Un détecteur ChatGPT a signalé votre texte, et vous devez faire baisser le taux. D’abord, sachez ce que vous avez sous les yeux : un score de détecteur est une estimation de probabilité, pas une preuve de paternité. Ensuite, sachez où se trouve le signal — généralement une poignée de phrases, pas tout le document. Corrigez celles-ci et relancez le score.
Ce qu’un détecteur ChatGPT mesure réellement
Les détecteurs ne reconnaissent pas « ChatGPT » comme un correcteur orthographique reconnaît une faute de frappe. Ils évaluent le texte selon des propriétés statistiques : la prévisibilité de chaque mot compte tenu des mots qui le précèdent, la variabilité de la longueur et de la structure des phrases, et la fréquence de certaines expressions toutes faites. Deux outils peuvent examiner le même paragraphe et être en désaccord, car ils pondèrent ces signaux différemment et utilisent des seuils différents. C’est pourquoi un outil peut renvoyer un score élevé et un autre une lecture limite sur la même dissertation.
Cela compte pour votre façon de réagir. Si le score est une estimation, votre objectif n’est pas de battre une machine — il est de supprimer les schémas qui ont fait grimper l’estimation, sans vider votre propos de son sens.
Notre propre observation de détecteur archivée le 2026-09-28 utilisait l’ensemble local, le niveau lite et un seuil de signalement de 30 %. Elle couvrait 709 passages de référence issus de 61 guides DeAIze sélectionnés parce que leurs métadonnées ne les marquaient pas comme générés. Leur moyenne était de 26 %, la médiane de 25 %, l’étendue de 0 à 69 % ; 239 passages ont obtenu un score égal ou supérieur à ce seuil. Les 12 passages DeepSeek non modifiés générés à partir d’invites fixes et jamais modifiés ont obtenu une moyenne de 33 % et une médiane de 34 %. Ces lectures locales se recoupent, mais l’authorship humaine de référence n’a pas été vérifiée de manière indépendante et les passages issus du même guide sont corrélés. Le décompte de 239 sur 709 n’établit donc pas un taux de faux positifs humains.
Pourquoi le même paragraphe obtient-il un score différent sur deux outils ?
Parce que chaque détecteur définit son propre seuil et rapporte sa propre confiance. La FAQ de GPTZero décrit un champ de confiance, expliquant que « 90 % signifie que 90 % du temps sur des documents similaires, notre détecteur est correct dans la prédiction qu’il fait » (source : gptzero.me). La même FAQ indique que les catégories de confiance sont ajustées pour que, lorsque la catégorie de confiance est élevée, « 99,1 % des articles humains sont classés comme humains, et 98,4 % des articles IA sont classés comme IA » (source : gptzero.me). Ce sont les chiffres publiés de GPTZero concernant GPTZero, et non une loi générale de la détection. Lorsque votre indice de confiance est faible ou que votre document est court, vous êtes dans la zone où l’outil lui-même est moins sûr — c’est exactement là qu’un signalement doit être traité comme une question, pas comme un verdict.
Si le signalement concerne votre propre écriture, l’étape suivante utile n’est pas un autre détecteur — c’est de voir quelles phrases portent le signal. DeAIze note l’ensemble du document et met en évidence chaque phrase selon la probabilité d’IA, ce qui vous permet de modifier les lignes signalées et de laisser le reste intact. Commencez par le guide du détecteur d’IA et lisez votre propre rapport avant de changer un seul mot.
Quoi modifier en premier, phrase par phrase
Ouvrez votre rapport et travaillez uniquement sur les phrases surlignées. La plupart des brouillons n’en contiennent qu’un petit nombre.
- Cassez le rythme uniforme. Les textes générés par machine ont tendance à garder des phrases dans une plage de longueur étroite. Prenez une phrase longue signalée et coupez-la. Prenez trois phrases de longueur moyenne à la suite et faites en sorte que l’une d’elles fasse cinq mots.
- Remplacez l’échafaudage de connexion. Des expressions comme « de plus », « en outre », « par ailleurs » et « il convient de noter » se regroupent dans les brouillons générés. Supprimez-les ou remplacez-les par la conjonction simple que vous diriez réellement.
- Éliminez l’empilement de précautions. « On peut soutenir que cela pourrait potentiellement suggérer » devient « Cela suggère ». Une précaution par affirmation, au maximum.
- Nommez quelque chose de spécifique. Remplacez un nom abstrait par un concret : non pas « diverses parties prenantes » mais « les deux chefs de département qui ont validé ». La spécificité est difficile à imiter et facile à écrire.
- Placez un fait que vous seul avez dans la phrase signalée. Une date, un lieu, une mesure issue de votre propre travail. Cet ajout unique change souvent la façon dont la phrase est lue par un éditeur humain — qui est le public qui compte en fin de compte.
Voici une illustration du schéma, pas un score réel. Avant : « La mise en œuvre du cadre a été entreprise afin de faciliter l’amélioration des résultats dans plusieurs services. » Après : « Nous avons déployé le cadre en mars. Deux services ont constaté des délais plus courts ; le troisième non. » Même affirmation, rythme différent, et la deuxième version porte une information que la première avait enfouie.
Une comparaison : ce que chaque outil rapporte
Le tableau ci-dessous mélange des chiffres tiers publiés avec les nôtres, clairement étiquetés. Tous les chiffres tiers proviennent de la page FAQ de gptzero.me.
| Outil / source | Ce qu’il rapporte | Limite ou chiffre publié | Conçu pour |
|---|---|---|---|
| GPTZero (selon sa FAQ) | Score du document, catégorie de confiance, mise en évidence des phrases | Textes jusqu’à 150 000 caractères ; lot allant jusqu’à 250 fichiers sur un compte gratuit | Triage par document avec détail au niveau des phrases |
| Catégories de confiance de GPTZero (selon sa FAQ) | Un champ de confiance à côté du score | Catégories à haute confiance : 99,1 % des articles humains classés comme humains, 98,4 % des articles IA classés comme IA | Interpréter le poids à accorder à une seule lecture |
| Signification de la confiance de GPTZero (selon sa FAQ) | Interprétation de la valeur de confiance | « 90 % signifie que 90 % du temps, sur des documents similaires, notre détecteur est correct dans la prédiction qu’il fait » | Décider si un signalement vaut la peine d’être traité |
| DeAIze (notre propre mesure, 2026-09-28) | Score du document plus probabilité d’IA par phrase | Échantillon de référence : 709 passages issus de 61 guides sélectionnés par métadonnées ; moyenne 26 %, médiane 25 %, étendue 0-69 % ; 239 passages à un seuil de 30 % ou plus. Authorship humaine non vérifiée de manière indépendante ; pas un taux de faux positifs humains | Trouver quelles lignes modifier en premier |
La conclusion n’est pas qu’un outil l’emporte. C’est que les chiffres sur votre rapport viennent avec des conditions — taille de l’échantillon, seuil, confiance — et un score sans ces conditions est une rumeur.
La passe de révision qui abaisse réellement le taux
Faites ceci en une seule séance, dans cet ordre.
- Évaluez le brouillon actuel et enregistrez le rapport.
- Ne modifiez que les phrases signalées. Laissez les autres intactes — réécrire tout est la façon dont les gens perdent leur voix et leur exactitude.
- Réévaluez. Si une phrase est encore signalée, examinez-la à nouveau : elle a généralement une structure répétitive ou une affirmation abstraite plutôt qu’un synonyme manquant.
- Vérifiez que le sens est préservé. Lisez la phrase modifiée par rapport à l’original et confirmez que l’affirmation, le chiffre et la nuance sont identiques. Un score plus bas qui change votre argument est un pire résultat que le signalement.
- Notez ce que vous avez changé. Si un enseignant, un éditeur ou un client demande, vous avez une trace.
Ce dernier point aborde ce que les gens disent rarement à voix haute : la peur n’est pas le pourcentage, c’est d’être accusé. Si c’est votre cas, le guide des faux positifs explique quoi documenter et comment répondre. Le résultat de la détection est un signal, et les signaux sont contestés. Vos brouillons, notes et historique de versions sont ce qui permet de trancher.
Quand ce n’est pas le bon choix
N’appliquez pas ce processus si le texte n’est pas le vôtre. Réécrire le travail de quelqu’un d’autre pour contourner un vérificateur est un acte différent de nettoyer son propre brouillon, et aucune amélioration de score ne le rend honnête.
N’achetez rien pour l’instant si vous écrivez un e-mail de deux paragraphes ou une courte légende. Les textes courts donnent très peu de matière aux détecteurs, et un signalement sur un passage court est proche du bruit. Vérifiez si le texte est assez long pour être évalué de manière significative avant d’y consacrer du temps ou de l’argent.
Ne visez pas le zéro. Notre propre échantillon de référence du 28 septembre allait de 0 à 69 %, et 239 des 709 passages issus de 61 guides sélectionnés par métadonnées ont obtenu un score égal ou supérieur à un seuil de 30 %. L’authorship humaine n’a pas été vérifiée de manière indépendante, donc ce décompte n’est pas un taux de faux positifs humains. Un score parfait n’est pas l’objectif et ne l’a jamais été. L’objectif est une écriture qui se lit comme si une personne l’avait écrite, parce qu’une personne l’a fait.
Et ne considérez aucune lecture isolée comme une preuve de quoi que ce soit. La documentation de GPTZero présente elle-même sa sortie comme une prédiction assortie d’un niveau de confiance, et ce cadrage s’applique à tous les outils de ce domaine, y compris le nôtre. Utilisez le score pour repérer les phrases qui méritent d’être corrigées. Ensuite, fiez-vous à votre jugement, la partie qu’aucun détecteur ne possède.
Si vous voulez une vue d’ensemble sur les raisons pour lesquelles les outils divergent et sur la place de la détection dans un flux de travail d’édition, le guide d’humanisation couvre toute la procédure, du premier score à la vérification finale.
Note de mesure : l’observation archivée du détecteur local du 2026-09-28 contient 709 passages de référence issus de 61 guides DeAIze sélectionnés parce que leurs métadonnées ne les marquaient pas comme générés, comparés à 12 passages DeepSeek non édités issus de prompts fixes. Les scores médians étaient respectivement de 25 % et 34 %. L’authorship humaine des passages de référence n’a pas été vérifiée de manière indépendante ; les passages d’un même guide sont corrélés, donc ces chiffres n’établissent pas un taux de faux positifs humains. Méthode : /methodology/. Voir l’observation archivée et les limites.