Les outils de détection de l’IA sont des logiciels conçus pour déterminer si un texte a été écrit par un humain ou généré par un modèle d’IA. L’idée de départ est intuitive : si l’écriture des IA présente des motifs caractéristiques — certains choix de mots, certaines structures de phrases, certains rythmes —, un classifieur entraîné sur suffisamment d’exemples devrait pouvoir les repérer. Certains outils notent la prévisibilité statistique du texte ; d’autres cherchent des signatures stylistiques. L’hypothèse sous-jacente est que la langue générée par une IA diffère, d’une manière mesurable, de la langue produite par un humain.
Le problème, c’est que cette hypothèse ne tient pas assez solidement pour que l’on puisse agir sur cette base. Les détecteurs d’IA produisent des faux positifs dans une proportion significative — ils signalent comme générés par une machine des textes écrits par des humains —, en particulier chez les personnes dont l’anglais n’est pas la langue maternelle, pour les styles d’écriture très formels et pour les textes qui emploient par hasard des tournures courantes ou prévisibles. Ils produisent aussi des faux négatifs : un texte généré par une IA puis légèrement retouché, traduit ou passé dans un outil de paraphrase échappe souvent à la détection. Les praticiens du domaine s’accordent largement à dire que les détecteurs actuels ne devraient pas servir à porter des jugements lourds de conséquences sur la paternité d’un texte.
Une partie de la difficulté est structurelle. Les grands modèles de langage sont entraînés à prédire le token suivant le plus probable dans un contexte donné — autrement dit, à écrire d’une manière qui paraisse naturelle et humaine. À mesure que les modèles progressent, la distance statistique entre texte humain et texte d’IA se réduit. Un détecteur entraîné sur les productions d’un modèle peut mal fonctionner sur un autre modèle, ou sur une version ultérieure du même. La détection court, en un sens, après une cible mouvante, de plus en plus difficile à atteindre à mesure que la technologie avance.
Concrètement, un score de détection — qu’il soit de 20 % ou de 80 % — vous dit quelque chose d’une probabilité, non de la vérité. C’est un indice à peser, pas un verdict sur lequel agir. La question plus intéressante que la détection de l’IA ne cesse de soulever n’est pas « une machine a-t-elle écrit ceci ? », mais « est-ce important si c’est le cas ? ». Cette question se révèle bien plus difficile, et bien plus intéressante, que le pourcentage affiché à l’écran.
