Les détecteurs d'IA sont-ils fiables ? Ce que dit la recherche

Les détecteurs d'IA sont-ils fiables ? Pas assez pour prouver que quelqu'un a utilisé l'IA. Les meilleurs outils commerciaux repèrent désormais la plupart des textes copiés tels quels depuis un chatbot et signalent rarement les textes humains un peu longs. Mais les outils moins performants signalent beaucoup de textes humains, et un texte d'IA réécrit, ou rédigé pour imiter un véritable auteur, peut échapper à bon nombre d'entre eux. Le score d'un détecteur IA est un indice qui vous dit où regarder, jamais une preuve à lui seul.

Lors de tests indépendants récents, les meilleurs outils ont fait bien mieux que le détecteur d'OpenAI lui-même en 2023, qu'OpenAI a retiré cette année-là pour manque de précision. Mais pas assez pour qu'un score vaille preuve.

Comment un détecteur IA prend sa décision

Un détecteur d'IA juge le texte lui-même, pas son origine. Les outils les plus simples mesurent à quel point le choix des mots est prévisible et à quel point les phrases sont régulières. Les outils commerciaux entraînent des classificateurs sur de grands ensembles de textes humains et de textes d'IA. Dans les deux cas, le résultat est une estimation, du type « 82 % IA ».

La prévisibilité est à l'origine de nombreuses fausses alertes. James Zou, auteur senior d'une étude de Stanford sur les détecteurs publiée en 2023, explique qu'ils « attribuent généralement un score à partir d'une mesure appelée “perplexité” », laquelle est corrélée au degré de sophistication de l'écriture. Une écriture simple et soignée peut sembler produite par une machine pour ce type de mesure, même quand chaque mot a été écrit par une personne.

Ce que montre la recherche

Études vérifiées en octobre 2026. Les trois premières datent de 2023 ; les trois dernières testent des outils et des modèles plus récents.

Source	Ce qui a été testé	Résultats
Le classificateur d'IA d'OpenAI (2023)	L'outil d'OpenAI sur un jeu de textes anglais conçu pour le mettre à l'épreuve	Il a repéré 26 % des textes écrits par l'IA et a classé un texte humain comme IA dans 9 % des cas. OpenAI l'a retiré le 20 juillet 2023 « en raison de son faible taux de précision ».
Étude de Stanford, Liang et al. (2023)	7 détecteurs sur des rédactions d'auteurs anglophones natifs et non natifs	En moyenne, les détecteurs ont classé comme générées par l'IA 61 % des 91 rédactions du TOEFL écrites par des non-natifs ; 89 des 91 ont été signalées par au moins un détecteur. Les rédactions d'élèves américains de quatrième ont été jugées de façon quasi parfaite.
Weber-Wulff et al. (2023)	12 outils publics, plus Turnitin et PlagiarismCheck	Les outils n'étaient « ni précis ni fiables », penchaient vers un verdict « écrit par un humain » et faisaient nettement moins bien dès que le texte d'IA était déguisé, par exemple par paraphrase.
Erol et al. (2025)	GPTZero, ZeroGPT et Corrector sur les résumés et introductions de 250 articles de neurochirurgie écrits par des humains et de 750 versions rédigées par ChatGPT	Dans l'ensemble, les outils distinguaient de modérément bien à très bien le texte ChatGPT non retouché du texte humain, mais 30 % des textes humains dépassaient 50 % d'IA sur Corrector, et 16 % sur ZeroGPT. GPTZero n'en a placé aucun au-dessus de 50 %. Les textes d'IA retouchés n'ont pas été testés.
Jabarian et Imas, Université de Chicago (2025)	Pangram, GPTZero, OriginalityAI et un modèle open source sur 1 992 passages humains de six genres et des passages d'IA équivalents issus de quatre modèles	Pangram affichait des faux positifs et des faux négatifs « pratiquement nuls » sur les passages moyens et longs. Le modèle open source signalait à tort environ 30 à 78 % des textes humains. Après réécriture des textes d'IA par l'« humaniseur » StealthGPT, GPTZero en laissait passer environ la moitié, voire plus, dans la plupart des genres, alors que Pangram les repérait encore presque tous.
Epoch AI (juillet 2026)	Pangram, GPTZero et Originality.ai sur 495 passages humains d'environ 500 mots et des passages d'IA issus de trois modèles actuels	Pangram et GPTZero n'ont signalé aucun passage humain ; Originality.ai en a signalé 3,8 %. Les trois repéraient presque tous les textes d'IA générés à partir d'une simple consigne, mais manquaient 10 à 18 % des textes d'IA rédigés pour imiter un véritable auteur, et environ un quart de ces imitations en écriture scientifique.

Pris ensemble, ces travaux disent deux choses : l'outil choisi change énormément la donne, et l'imitation de style est le point où même les meilleurs outils trébuchent, tandis qu'un humaniseur a suffi à en mettre certains en échec.

Pour aller plus loin, commencez par la note d'OpenAI sur son classificateur, l'article de Stanford HAI sur l'étude des biais, la synthèse de recherche de l'Université de Chicago et le test d'Epoch AI de 2026. L'article de Weber-Wulff est paru dans l'International Journal for Educational Integrity, et l'étude de 2025 sur la neurochirurgie dans Acta Neurochirurgica.

Exemple 1 : la même classe honnête, six outils différents

Prenons 1 000 rédactions entièrement écrites par des élèves, sans la moindre IA, et appliquons-leur les taux de faux positifs rapportés ci-dessus. Il s'agit de notre propre calcul, pas d'un nouveau test. Et comme les études utilisaient des textes et des conditions différents, ce n'est pas un classement.

Outil et étude	Taux de faux positifs rapporté	Rédactions honnêtes signalées à tort, sur 1 000
Pangram ou GPTZero, Epoch AI 2026 (passages d'environ 500 mots)	0 sur 495	environ 0
Originality.ai, Epoch AI 2026	3,8 %	environ 38
Classificateur d'OpenAI, 2023	9 %	environ 90
ZeroGPT, articles de neurochirurgie 2025 (textes humains notés au-dessus de 50 % d'IA)	16 %	environ 160
Corrector, articles de neurochirurgie 2025 (textes humains notés au-dessus de 50 % d'IA)	30 %	environ 300
Modèle open source, Chicago 2025	environ 30 à 78 %	environ 300 à 780

Selon l'outil, la même classe honnête reçoit entre zéro et plusieurs centaines de faux signalements. Et zéro erreur sur 495 essais ne prouve pas non plus l'absence d'erreur sur tous les types d'écrits.

Exemple 2 : pourquoi même un taux de 1 % compte

L'université Vanderbilt a fait une version de ce calcul quand elle a désactivé le détecteur d'IA de Turnitin en 2023 : elle avait soumis environ 75 000 travaux en 2022, si bien qu'un taux de faux positifs de 1 % aurait pu représenter quelque 750 travaux étiquetés à tort.

Il y a un second effet. Pour un étudiant signalé, la question n'est pas le taux d'erreur, mais la probabilité que son signalement soit faux. Et celle-ci dépend du nombre de personnes qui ont réellement utilisé l'IA. Supposons ici un détecteur qui repère 90 % des rédactions écrites avec l'IA, et faisons varier le reste. Les chiffres sont illustratifs, pas mesurés.

Scénario, 1 000 rédactions	Rédactions écrites avec l'IA	Rédactions IA signalées (90 %)	Rédactions humaines signalées à tort	Part des signalements erronés
A : 10 % ont utilisé l'IA, 1 % de faux positifs	100	90	9 (1 % de 900)	environ 9 % (9 sur 99)
B : 10 % ont utilisé l'IA, 5 % de faux positifs	100	90	45 (5 % de 900)	environ 33 % (45 sur 135)
C : 2 % ont utilisé l'IA, 1 % de faux positifs	20	18	environ 10 (1 % de 980)	environ 35 % (10 sur 28)

Le scénario C montre le piège : avec le même détecteur « à 1 % », quand peu de gens ont utilisé l'IA, environ un signalement sur trois tombe sur quelqu'un d'honnête. Pour les meilleurs outils sur des textes longs, le taux est peut-être plus proche de 0 % : c'est donc pour eux le scénario pessimiste. Pour les outils plus faibles, les textes courts et l'écriture formelle, des taux de plusieurs pour cent, voire davantage, sont réalistes, comme le montre le premier exemple.

Comment lire le score d'un détecteur

Vérifiez ce que mesure le pourcentage. Le chiffre de Turnitin correspond à la part du « texte éligible » qu'il juge probablement générée par l'IA, pas à un verdict sur l'ensemble du devoir. Lisez l'explication fournie par l'outil avant d'agir sur la base d'un chiffre.
Les scores faibles sont les moins fiables. Turnitin lui-même affiche un simple astérisque au lieu d'un chiffre entre 1 % et 19 %, car ses tests ont montré que les faux positifs étaient plus fréquents dans cette fourchette.
Les scores de différents outils ne sont pas comparables. Dans l'étude de 2025 sur la neurochirurgie, les mêmes textes humains obtenaient en moyenne 37 % d'IA sur Corrector, 28 % sur ZeroGPT et 6 % sur GPTZero.
La longueur et la langue comptent. OpenAI indiquait que son classificateur était très peu fiable en dessous de 1 000 caractères, soit un ou deux courts paragraphes, et bien moins bon en dehors de l'anglais.
Une seule analyse avec un seul outil ne donne qu'un point de données. Un score élevé sur un texte long, obtenu avec un outil bien testé, mérite un examen plus attentif. Un score élevé sur un court paragraphe, obtenu avec un outil gratuit, ne mérite qu'un poids très limité.

Quand un faux positif est plus probable

Le risque d'une étiquette « IA » erronée augmente quand :

L'auteur n'est pas anglophone natif. En 2023, les sept détecteurs de l'étude de Stanford ont classé en moyenne 61 % des rédactions du TOEFL comme IA, ce que les auteurs ont relié à un vocabulaire plus simple qui rend le texte plus prévisible. Les outils récents font peut-être mieux, mais traitez ce type de signalement avec une prudence particulière.
Le texte est court ou n'est pas en anglais, comme OpenAI l'avait signalé pour son propre outil.
Textes humains et textes d'IA sont mélangés. Turnitin indique que ses faux positifs au niveau des phrases sont plus fréquents dans les documents mixtes, surtout à la jonction entre passages humains et passages d'IA.
L'écriture est formelle et très codifiée. Les articles scientifiques suivent des conventions strictes, l'une des raisons pour lesquelles tant de textes de neurochirurgie écrits par des humains ont obtenu des scores élevés sur Corrector et ZeroGPT dans l'étude de 2025.

Une étiquette « humain » erronée, autrement dit un faux négatif, est plus probable quand le texte d'IA a été paraphrasé, passé dans un humaniseur ou rédigé pour imiter un véritable auteur, comme l'ont constaté les tests de Weber-Wulff et d'Epoch AI. L'étude de Chicago a observé la même chose pour GPTZero après un humaniseur, mais pas pour Pangram.

Que faire si votre texte est signalé comme écrit par une IA

Si un enseignant, un éditeur ou un client vous dit qu'un détecteur a signalé un travail que vous avez écrit vous-même :

Demandez des précisions. Quel outil a été utilisé, quel score a-t-il donné et quels passages ont été surlignés ?
Montrez votre démarche. L'historique des versions dans Google Docs ou Microsoft Word, vos plans, vos notes, vos brouillons et les sources que vous avez lues sont des preuves bien plus solides que n'importe quel score.
Proposez d'en discuter. Expliquer son raisonnement, ses sources et ses choix, c'est en général facile pour la personne qui a vraiment écrit le texte.
Appuyez-vous sur les faits. OpenAI a retiré son propre détecteur, Turnitin conseille d'utiliser son score « pour engager une conversation, pas pour tirer une conclusion », et l'université Vanderbilt a désactivé le détecteur d'IA de Turnitin.
Passez par la procédure officielle. Lisez la charte de votre établissement ou de votre employeur sur l'IA et l'intégrité, et utilisez la voie de recours prévue. Si les enjeux sont importants, demandez de l'aide à un enseignant référent, au service de médiation ou à un représentant étudiant.

Pour éviter que cela se reproduise, conservez vos brouillons et l'historique des versions dès le début, vérifiez les règles avant d'utiliser l'IA pour quoi que ce soit, même une simple correction grammaticale, et signalez cet usage lorsqu'on vous le demande.

Comment les enseignants et les éditeurs devraient utiliser un détecteur

Servez-vous d'un score pour ouvrir la discussion, pas pour rendre un verdict. Demandez à l'auteur d'expliquer de quoi parle son texte et comment il l'a écrit.
Fixez des règles claires dès le départ. L'équipe des technologies pédagogiques du MIT Sloan recommande des politiques claires sur l'IA, une discussion ouverte et de demander aux étudiants de décrire comment ils ont utilisé l'IA, plutôt que de s'en remettre à la détection.

La place d'un détecteur IA gratuit

Un détecteur est surtout utile sur vos propres textes, pour vérifier rapidement si un brouillon paraît générique avant de le rendre ou de le publier. Si c'est le cas, réécrivez-le avec votre propre voix et ajoutez des détails précis que vous seul connaissez.

Clever AI propose un détecteur d'IA gratuit pour cet usage. Vous collez de 20 à 4 000 caractères et obtenez un score IA, un score humain et un verdict (probablement IA, mixte ou probablement humain), sans créer de compte. Les résultats sur des passages courts sont les moins fiables, pour les raisons évoquées plus haut. Il s'agit d'une estimation par un modèle de langage, pas d'une analyse via Turnitin, GPTZero ou un autre détecteur, et il ne faisait pas partie des outils étudiés ci-dessus. Comme l'indique la page elle-même, utilisez-le pour décider quoi réécrire, pas comme une preuve concernant le travail de quelqu'un d'autre.

Si vous utilisez l'IA pour trouver des idées ou rédiger un premier jet, dans Clever AI Hub ou ailleurs, le réflexe le plus sûr reste le même : gardez vos brouillons, respectez les règles qui s'appliquent à vos écrits et dites quand l'IA vous a aidé.

En résumé

Dans les tests les plus récents, les meilleurs détecteurs se trompaient rarement sur des textes longs et non retouchés. Mais aucun ne peut rien prouver sur un texte donné : les outils diffèrent énormément, les textes d'IA réécrits ou imitant un style échappent à certains d'entre eux, et quand l'usage réel de l'IA est rare, beaucoup de signalements sont faux. Voyez un score comme une raison de regarder de plus près, puis tranchez sur la base de vraies preuves : brouillons, notes et discussion.