Peut-on vraiment détecter les textes générés par IA ?

À partir du 2 décembre 2026, les textes générés par intelligence artificielle devront être étiquetés sur le territoire de l’Union européenne. L’IA Act, entré en vigueur le 2 août dernier, impose ce marquage aux grandes entreprises. Mais une question plus profonde taraude les spécialistes : peut-on vraiment faire la différence entre un texte écrit par un humain et un texte craché par une machine ? La réponse courte est non. La réponse longue, que nous allons explorer ensemble, est plus nuancée et infiniment plus fascinante.

Imaginez la scène. Vous recevez un manuscrit. Le sujet est passionnant, le style fluide, les arguments bien charpentés. Mais une petite voix intérieure vous murmure : et si c’était une IA ? Comment en être sûr ? Cette suspicion, qui était autrefois l’affaire de quelques spécialistes, s’est répandue comme une traînée de poudre dans le monde de l’édition, du journalisme et de la recherche. Et pour cause : les outils de génération de textes sont devenus si performants qu’ils imitent la prose humaine avec une fidélité troublante.

Car au fond, la question dépasse largement le cadre technique. Elle touche à notre rapport à l’authenticité, à la confiance que nous accordons aux textes que nous lisons, et finalement à notre capacité à distinguer le vrai du faux, le naturel de l’artificiel. Une question aussi vieille que la philosophie, mais qui se pose aujourd’hui avec une acuité nouvelle. Les chatbots conversationnels comme ChatGPT, Claude ou Gemini produisent désormais des textes si convaincants que même leurs concepteurs peinent parfois à les reconnaître.

L’étrange paradoxe des détecteurs d’IA

Face à cette situation, un nouveau secteur économique a émergé : celui des logiciels de détection. La firme Pangram, fondée en 2018 par Max Spero, s’est imposée comme le leader de ce que l’on pourrait appeler “l’industrie du soupçon”. Son crédo : débusquer les textes artificiels partout où ils se cachent. Le directeur n’a d’ailleurs pas hésité à dénoncer nommément des journalistes du New York Times, provoquant une polémique qui a enflammé la presse américaine.

Mais voilà où le bât blesse. Comme l’a brillamment démontré James Taranto dans le Wall Street Journal, les mêmes articles soumis à Pangram obtenaient des scores différents selon le moment de la journée. Un texte pouvait être jugé artificiel le matin et humain le soir, sans la moindre modification. Les détecteurs d’IA sont tout aussi opaques et trompeurs que les générateurs qu’ils sont censés démasquer.

Prenons un exemple concret. Thierry Crouzet, un auteur français, a soumis son manuscrit inédit L’Expérience humaine au logiciel Justdone. Verdict : son texte serait écrit à 61 % par une intelligence artificielle. Sa réaction ? “Je ne serais qu’à 39 % humain ?” En soumettant le même texte à d’autres outils de détection, il a obtenu des pourcentages totalement différents. L’humanité d’un texte varierait donc selon le logiciel utilisé. On touche là à l’absurde.

Quand les universités tournent le dos aux détecteurs

Les conséquences de cette incertitude sont considérables. Craignant sans doute des injustices et surtout des procès, de grandes universités comme Austin, Yale, Berkeley et le MIT ont purement et simplement interdit l’usage des détecteurs d’IA. Une décision radicale qui en dit long sur la défiance que ces outils inspirent aux institutions académiques.

Car les détecteurs ne se contentent pas de produire des faux positifs. Ils génèrent aussi des faux négatifs, laissant passer des textes artificiels sans les identifier. En d’autres termes, ils ne font pas mieux que le hasard, mais ils présentent leurs conjectures comme des résultats scientifiques. Et c’est là tout le problème.

Le cercle vicieux de “l’humanisation artificielle”

Le paradoxe atteint son paroxysme avec ce que l’on appelle les logiciels d'”humanisation”. Ces outils, proposés par les mêmes entreprises qui vendent des détecteurs, promettent de maquiller les textes générés par IA pour les rendre indétectables. Grammarly, par exemple, propose de “détecter et corriger le contenu généré par IA” tout en se présentant comme un logiciel “d’humanisation”. Justdone annonce une “précision de 99,8 %” dans la détection, mais propose aussi de “préserver l’authenticité de vos écrits”.

Inutile de souligner le paradoxe. On paie un logiciel pour détecter ce qu’un autre logiciel a produit, puis on paie un troisième logiciel pour masquer les traces du premier. L’industrie du soupçon prospère sur la confusion qu’elle entretient. Comme le soulignait Friedrich Schlegel dès 1797 dans sa Philosophie de la philologie : “Il est inutile d’interpréter les textes inauthentiques.” Un avertissement qui résonne avec une actualité troublante.

Ce que la science nous apprend vraiment

Du côté de la recherche académique, les travaux se multiplient pour tenter de caractériser objectivement les textes artificiels. Les résultats sont concordants. Les chercheurs Przystalski et ses collègues mettent en évidence plusieurs traits distinctifs : la monotonie des constructions syntaxiques, la prévisibilité de la structure des phrases, une fréquence affaiblie des mots rares, des schémas de ponctuation caractéristiques et une expressivité limitée.

Terčon et Dobrovoljc soulignent également un style impersonnel, marqué par une abondance de nominalisations et de déterminants, ainsi qu’une rareté relative des adjectifs et des adverbes. Herbold et son équipe, en étudiant des travaux universitaires, confirment cette tendance à la nominalisation, caractéristique des discours stéréotypés. Les textes artificiels sont, en quelque sorte, des textes sans saveur.

Mais ces indices stylistiques restent conjecturaux. Car les humains et les IA s’influencent mutuellement par un effet mimétique fascinant. Les premiers imitent le langage des machines qu’ils consultent quotidiennement, tandis que les secondes sont programmées pour s’aligner sur les propos de leurs utilisateurs. La frontière se brouille un peu plus chaque jour.

L’affaire Jamir Nazir : un procès emblématique

L’histoire de Jamir Nazir illustre parfaitement cette confusion généralisée. Lauréat du prix Commonwealth de la meilleure nouvelle, il a dû rendre sa récompense après avoir été accusé d’avoir utilisé l’IA. S’en est suivi un long procès, au terme duquel il a finalement été innocenté en juillet 2026, sur la foi “de brouillons, d’ébauches, de plans, de documents horodatés et de notes”. Le montant de son prix a même été doublé à titre de dédommagement. Une victoire de la raison, mais à quel prix ?

Avant lui, la romancière japonaise Rie Kudan avait déjà fait scandale en 2024. Lauréate du prestigieux prix Akutagawa pour un roman d’anticipation, elle avait révélé, malicieusement, avoir eu recours à l’IA pour 5 % du texte seulement, dit-elle. Son roman décrivait justement les effets de l’IA sur la société future. Une prophétie autoréalisatrice qui n’a pas manqué de faire réfléchir les jurys littéraires du monde entier.

LinkedIn, le paradoxe ambulant

Le cas de LinkedIn mérite une mention spéciale. Accusé par Pangram de publier 41 % de posts longs et 30 % de posts courts générés par IA, le réseau social professionnel a réagi en mettant en place un bouton permettant aux utilisateurs de marquer les textes suspects. Mais voilà : dans le même temps, LinkedIn propose à ses abonnés premium un générateur de textes intégré. Et sa maison mère est actionnaire d’OpenAI. On ne saurait mieux illustrer l’ambiguïté fondamentale de notre relation aux textes artificiels.

L’IA Act européen : une première mondiale

Face à ce chaos, l’Union européenne a tenté d’apporter une réponse réglementaire. L’IA Act, entré en vigueur le 2 août 2026, impose le marquage des contenus artificiels sur son territoire, avec une entrée en application le 2 décembre 2026 pour les grandes entreprises. C’est une première mondiale, et il faut saluer ce courageux retour à la raison juridique.

Mais le diable est dans les détails. Les plateformes, qui se présentent comme de simples hébergeurs, sont exemptées de cette obligation, ce qui semble pour le moins discutable. Les métadonnées ne sont lisibles que par certains logiciels et restent hors de portée du grand public. Rien n’empêche les fraudeurs de les effacer ou de les modifier. Et les résumés générés par IA, ceux que les moteurs de recherche comme Google affichent désormais en tête de leurs résultats, restent exemptés de marquage explicite.

En somme, la réglementation est une avancée nécessaire mais insuffisante. La suspicion qui affecte désormais tous les textes, humains ou non, risque de perdurer. Car le problème n’est pas celui de la vérité factuelle. Un texte artificiel peut être factuellement vrai, et un texte humain peut fourmiller de mensonges. La question est celle de l’authenticité. Comme le rappelle François Rastier, directeur de recherche au CNRS, “seule l’authenticité permet de légitimer une interprétation et de porter un jugement relevant de la raison pratique, c’est-à-dire de l’éthique”.

Vers une crédulité résignée ?

Le plus inquiétant, peut-être, est la lassitude qui gagne le public. À force de ne plus savoir à qui se fier, une crédulité plus ou moins résignée se généralise. Dès début 2025, 83 % du public tenait déjà pour assurés les propos des IA quand ils s’affichaient en tête des réponses sur les moteurs de recherche. Ce chiffre n’a probablement fait que croître depuis.

Nous vivons une époque fascinante où la distinction entre le texte naturel et le texte artificiel devient une question philosophique autant que technique. Les outils de détection sont imparfaits, les réglementations balbutiantes, et les usages sociaux en pleine mutation. Une chose est sûre : la vigilance reste de mise. Et si la frontière est impossible à tracer avec certitude, peut-être est-ce parce qu’elle n’existe tout simplement pas. Après tout, comme le disait Mark Zuckerberg, l’IA peut réparer les dommages qu’elle cause, “comme jadis la lance d’Achille pouvait magiquement guérir les blessures”. Une image poétique qui en dit long sur notre rapport ambivalent à la technologie.

Pour le grand public, le sentiment dominant est celui d’une perplexité grandissante. Les utilisateurs ordinaires, ceux qui n’ont pas de formation en linguistique computationnelle ni en sciences cognitives, se retrouvent face à une question insoluble. Faut-il faire confiance aux détecteurs en ligne, souvent gratuits mais rarement fiables ? Faut-il au contraire abandonner toute tentative de distinction et accepter que nos flux d’information soient désormais un mélange indémêlable d’humain et de machine ?

Cette perplexité n’est pas sans conséquence sur notre manière de consommer l’information. Une étude récente montre que les internautes passent en moyenne 30 % de temps supplémentaire à évaluer la crédibilité d’un article lorsqu’ils soupçonnent une intervention de l’IA. Un coût cognitif non négligeable, qui s’ajoute à la fatigue informationnelle déjà bien documentée par les chercheurs en sciences sociales.

En attendant que la science et le droit rattrapent leur retard, une chose demeure : un bon texte, qu’il soit humain ou artificiel, mérite d’être lu. Mais il mérite aussi d’être identifié comme tel. Et c’est là tout l’enjeu des années à venir. Car derrière la question technique de la détection se profile un enjeu démocratique fondamental : notre capacité à exercer un jugement éclairé sur les informations que nous recevons. Un défi que nos sociétés n’ont pas fini de relever.

Sources

• Rastier, F. (2026). Peut-on vraiment détecter les textes générés par IA ? Curieux.live, 11 octobre 2026. Article original : The Conversation.
• Przystalski, M. et coll. (2026). Stylometric analysis of AI-generated texts. Journal of Computational Linguistics.
• Terčon, L. et Dobrovoljc, K. (2026). Impersonal style in machine-generated language. Digital Scholarship in the Humanities.
• Herbold, S. et coll. (2026). Detecting large language model use in academic writing. arXiv preprint.