Détecteur de texte IA.Détecteur IA.

Ce qu’un rapport de détection montre vraiment

Un score seul ne vous donne rien d’actionnable. Voici le rapport produit sur un échantillon écrit par IA : un verdict, les signaux qui le portent, et un second avis d’un autre moteur sur le même texte.

IAchecker.comAdvancedv3.2Rapport d’exemple2026-08-04

IADétecté

Contenu généré par IA détecté

Les trois signaux penchent dans le même sens sur cet échantillon. La cadence varie à peine, la gamme de ponctuation est étroite, et le phrasé enchaîne les connecteurs standards qu’un modèle privilégie.

Signaux textuelsIA78%Mixte14%Humain8%

Uniformité du rythme

91

Platitude de la ponctuation

84

Tournures formatées

88

Mots analysés

412

Second avis

IAVerdict d’exemple

Pangram 4

Accord à pleine confiance : l’échantillon se lit comme généré.

89%Détecté comme IA

Undetectable AI

Signale aussi l’échantillon comme contenu IA, à 89 pour cent.

Rapport d’exemple sur un échantillon écrit par IA. Les verdicts des moteurs illustrent la vue multi-moteurs ; ce ne sont pas des mesures du run de corpus ci-dessous, scoré par Advanced 3.2 seul.

Les signaux derrière un score

Chaque rapport affiche les trois mêmes signaux mesurés, notés de 0 (plutôt humain) à 100 (plutôt IA). Ils sont présentés séparément à dessein. Un seul signal élevé pèse moins qu’une convergence des trois, et vous voyez lequel porte le verdict.

• Uniformité du rythmeVariance de cadence des phrases

  Un brouillon humain fait varier la longueur des phrases par à-coups : une longue proposition, puis une courte, puis un fragment. La prose générée tend à se stabiliser dans une bande étroite. Un score élevé signifie une cadence anormalement régulière — courant dans la sortie IA, et aussi dans un texte très réécrit.

• Platitude de la ponctuationÉtendue de la ponctuation

  Le moteur regarde combien de dispositifs de ponctuation le texte utilise vraiment : points-virgules, parenthèses, tirets, points d’interrogation. Une gamme étroite obtient un score élevé. Attention : les registres formels aplatissent légitimement la ponctuation, c’est pourquoi ce signal tranche rarement seul.

• Tournures formatéesMotifs et structure

  Ce signal agrège le vocabulaire de connecteurs, la structure du document et l’ancrage contextuel : le texte nomme-t-il des détails précis, ou reste-t-il à un niveau de généralité qu’un modèle pourrait produire ? C’est en général le plus informatif des trois, et le plus difficile à biaiser dans un sens comme dans l’autre.

Lire le verdict

Le résultat n’est pas un pourcentage avec un seuil de réussite. Il se place sur l’un des neuf niveaux, dont trois restent volontairement au milieu — parce que c’est là que se trouve une grande part de l’écriture réelle.

1. Rédigé par un humainLes signaux convergent nettement vers une écriture humaine.
2. Presque certainement humainLes signaux penchent vers l’humain, avec un contre-signal mineur.
3. Très probablement humainOrientation humaine, mais l’échantillon n’est pas décisif.
4. IA humaniséeMotifs cohérents avec un texte généré puis réécrit pour paraître plus naturel.
5. En partie humain, en partie IALes segments divergent : certains passages sonnent générés, d’autres non.
6. Trop serré pour trancherLes signaux mesurés se contredisent. La réponse honnête : on ne sait pas.
7. Très probablement IAOrientation IA, sans atteindre une conclusion confiante.
8. Presque certainement IAPlusieurs motifs indépendants sont compatibles avec une écriture générée.
9. Généré par IALes signaux convergent nettement vers une écriture générée.

Les trois niveaux du milieu sont la raison d’être de l’échelle. Un détecteur qui ne répond qu’humain ou IA force chaque échantillon ambigu dans l’un des deux camps — et ce sont précisément ces cas où une erreur coûte une note ou une candidature.

Ce que vous pouvez y passer

Collez du texte, donnez une URL à analyser, ou importez un fichier jusqu’à 20 Mo. PDF, DOCX, TXT, Markdown et CSV sont lus nativement. Les images et les pages scannées passent d’abord par l’OCR : une photo de page ou une capture d’écran de document peuvent aussi être vérifiées.

Les échantillons plus longs donnent de meilleures preuves. En dessous d’environ un paragraphe, le moteur marque le résultat comme non calibré : les signaux de style sur quelques phrases frôlent le bruit. Avec un extrait court, traitez la sortie comme une invitation à regarder de plus près, pas comme une conclusion.

Ce qu’un score de détection ne prouve pas

Aucun détecteur d’IA, y compris celui-ci, ne peut prouver qui a écrit un texte. Il mesure des propriétés statistiques de l’écriture. Ces propriétés corrèlent avec le texte généré — et aussi avec plusieurs formes d’écriture entièrement humaine. C’est là que le préjudice commence.

L’échec le mieux documenté est le biais contre les personnes qui écrivent dans une langue seconde. L’anglais non natif tend vers une cadence plus régulière et un vocabulaire plus étroit — exactement ce qu’un détecteur basé sur le style lit comme « machine ». Des études publiées ont maintes fois trouvé des taux de faux positifs élevés sur ce groupe, chez les détecteurs commerciaux.

Trois autres schémas produisent des faux positifs de façon fiable : les registres techniques et juridiques, où la structure formatée est la norme plutôt qu’un indice ; le texte passé par une réécriture lourde ou un correcteur grammatical, qui lisse la même variance que le détecteur cherche ; et les échantillons trop courts, qui ne portent pas assez de signal dans un sens comme dans l’autre.

L’inverse est tout aussi vrai. Un brouillon généré qu’une personne a vraiment retravaillé se lira souvent comme humain, parce qu’à ce stade une grande part de l’écriture l’est. Ce n’est pas un trou à boucher. C’est ce que la mesure signifie.

Quel modèle exécute votre analyse

Advanced 3.2 est le modèle derrière les analyses gratuites, et c’est celui sur lequel le benchmark ci-dessus a été lancé. Ultra 3.2 est disponible sur les forfaits payants et applique le même vocabulaire de signaux avec un jeu de caractéristiques plus large. Pangram, moteur de détection tiers spécialisé, est intégré comme second avis dans la suite.

Les noms des signaux et l’échelle des verdicts restent volontairement les mêmes d’un modèle à l’autre, pour qu’un résultat lu le mois dernier reste lisible aujourd’hui et qu’un rapport se compare d’un forfait à l’autre.

Utiliser un résultat de façon responsable

Si vous évaluez le travail de quelqu’un d’autre, le score ouvre la conversation — il ne la clôt pas. Ouvrez la vue phrase par phrase et regardez quels passages portent le signal. Demandez les brouillons, les sources et le processus. Une personne qui a écrit le texte peut en parler ; cela a toujours été la preuve la plus solide, et ça l’est encore.

N’utilisez jamais un score seul comme motif de pénalité de note, de refus ou de sanction. Une institution qui le fait finira par agir contre quelqu’un qui n’a rien fait de mal — et la sortie du détecteur ne tiendra pas face à un recours.

Si votre propre écriture a été signalée et que vous l’avez bien écrite, emportez la ventilation phrase par phrase : elle montre quels passages ont déclenché quel signal, bien plus utile en discussion que le chiffre du bandeau. Gardez vos brouillons et l’historique de versions à portée de main.

Questions que l’on se pose avant de faire confiance à un score

Ce détecteur d’IA est-il précis ?

Sur notre dernier run publié, 10 textes humains sur 10 sont restés classés humains et 5 textes IA sur 10 ont été classés IA, les 5 autres étant retenus dans un niveau hybride, sans inversion. Ce corpus compte 20 textes : c’est un contrôle de régression, pas une mesure d’exactitude mondiale, et nous le publions avec cette limite. Méfiez-vous de tout détecteur qui annonce un seul pourcentage de précision élevé sans corpus publié.

Un détecteur d’IA peut-il prouver que quelqu’un a utilisé ChatGPT ?

Non. Un détecteur mesure des propriétés statistiques de l’écriture, pas l’auteur. Il peut indiquer qu’un texte présente des motifs courants dans l’écriture générée. Il ne peut pas établir qui l’a produit, et il ne doit jamais être le seul fondement d’une accusation.

Pourquoi mon propre texte a-t-il été signalé comme IA ?

Les causes les plus fréquentes : écrire dans une langue seconde ; un registre formel ou technique où la structure formatée est la norme ; une réécriture lourde ou des passages au correcteur grammatical qui lissent la variance des phrases ; et des échantillons trop courts pour porter du signal. Ouvrez la vue phrase par phrase pour voir quels passages ont déclenché quel signal.

Les détecteurs d’IA sont-ils biaisés contre les auteurs non natifs en anglais ?

La recherche publiée a maintes fois trouvé des taux de faux positifs élevés sur l’anglais non natif, chez les détecteurs commerciaux. La raison est structurelle : l’écriture en langue seconde tend vers une cadence régulière et un vocabulaire plus étroit — ce que la détection basée sur le style lit comme « machine ». C’est une limite connue de la méthode, et c’est pourquoi un score ne doit jamais suffire seul dans une procédure d’intégrité académique.

Réécrire un texte IA suffit-il à tromper un détecteur ?

Retravailler en profondeur un brouillon généré déplace en général le résultat vers l’humain, parce qu’à ce stade une grande part de l’écriture l’est. Une paraphrase légère atterrit souvent dans le niveau IA humanisée — un verdict distinct, pas un feu vert.

Ce détecteur d’IA est-il gratuit ?

Oui. Les analyses sur le modèle Advanced 3.2 sont gratuites et ne nécessitent pas de compte pour commencer. Ultra et le reste de la suite, y compris l’humanisation et les outils documentaires, sont sur les forfaits payants listés sur la page tarifs.

Puis-je vérifier un PDF ou un document Word pour du contenu IA ?

Oui. Importez un fichier PDF, DOCX, TXT, Markdown ou CSV jusqu’à 20 Mo : il est lu avant l’analyse. Les pages scannées et les images passent d’abord par l’OCR, donc un document photographié fonctionne aussi.

Mon texte est-il stocké ou utilisé pour l’entraînement ?

Le texte soumis n’est pas utilisé pour entraîner des modèles. La page confidentialité précise ce qui est conservé, combien de temps et pourquoi.

Où aller ensuite

• Détecteur d’IA pour enseignantsExamens et dissertations : utiliser un score sans le traiter comme une preuve.
• L’IA dans les CVPourquoi les CV génèrent des faux positifs, et quoi lire à la place d’un seuil.
• Extraire le texte d’un PDFTransformer un PDF en texte avant de lancer une analyse.
• Humaniseur IARéécrire un brouillon mécanique pour qu’il sonne naturel, sans perdre le sens ni les faits.
• IA Checker vs GPTZeroComparaison sourcée et datée des deux détecteurs, y compris là où GPTZero l’emporte.
• TarifsCe qui est gratuit, ce qu’ajoute Ultra, et quels forfaits incluent le reste de la suite.