La question se pose partout : un enseignant devant une copie trop lisse, un recruteur devant une lettre de motivation, un dirigeant devant le livrable d’un prestataire ou une photo envoyée par un client. Avant de coller le texte dans le premier détecteur venu, il faut savoir ce que ces outils mesurent vraiment, et ce qu’ils ne peuvent pas dire.
Comment fonctionne un détecteur IA
Il existe deux familles d’outils, qui ne répondent pas à la même question.
- Les détecteurs statistiques de texte : un modèle entraîné à distinguer des textes humains de textes générés estime, à partir des régularités du style (choix de mots prévisibles, phrases homogènes), une probabilité que le texte vienne d’une IA. C’est une estimation : un texte humain très régulier peut « ressembler » à de l’IA, et un texte généré puis reformulé peut passer pour humain.
- La vérification de marquage : certains éditeurs d’IA insèrent dans leurs images, vidéos ou sons un filigrane invisible, ou y attachent des métadonnées signées qui décrivent leur origine. Un outil de vérification ne devine rien : il lit ce marquage s’il est présent. S’il est absent, cela ne prouve pas que le contenu est authentique, seulement qu’il ne porte pas ce marquage-là.
Le marquage va se généraliser : l’article 50 de l’AI Act oblige les fournisseurs de systèmes d’IA qui génèrent du texte, des images, du son ou de la vidéo à marquer ces contenus dans un format lisible par machine et détectable. L’obligation s’applique depuis le 2 août 2026, avec un délai jusqu’au 2 décembre 2026 pour les outils déjà sur le marché (détail dans notre guide AI Act, article 50 : les obligations de transparence).
Fiabilité réelle : ce que disent les études
Les éditeurs de détecteurs affichent des taux de précision élevés, sur leurs propres tests. Les études indépendantes publiées sont plus prudentes.
- Des faux positifs sur les non-natifs : une équipe de Stanford a soumis 91 rédactions de l’examen d’anglais TOEFL, écrites par des personnes dont l’anglais n’est pas la langue maternelle, à sept détecteurs courants. Plus de la moitié ont été classées à tort comme générées par une IA, alors que les rédactions d’élèves natifs étaient correctement identifiées. Les auteurs en concluent qu’il faut éviter ces outils dans un cadre d’évaluation ou d’enseignement.
- Facile à contourner : la même étude montre qu’il suffit de demander à une IA de reformuler pour changer le verdict, dans un sens comme dans l’autre.
- Ni exacts ni fiables : une étude de 2023 a testé 12 outils publics et deux systèmes commerciaux utilisés dans l’enseignement supérieur. Conclusion des auteurs : les outils disponibles ne sont « ni exacts ni fiables », ils ont tendance à classer les textes comme humains, et la reformulation ou la traduction automatique dégradent nettement leurs résultats.
Ces études datent de 2023 et les outils ont évolué depuis ; leurs limites de principe restent : un score statistique ne sait pas qui a écrit, et un texte retravaillé brouille le signal. C’est la même logique que pour les hallucinations de l’IA : ce qui paraît plausible n’est pas pour autant vérifié.
Détecteurs IA gratuits : ce que fait chaque outil
Voici ce que les éditeurs publient sur leurs propres pages, lues le 7 novembre 2026. Les taux de précision sont ceux qu’ils annoncent, pas des mesures indépendantes.
| Outil | Ce qu’il vérifie | Ce que l’éditeur annonce | Ce que l’éditeur précise lui-même |
|---|---|---|---|
| GPTZero | Texte (français compris) | « 99,9 % de fiabilité » | « Les résultats ne doivent pas être utilisés pour punir ou comme verdict final » |
| Compilatio (détecteur IA) | Texte, usage scolaire et universitaire | Précision de 94 à 99 % selon la longueur, la langue et le type de document ; moins de 1 % de faux positifs | Le score « n’est pas une preuve » mais un indicateur à interpréter, passages signalés à relire dans leur contexte |
| Smodin | Texte, en de nombreuses langues | « 99,8 % » de précision | Un résultat positif ne signifie pas systématiquement qu’un assistant IA a généré le texte |
| SynthID Detector (Google) | Images, vidéos et sons portant le filigrane SynthID (Google et partenaires dont OpenAI) | Ouvert à tous en anglais depuis le 7 octobre 2026 | Ce n’est pas un détecteur d’IA général : il ne voit que le filigrane SynthID et ne couvre pas le texte |
| Verify (Content Credentials) | Métadonnées d’origine signées d’une image ou d’un fichier | Outil gratuit de la Content Authenticity Initiative | Affiche l’historique déclaré du fichier quand il existe ; un fichier sans ces données n’est pas pour autant suspect |
Pour le code, il n’existe pas d’équivalent fiable : la vérification passe par la relecture, les tests et le contrôle des licences des bibliothèques utilisées.
Détecteur IA pour un prof ou un recruteur : ce qu’un score permet
Un enseignant, un formateur ou un recruteur peut utiliser un détecteur, à condition de le traiter comme un point de départ :
- Ne jamais conclure sur le seul score, surtout pour un texte court, traduit, ou écrit par une personne qui n’écrit pas dans sa langue maternelle.
- Regarder les passages signalés plutôt que le pourcentage global : y a-t-il des faits inventés, des références qui n’existent pas, un style qui change brutalement ?
- Demander à la personne d’expliquer son texte, ses sources, sa démarche, ou de montrer ses brouillons et l’historique des versions. C’est souvent plus parlant que n’importe quel outil.
- Fixer la règle avant : dire à l’avance ce qui est permis (reformuler, corriger, traduire) et ce qui ne l’est pas, et demander de signaler l’usage de l’IA. On ne peut pas reprocher l’usage d’un outil que personne n’a interdit.
Vérifier un texte, une image ou du code en entreprise
Pour une TPE ou une PME, la vraie question est rarement « est-ce de l’IA ? » mais « puis-je m’y fier avant de le publier, de l’envoyer ou de le payer ? ». La vérification porte donc sur le contenu, quel qu’en soit l’auteur.
- Un texte (article, rapport, réponse d’un prestataire) : vérifiez chaque chiffre, date, citation et référence à sa source. Une référence introuvable ou un texte de loi mal numéroté sont des signaux bien plus fiables qu’un score.
- Une image (photo d’un sinistre, visuel reçu, preuve envoyée par un client) : passez-la dans SynthID Detector et dans Verify pour lire un éventuel marquage, faites une recherche d’image inversée, et demandez l’original si l’enjeu le justifie.
- Du code : relecture par une personne compétente, tests automatiques et vérification des dépendances, que le code ait été écrit par un humain ou généré.
- Avec les prestataires : prévoyez dans le contrat ou le bon de commande qu’ils déclarent l’usage de l’IA et restent responsables de l’exactitude du livrable.
- En interne : écrivez la règle dans votre charte IA d’entreprise (ce qui doit être signalé, ce qui doit être relu) plutôt que de contrôler après coup.
- Les données : un document confidentiel ou contenant des données personnelles ne se colle pas dans un détecteur en ligne gratuit, pas plus que dans un assistant grand public.
Savoir repérer ce qui est fiable dans une réponse générée, et ce qui doit être vérifié, est la première étape du programme de notre formation certifiante de 3 jours à Paris, finançable par le CPF.