ta langue maternelle, l’étude de Stanford est ta source : les mêmes outils qui laissent passer les locuteurs natifs presque sans erreur signalent massivement les locuteurs non natifs. Ce n’est pas un élément à charge contre toi, mais un défaut de conception connu et mesuré des outils.

Connais la charge de la preuve. En Allemagne, c’est à l’université de prouver la tromperie, pas à toi de prouver ton innocence. Le cas échéant, cela relève du conseil juridique de ton université, d’une avocate spécialisée ou du délégué à la protection des données.

Le contrepoint honnête

Pour que ceci ne devienne pas un parti pris confortable : il y a deux éléments en faveur des détecteurs — et il faut les mentionner tous les deux.

Premièrement, les humains détectent le texte IA encore plus mal. Une étude sur l’écriture scientifique (Cheng et al., 2025) a trouvé que les évaluateurs humains se situaient à 19 % — le niveau du hasard. Les détecteurs les battaient nettement. Sauf que la même étude a mesuré, en parallèle, un taux de faux positifs de 72,2 % sur du texte purement humain. « Meilleur que les humains pour détecter » et « inutilisable comme preuve » ne s’excluent tout simplement pas.

Deuxièmement : la détection à la source fonctionne. Google DeepMind a présenté dans Nature (23 octobre 2024) un filigrane textuel (SynthID-Text) qui marque de façon fiable les productions d’IA sans baisser mesurablement la qualité du texte — testé sur environ 20 millions de réponses Gemini. La différence est décisive : le signal est intégré au moment de la génération, pas deviné après coup. C’est exactement pour cela que la réglementation mise aussi là-dessus : à partir du 2 août 2026, l’article 50 de l’AI Act européen (selon la FAQ de la Commission européenne) exige que les fournisseurs d’IA générative marquent leurs productions de façon lisible par machine — période de transition pour les systèmes existants jusqu’au 2 décembre 2026. (Il s’agit de la situation juridique selon la source primaire, pas d’un conseil juridique ; vérifie l’état à ta date de lecture.)

La voie à suivre est donc le marquage à la source, pas la supposition sur le résultat. Que la politique choisisse cette voie est un aveu silencieux : le détecteur a posteriori ne résout pas le problème.

La phrase à retenir

Un détecteur d’IA est une amorce de conversation, pas un verdict. Il peut susciter une question — « raconte-moi comment ce texte est né ». Il ne doit jamais avoir le dernier mot. Pas parce que ce serait une attitude sympathique, mais parce que, techniquement, il ne peut rien faire d’autre : il mesure la fluidité, indique une probabilité et ne présente aucune source. Qui fonde une note ou une accusation là-dessus confond une supposition avec une preuve.

Et la Constitution de 1787 n’en était pas une.

Sources

Toutes vérifiées le 24 juillet 2026. Les chiffres sont valables à la date de mesure indiquée ; les valeurs des détecteurs et le statut juridique peuvent avoir changé depuis.

Si quelque chose ici te semble dépassé ou faux : écris-moi.