Détecteur texte IA

Comment fonctionne la détection IA ?

L’outil analyse deux signaux statistiques qui diffèrent systématiquement entre texte humain et texte généré par machine.

Le premier signal est la perplexity — une mesure de la prévisibilité de chaque mot suivant dans une séquence. Les modèles linguistiques choisissent des continuations statistiquement probables, ce qui mène à des valeurs de perplexity basses. Les humains recourent plus souvent à des formulations inattendues, ce qui augmente la perplexity.

Le second signal est la burstiness — la variation dans la longueur de phrase. Les humains alternent phrases courtes et longues. Les modèles linguistiques tendent vers des longueurs de phrase plus uniformes, ce qui mène à une burstiness plus faible.

Le modèle qui évalue les deux signaux est compilé en WebAssembly et tourne entièrement en local dans le navigateur. Aucun contact serveur n’a lieu.

À quoi devez-vous faire attention ?

Le résultat est une probabilité, pas un jugement. Deux types d’erreurs sont possibles.

Les faux positifs apparaissent quand du texte humain formel ou académique reçoit des valeurs de perplexity basses — par exemple pour des articles spécialisés très structurés ou des textes juridiques. Le modèle le classe à tort comme généré par IA.

Les faux négatifs apparaissent quand un texte IA a été intensivement retravaillé ou que l’IA a été pilotée avec des consignes de style ciblées qui augmentent artificiellement la burstiness. Dans ce cas, le modèle ne peut pas reconnaître de manière fiable l’origine IA.

Utilisez donc le résultat comme un signal parmi d’autres. En cas d’incertitude, il est recommandé de vérifier les paragraphes séparément, parce que la force du signal statistique sur des textes plus courts par section est souvent plus parlante.

Quels cas d’usage typiques ?

Vérifier mémoires et travaux dirigés avant la remise est le cas d’usage le plus fréquent — aussi bien pour les étudiants qui veulent sécuriser leurs propres textes que pour les enseignants qui contrôlent les travaux rendus.

Vérifier des textes journalistiques : les rédactions qui reçoivent des contributions invitées ou du matériel d’agence peuvent effectuer un premier check automatisé avant qu’un humain évalue le texte.

Vérifier les lettres de candidature : les services RH et les recruteurs utilisent le détecteur pour vérifier si les lettres de motivation sont entièrement générées par IA.

Surveiller les processus content-marketing : les entreprises qui mandatent des rédacteurs externes peuvent vérifier régulièrement si les textes livrés respectent le standard de qualité convenu d’un auteur humain.

Rédactions comme contrôle qualité : les grands médias intègrent de telles vérifications dans le workflow de validation avant publication d’articles.

100 % confidentialité — pas d’upload

Le modèle linguistique est chargé une seule fois en cache navigateur au premier appel. À partir de ce moment, toute l’analyse tourne hors ligne — aucun texte n’est envoyé à un serveur. Après fermeture de l’onglet, tous les textes saisis sont complètement supprimés, aucun stockage local ne reste.

L’outil convient ainsi aussi pour des contenus sensibles : contrats, rapports d’entreprise internes, documents personnels ou communication confidentielle peuvent être vérifiés sans souci, sans qu’un tiers ait accès au contenu.

Quels outils texte sont liés ?

Autres outils de l’écosystème convertisseur qui collent au sujet :

• Text-Diff — comparer deux textes au caractère près et filtrer les passages ajoutés ou supprimés d’un coup d’œil.
• Compteur de caractères — compter caractères, mots, phrases et paragraphes dans un texte — utile avant la transmission à un détecteur, pour déterminer la longueur de texte optimale.
• Regex Tester — tester des expressions régulières directement dans le navigateur et extraire des patterns de textes sans dépendances externes.