Un client a soumis votre traduction humaine à un détecteur d’IA et le résultat a été signalé. Vous avez fait le travail vous-même. Alors pourquoi la détection d’IA sur un texte traduit déclenche-t-elle l’outil, et que remettez-vous réellement au client maintenant ? La réponse réside dans la différence entre les artefacts de traduction et les signaux de génération, et dans la manière dont vous documentez le travail effectué.
Points clés à retenir
- La traduction produit une structure parallèle, des calques et un registre cohérent. Les détecteurs lisent ces mêmes schémas comme une génération automatique.
- Un schéma de traduction provient du texte source. Un schéma de génération provient d’un modèle qui prédit les mots suivants probables. Ils se ressemblent en surface et diffèrent en profondeur.
- Documentez la traduction avec les journaux de l’outil TAO, l’historique des révisions et les notes du traducteur avant que le client ne le demande.
- Un score de détecteur est une estimation de probabilité, pas une preuve de paternité. Dites-le clairement, sans paraître sur la défensive.
- Contestez lorsque le signalement contredit le processus documenté. Ajustez votre format de livraison lorsque le signalement concerne réellement la lisibilité.
- Notre propre mesure du 19/09/2026 a révélé qu’un échantillon rédigé par un humain de 46 guides DeAIze a obtenu une moyenne de 27 % d’IA, avec 17 sur 46 signalés à un seuil de 30 %. Le texte humain est également signalé.
Pourquoi ma traduction est-elle signalée comme générée par IA ?
Parce que la traduction et la génération laissent des empreintes qui se chevauchent. Un détecteur ne lit pas le sens. Il mesure des statistiques de surface : à quel point chaque mot est prévisible compte tenu des mots qui le précèdent, dans quelle mesure la longueur des phrases varie, à quelle fréquence la même structure syntaxique se répète.
Un traducteur travaillant à partir d’un texte source hérite du rythme de la source. Si l’original allemand utilise de longues propositions subordonnées, la version anglaise conserve cette forme. Si le français utilise des nominalisations, la version anglaise tend vers le nominal. Vous n’avez pas choisi ces schémas librement. La source l’a fait. Mais un détecteur voit une faible variance et une structure cohérente et les lit de la même manière qu’il lit la sortie d’un modèle.
Ajoutez les contraintes ordinaires de la traduction professionnelle et le chevauchement s’accentue. La terminologie reste cohérente dans un document parce qu’elle doit l’être. Le registre reste uniforme parce que le brief l’exige. Les débuts de phrase se répètent parce que la source les répète. Chacun de ces éléments est une marque de soin. Chacun d’eux fait aussi grimper un score d’IA.
Notre propre mesure démontre le point dans l’autre sens. Le 2026-09-19, nous avons évalué 46 guides DeAIze rédigés à la main avec le détecteur DeAIze à un seuil de signalement de 30 %. Le score d’IA moyen était de 27 %, la médiane de 25 %, et l’intervalle allait de 0 à 55. Dix-sept des 46 ont été signalés. Ce sont des guides rédigés par des humains sur la détection d’IA, écrits par des personnes qui connaissent les indices. Le texte humain tombe dans la même bande que le texte machine assez souvent pour qu’un seul signalement prouve très peu.
Artefacts de traduction versus signaux de génération
C’est la distinction qui fait gagner la conversation avec le client, il vaut donc la peine d’être précis à ce sujet.
Un artefact de traduction est une trace du processus de transfert. Il provient de la langue source, de la convention du domaine, ou de la décision du traducteur de préserver le sens au détriment du rythme naturel. Exemples : un calque qui conserve la préposition de la source, une construction passive qui existe parce que la source en utilisait une, un terme répété mot pour mot parce que le glossaire l’exige.
Un signal de génération est une trace de la prédiction du token suivant. Il provient d’un modèle qui choisit la continuation la plus probable. Exemples : un paragraphe qui s’ouvre sur une définition et se termine par un résumé, une liste de trois éléments qui ont tous la même forme grammaticale, une phrase de transition qui n’ajoute rien.
Les deux peuvent sembler identiques dans une seule phrase. Ils divergent lorsque l’on examine le document dans son ensemble.
| Signal | Typique en traduction | Typique en génération | Comment les distinguer |
|---|---|---|---|
| Structure parallèle | Oui, héritée de la syntaxe source | Oui, issue d’une sortie de type modèle | Vérifiez la source : le parallélisme y existe-t-il ? |
| Registre cohérent | Oui, exigé par le brief et le glossaire | Oui, issu d’une voix de modèle uniforme | Demandez si le brief l’exigeait |
| Terminologie répétée | Oui, guidée par le glossaire et la TM | Parfois, en raison d’une faible variété lexicale | Vérifiez les correspondances dans la base terminologique et la TM |
| Longueur de phrase uniforme | Courante en traduction technique | Courante dans une sortie de modèle non éditée | Comparez avec votre propre travail antérieur dans la même paire |
| Transitions génériques | Occasionnelles, issues des connecteurs source | Fréquentes, issues de modèles discursifs | Comptez combien de transitions n’apportent aucune information nouvelle |
| Entités nommées, dates, chiffres | Denses et spécifiques | Souvent vagues ou absents | La traduction préserve les faits ; la génération les invente parfois |
Cette dernière ligne est le discriminant le plus puissant dont vous disposez. Une traduction porte les spécificités de la source : noms, chiffres, dates, codes produit. Une sortie de modèle non éditée tend à rester vague ou à inventer. Si votre document est dense en spécificités vérifiables, c’est une preuve, et c’est une preuve qu’un client peut vérifier sans vous faire confiance.
Nous avons également compté la fréquence des indices d’IA lors de la même exécution du 2026-09-19 : 3 pour 100 mots dans l’échantillon humain contre 1 pour 100 mots dans la sortie de modèle non éditée. Cela mérite réflexion. Les guides rédigés par des humains contenaient plus d’indices de surface que le texte brut du modèle. Le comptage d’indices n’est pas un test d’attribution fiable, et c’est précisément pourquoi une traduction signalée n’est pas un verdict.
Si vous voulez voir quelles phrases spécifiques portent le signal plutôt que de discuter d’un score global de document, passez la traduction dans le DeAIze détecteur d’IA — il évalue l’ensemble du fichier et met en évidence chaque phrase selon sa probabilité d’IA, ce qui vous permet de pointer les lignes en question pour le client.
Pourquoi un détecteur traite-t-il un texte traduit différemment d’un texte natif ?
Trois mécanismes font l’essentiel du travail.
Prévisibilité. Les détecteurs estiment à quel point chaque mot est surprenant dans son contexte. Les mots à haute fréquence dans des positions à forte probabilité réduisent cette surprise. La traduction vers une seconde langue aboutit souvent au rendu standard plutôt qu’à l’expression idiomatique, et le rendu standard est, par définition, le prévisible. L’écriture native dans le même genre dérive davantage.
Burstiness. L’écriture humaine varie de manière irrégulière la longueur et la structure des phrases. La traduction lisse cette variation parce que le rythme de la source est imposé par-dessus celui du traducteur. Le résultat se lit de façon régulière, et la régularité se lit comme produite par une machine pour un détecteur calibré sur des sorties de modèle non éditées.
Uniformité de registre. Un modèle écrit tout le document d’une seule voix. Un traducteur aussi, lorsque le brief l’exige. Le détecteur ne peut pas dire pourquoi la voix est uniforme, seulement qu’elle l’est.
Rien de tout cela ne signifie que le détecteur est défaillant. Cela signifie que le détecteur mesure un proxy, et que la traduction produit le proxy sans produire la chose que le proxy représente.
Comment documenter une traduction humaine ?
La documentation est votre argument. Construisez-la pendant le travail, pas après l’alerte.
- Exportez le journal de l’outil TAO. La plupart des environnements TAO enregistrent les horodatages des segments, l’historique des modifications et les statistiques de correspondance. Un journal montrant des segments saisis pendant des heures, avec des correspondances floues issues de votre propre mémoire de traduction, constitue une preuve du processus. Enregistrez-le sous forme de fichier avec la livraison.
- Conservez l’historique des révisions. Si un second traducteur ou un réviseur a touché le fichier, conservez les modifications suivies et les notes de révision. Deux ensembles de modifications humaines sur le même segment constituent un schéma qu’aucun modèle ne produit.
- Rédigez des notes de traducteur pour tout élément contesté. Une courte note expliquant qu’une construction est un calque délibéré parce que le guide de style du client exige une fidélité à la source vaut plus qu’un paragraphe de dénégation. Restez factuel et précis pour le segment.
- Préservez la source et le matériel de référence. Le fichier source, le glossaire, l’export de la mémoire de traduction. Ceux-ci permettent au client de vérifier indépendamment que l’anglais suit l’allemand, ou le japonais, plutôt qu’une supposition d’un modèle.
- Enregistrez vos requêtes. Si vous avez interrogé le client sur un terme ambigu, conservez l’e-mail. Cet échange est daté, humain et spécifique.
Si vous souhaitez la forme générale d’un dossier de documentation, le flux de travail dans AI Detection Take Home Assignment: What to Document correspond étroitement au travail de traduction : horodatages, brouillons, notes et une brève justification écrite.
Comment parler à un client qui fait confiance au score du détecteur ?
Le client n’est pas déraisonnable. Il a payé pour un travail original et un outil lui a dit qu’il pourrait ne pas l’être. Votre rôle est de faire passer la conversation du score au processus, sans rejeter l’outil.
Commencez par vous mettre d’accord sur ce qu’est le score. La sortie d’un détecteur est une estimation de probabilité, pas une preuve de paternité. La plupart des outils le disent dans leur propre documentation. Vous ne demandez pas au client de se méfier du détecteur. Vous leur demandez de le traiter comme un signal parmi d’autres.
Ensuite, remettez les preuves du processus. Pas une défense. Un dossier. Le journal CAT, l’historique des révisions, les notes, la source, la base terminologique. Laissez le client tirer la conclusion.
Ensuite, proposez la vue au niveau des phrases. Un score global du document invite à un débat sur le document. Une analyse phrase par phrase invite à une conversation sur des lignes précises, et c’est sur ces lignes précises que vous pouvez expliquer chaque choix. Si le client veut le voir par lui-même, orientez-le vers un outil qui indique la probabilité par phrase plutôt qu’un chiffre unique.
Enfin, soyez honnête sur la limite. Vous ne pouvez pas promettre un score particulier sur un détecteur quel qu’il soit. Personne ne le peut, car les modèles derrière ces scores changent sans préavis et aucun ne publie de seuil stable. Ce que vous pouvez promettre, c’est un processus documenté et une volonté de discuter de n’importe quel segment.
Quand devez-vous résister, et quand devez-vous vous ajuster ?
Résistez lorsque le signalement contredit le processus documenté. Si vous disposez d’un journal CAT, d’un historique des révisions et d’un texte source qui explique chaque construction signalée, votre argument est plus solide que le score. Tenez bon, poliment, et mettez-le par écrit.
Ajustez lorsque le signalement est en réalité une plainte sur la lisibilité déguisée en détecteur. Parfois, un client signale une traduction comme étant de l’IA parce qu’elle semble plate, et cette platitude est un véritable problème de qualité. Les calques qui préservent la syntaxe source au détriment de l’idiome anglais sont défendables dans un texte juridique et indéfendables dans un texte marketing. Si la véritable objection du client est que le texte cible se lit comme une traduction, c’est un travail réparable, et le corriger fera généralement baisser le score en conséquence.
Une voie médiane : livrez la version fidèle plus une variante légèrement naturalisée pour les segments qui importent au client. Vous préservez l’argument de fidélité à la source et donnez au client quelque chose à approuver.
Que faites-vous lorsque le signalement concerne votre propre anglais ?
Les traducteurs qui travaillent vers une langue seconde font face à une deuxième couche de ce problème. Leur propre prose porte les mêmes marqueurs qui font signaler les rédacteurs non natifs, et ces marqueurs s’ajoutent aux artefacts de traduction. Les schémas sont bien documentés dans Pourquoi un détecteur d’IA signale les rédacteurs non natifs en anglais, et la réponse pratique est la même : documenter davantage, et retravailler pour une variation idiomatique dans les segments qui seront lus attentivement.
Si vous nettoyez un brouillon qui a réellement bénéficié d’une aide automatique — un premier passage dans un moteur de traduction automatique, par exemple — il s’agit d’une situation différente, qui appelle une réponse différente. Vous consulteriez plutôt Détection d’IA dans les textes traduits : repérer les artefacts de TA avant les détecteurs qu’une défense de processus.
Un court exemple concret
À titre d’illustration uniquement. Supposons que la phrase allemande source soit longue et empile trois propositions subordonnées. Un rendu anglais fidèle les conserve toutes les trois, utilise un passif, répète un nom plutôt qu’un pronom, et commence par un groupe prépositionnel. Un détecteur peut marquer cette phrase comme fortement probable d’être générée par IA.
Un rendu naturalisé le divise en deux phrases, promeut l’agent en sujet et remplace le nom répété par un pronom. Le score sur cette phrase diminue généralement.
Aucune version n’est fausse. La première est ce que le brief demandait. La seconde est ce que le détecteur préfère. Savoir laquelle vous avez livrée, et pourquoi, c’est toute la conversation.
Ce qu’un score de détecteur peut et ne peut pas dire à un client
Un score ne peut pas dire à un client qui a écrit une phrase. Il peut lui dire qu’une phrase ressemble au profil statistique d’une sortie de modèle non éditée. Ce sont des affirmations différentes, et les confondre est la façon dont de bons traducteurs finissent par défendre un travail qu’ils ont fait à la main.
Ce qu’un score peut faire, c’est déclencher une révision. Si un client le traite ainsi — un signal de triage qui dit « regardez ces lignes » — l’outil est utile. S’ils le traitent comme un verdict, l’outil fait quelque chose pour quoi il n’a jamais été conçu. Pour un traitement plus long de cet écart, voir Comment fonctionne la détection d’IA : les signaux derrière le score.
Prêt à voir quelles phrases semblent générées par une machine ?
Lorsqu’un client renvoie une traduction signalée, le moyen le plus rapide de faire avancer la conversation est de lui montrer les lignes. Collez le fichier dans le DeAIze détecteur d’IA et vous obtenez un score de document ainsi qu’une probabilité d’IA par phrase, ce qui vous permet de parcourir chaque segment signalé et d’expliquer le choix qui le sous-tend.
Si le signalement concerne des segments que vous souhaitez adoucir plutôt que défendre, le humaniseur réécrit uniquement les phrases signalées, vérifie que le sens est préservé, puis recalcule le score et indique l’avant et l’après. Il est conçu pour vos propres brouillons. Ce n’est pas un moyen de faire passer le travail de quelqu’un d’autre pour le vôtre.
Vous pouvez l’essayer sur 200 mots à l’inscription, sans carte de crédit. Lorsque vous êtes prêt à traiter un projet complet, la tarification est à l’usage, les crédits n’expirent jamais et il n’y a pas d’abonnement. Les documents Word conservent leurs polices, styles et tableaux lors de la réécriture, ce qui compte lorsque le livrable est un fichier formaté plutôt que du texte brut.
Une dernière chose, car c’est la partie sur laquelle les clients posent des questions : le texte que vous collez est traité uniquement pour la tâche en cours. Il n’est pas utilisé pour l’entraînement et il n’est pas revendu. Si un client souhaite que ce soit écrit avant de confier un fichier à un outil, la FAQ le précise.