Le filigrane de texte est passé des articles de recherche aux produits commercialisés, et si vous publiez des écrits assistés par IA, vous devez désormais savoir ce qu’est réellement un filigrane ChatGPT et s’il vous affecte.
Points clés à retenir
- Un filigrane de texte est un signal statistique intégré à la manière dont les mots sont choisis, et non une étiquette cachée ou une marque visible. Il voyage avec le texte et peut survivre au copier-coller.
- La détection est une estimation de probabilité, pas une preuve. Un passage signalé signifie « ceci se lit de manière statistiquement inhabituelle », rien de plus.
- La plupart des détecteurs que vous utilisez déjà ne décodent pas les filigranes. Ils évaluent le style. Ainsi, un brouillon filigrané peut passer un outil et échouer à un autre.
- Vous pouvez vérifier votre propre brouillon en une dizaine de minutes en utilisant une notation au niveau des phrases, et vous devriez le faire avant de publier, pas après que quelqu’un vous le demande.
- Si une phrase est signalée, la solution est de modifier la phrase, pas de faire passer tout le document par un réécrivain en espérant que ça passe.
Qu’est-ce qui a réellement été commercialisé ?
Pendant quelques années, le filigrane de texte est resté une idée essentiellement académique. Le mécanisme est assez simple à décrire : un modèle, lorsqu’il génère chaque mot suivant, donne une légère impulsion statistique à un sous-ensemble pseudo-aléatoire du vocabulaire. Le sous-ensemble est choisi par une clé. Pour quiconque lit le résultat, rien ne semble différent. Pour quelqu’un qui détient la clé, le schéma des choix de mots est mesurable.
Le changement, c’est que le filigrane est passé d’une démo à une fonctionnalité produit. Les fournisseurs de chatbots ont publiquement évoqué son déploiement, et l’écosystème environnant s’est développé : détecteurs de filigranes, normes de provenance et règles de divulgation au niveau des plateformes qui demandent aux éditeurs d’indiquer quand le contenu est généré par machine.
Cela importe pour une raison précise. Un filigrane n’est pas une supposition d’un détecteur sur le style. Si une plateforme peut en décoder un, elle n’estime pas. Elle lit un signal qui a été délibérément placé là. C’est une catégorie de preuve différente de « ce paragraphe a une faible perplexité ».
Deux réserves empêchent que cela soit aussi dramatique que cela en a l’air. Premièrement, les filigranes sont fragiles. Une édition lourde, une traduction, une reformulation, ou même un aller-retour par un modèle différent tend à briser le schéma statistique. Deuxièmement, ils ne sont pas universels. Un filigrane n’existe que si le système qui a produit le texte a choisi d’en appliquer un, et seulement si le texte vous est parvenu sans passer par quelque chose qui l’a supprimé.
Qu’est-ce qu’un filigrane ChatGPT change pour vous aujourd’hui ?
Si vous publiez un travail assisté par IA, trois choses changent.
La divulgation devient la norme, pas l’exception. De plus en plus de plateformes et d’éditeurs demandent désormais aux contributeurs de déclarer si et comment l’IA a été utilisée. Un filigrane donne à une plateforme un moyen de vérifier cette déclaration. Si vous avez dit « pas d’IA » et qu’un signal dit le contraire, le problème n’est plus le texte. C’est la déclaration.
Votre historique de modification devient votre défense. Un brouillon dont vous pouvez montrer la progression, avec vos propres phrases, est une preuve bien plus solide qu’un fichier final propre. L’historique des versions, les fils de commentaires et les notes de recherche constituent votre piste d’audit. Conservez-les.
Les détecteurs de style continuent de se contredire. Le décodage du filigrane et la notation du style sont des mécanismes distincts, et ils ne seront pas toujours d’accord. Un passage peut ne porter aucun filigrane et pourtant obtenir un score élevé sur un détecteur de style parce qu’il paraît plat. C’est le problème le plus courant pour la plupart des rédacteurs, et c’est celui que nos propres mesures ne cessent de révéler.
Si vous voulez voir quelles phrases portent le signal avant de publier, passez votre brouillon dans le détecteur d’IA et lisez les surlignages au niveau des phrases. Cela prend une minute et vous indique où modifier, pas seulement si le document dans son ensemble semble généré par une machine.
La partie inconfortable : la détection n’est pas une preuve
Voici la version honnête, car vous ne l’obtiendrez pas sur la page marketing d’un fournisseur.
La sortie d’un détecteur est une estimation de probabilité. Ce n’est pas un verdict, et aucun outil ne peut vous dire avec certitude qui a écrit une phrase. Cela vaut aussi pour le décodage du filigrane, bien que les modes d’erreur diffèrent. Un détecteur de style peut signaler un humain qui écrit de manière soignée et uniforme. Un détecteur de filigrane peut manquer un passage filigrané qui a été modifié, et dans de rares cas, produire une lecture erronée sur un texte qui n’a jamais été filigrané.
Nous avons exécuté notre propre détecteur sur deux corpus le 2026-09-19, avec un seuil de signalement de 30 %, pour voir à quel point cela devient bruité en pratique. Un ensemble de 46 guides DeAIze rédigés à la main a obtenu un score IA moyen de 27 %, une médiane de 25 %, avec une plage de 0 à 55 %. À ce seuil, 17 des 46 documents rédigés par des humains ont été signalés. Par ailleurs, 12 passages générés à partir d’invites fixes et laissés non modifiés ont obtenu une moyenne de 35 %, une médiane de 34 %, une plage de 25-49 %.
Relisez cela. L’échantillon rédigé par un humain et la sortie brute du modèle se recoupent largement. C’est notre propre instrument, sur notre propre machine, et il ne parvient toujours pas à séparer proprement les deux groupes. Quiconque vous dit qu’un score unique tranche la paternité vous vend quelque chose.
Donc si vous êtes accusé, la bonne réponse n’est ni la panique ni un réécrivain. C’est des preuves : vos brouillons, vos sources, vos notes. Il y a un guide plus complet dans False Positive AI Detector: What to Do When You’re Accused.
Comment vérifier votre propre brouillon ?
Procédez dans cet ordre. Cela prend environ dix minutes pour un article normal.
- Notez d’abord l’ensemble du document. Cela vous donne une base de référence. Notez-la.
- Lisez les surlignages au niveau des phrases, pas le chiffre principal. Un document avec un score modéré contient généralement une poignée de phrases à problème et beaucoup de phrases normales. Les phrases à problème constituent votre liste de tâches.
- Recherchez les schémas classiques dans les lignes signalées. Longueur de phrase uniforme. Listes à trois éléments là où deux suffiraient. Transitions qui ne font aucun travail. Noms abstraits là où un nom concret existe.
- Vérifiez vos propres indices séparément. Nous avons compté la fréquence des indices d’IA dans la même mesure : 3 pour 100 mots dans l’échantillon rédigé par un humain contre 1 pour 100 mots dans la sortie brute du modèle. Les rédacteurs humains s’appuient sur des phrases toutes faites plus que ne le fait la sortie brute du modèle. Si votre brouillon en est plein, c’est votre problème, et c’est réparable.
- Re-notez après édition. Seules les phrases que vous avez touchées devraient bouger. Si l’ensemble du document change, vous avez probablement réécrit plus que vous ne le pensiez.
Une illustration rapide, utilisant une forme de phrase plutôt qu’un score réel :
- Avant : « Il est important de prendre en compte les divers facteurs qui contribuent à une stratégie de contenu efficace dans l’édition moderne. »
- Après : « La stratégie de contenu échoue pour des raisons ennuyeuses : pas de responsable, pas de calendrier, personne pour vérifier ce qui a été publié. »
La deuxième version est plus courte, contient un nom concret et prend position. C’est toute la technique. Plus de détails dans Nettoyer les schémas générés par machine dans vos propres brouillons.
Comment corriger un brouillon signalé ?
Trois approches, et elles ne se valent pas.
| Approche | Ce qu’elle fait | Idéale pour | Risque principal |
|---|---|---|---|
| Édition manuelle des phrases | Vous réécrivez vous-même les lignes signalées | Tout brouillon qui vous tient à cœur | Lent sur les documents longs |
| Réécriture du document entier | Un outil réécrit tout de bout en bout | Les brouillons que vous allez de toute façon retravailler | Dérive du sens, et vous perdez votre propre voix |
| Réécriture au niveau de la phrase avec vérification du sens | Seules les phrases signalées sont réécrites, et une réécriture n’est conservée que si la similarité sémantique indique que le sens a survécu | Les brouillons où l’argumentation est déjà juste | Nécessite quand même une relecture humaine à la fin |
DeAIze fait la troisième. Il note le texte, ne réécrit que les phrases signalées, ne conserve une réécriture que si la similarité sémantique indique que le sens a survécu, puis re-note et rapporte avant et après. Le site rapporte une réduction moyenne du score IA de plus de 60 % après humanisation, avec un meilleur cas de 71 % — ce sont les scores prédits par le produit lui-même, pas un verdict officiel d’un détecteur tiers. Sur le paragraphe d’exemple utilisé sur le site, un score IA de 92 % devient 4 % IA.
Deux points à clarifier. Premièrement, ce sont nos scores prédits, pas une garantie de ce que diront GPTZero, Turnitin, Copyleaks, Originality.ai ou Sapling. Là où ces API sont configurées, DeAIze effectue des vérifications croisées par rapport à elles plutôt que de se fier à une estimation interne, mais aucun outil ne contrôle la sortie d’un autre outil. Deuxièmement, et plus important : reformuler ne fait pas de vous le propriétaire du travail de quelqu’un d’autre. Les idées, les données et les conclusions doivent être les vôtres. L’humanisation sert à réduire les faux positifs sur votre propre écriture et à nettoyer vos propres brouillons assistés par IA. C’est là tout le cas d’usage légitime.
Si vous travaillez sur un document plus long, l’éditeur de brouillon gère les fichiers .txt, .docx et .pdf, et la réécriture d’un fichier Word préserve les polices, les styles et les tableaux. Cela compte plus qu’il n’y paraît — reformater manuellement un rapport de 30 pages après une réécriture est une punition en soi.
Que devriez-vous réellement faire cette semaine ?
Une liste de contrôle courte et ennuyeuse.
- Décidez votre politique de divulgation maintenant, avant que quiconque ne le demande. Si vous utilisez l’IA pour rédiger, dites-le dans vos notes de processus et, là où une plateforme l’exige, dans la soumission elle-même.
- Conservez l’historique des versions de tout ce que vous publiez sous votre nom. C’est l’habitude la plus précieuse de cette liste.
- Effectuez une vérification au niveau des phrases avant de publier, pas après une plainte. Dix minutes maintenant valent mieux qu’une semaine d’e-mails plus tard.
- Ne courez pas après un score cible. Courir après un chiffre sur le détecteur de quelqu’un d’autre est un jeu perdu, car les détecteurs sont en désaccord entre eux et avec eux-mêmes au fil du temps.
- Corrigez les phrases qui sonnent plates, car les lecteurs remarquent une prose plate bien avant tout détecteur.
Une dernière chose, et c’est la partie que la plupart des guides omettent. Le filigrane n’est pas un piège qui vous vise personnellement. C’est un mécanisme de provenance, et les mécanismes de provenance arrivent simultanément dans l’édition, l’éducation et la modération des plateformes. Les rédacteurs qui s’en sortiront bien seront ceux qui peuvent montrer leur travail, pas ceux qui ont trouvé un outil qui le cache.
Prêt à voir quelles phrases semblent générées par une machine ?
Vous pouvez évaluer un brouillon et lire les surlignages au niveau des phrases sans rien payer. L’offre gratuite vous donne 200 mots à l’inscription, sans carte de crédit. Si vous voulez le document complet, la tarification est à l’usage avec des crédits qui n’expirent jamais et sans abonnement.
Commencez par le détecteur d’IA, trouvez les phrases qui portent le signal, corrigez-les, puis réévaluez. Cette boucle constitue toute la méthode. Tout le reste est du bruit.
Si vous hésitez encore à savoir si tout cela vaut votre temps, lisez d’abord Comment fonctionne la détection d’IA : les signaux derrière le score. Cela rendra les surlignages beaucoup plus faciles à interpréter.