DeAIze vs GPTZero : Quel détecteur d'IA convient à votre brouillon ?

DeAIze vs GPTZero est une question sur ce qu’un score peut vous dire. GPTZero renvoie un verdict au niveau du document avec surlignage des phrases. DeAIze renvoie un score de document plus une probabilité d’IA par phrase sur l’ensemble de votre brouillon. Aucun de ces deux chiffres ne prouve qui a écrit votre essai. La question utile est de savoir lequel vous donne quelque chose sur quoi agir.

Pourquoi les étudiants et les enseignants ne cessent-ils de poser la question de DeAIze vs GPTZero ?

Parce que GPTZero est devenu le premier réflexe par défaut. Il est gratuit à essayer, il est rapide, et son nom circule dans les groupes de travail plus vite que n’importe quelle licence institutionnelle. Quand un enseignant fait passer un devoir de classe par cet outil, ou qu’un étudiant colle un paragraphe à minuit, GPTZero est généralement l’onglet déjà ouvert.

C’est aussi pourquoi la question de suivi revient sans cesse : que faire de ce chiffre ? Un signalement sur un document que vous avez écrit vous-même, c’est une après-midi vraiment désagréable. Vous ouvrez le rapport, vous voyez un pourcentage, et rien dans l’interface ne vous dit quelle phrase en est la cause ni comment le modèle y est parvenu.

Nous avons conçu DeAIze pour répondre à cette seconde question. La détection fonctionne au niveau de la phrase : le document entier reçoit un score, et chaque phrase est surlignée selon sa probabilité d’IA, ce qui vous permet de voir quelles lignes portent le signal. Ce choix de conception résume toute la comparaison en une phrase. GPTZero est souvent utilisé comme un portail. DeAIze est conçu comme une lecture de votre brouillon.

Il y a aussi un événement extérieur qu’il vaut la peine de mentionner ici. L’indicateur d’écriture par IA de Turnitin est entre les mains d’institutions depuis un certain temps maintenant, et ses recommandations ont toujours présenté le pourcentage comme un indicateur nécessitant un jugement humain plutôt que comme une conclusion de faute. Ce cadrage compte pour tout ce qui suit. Si le plus grand détecteur académique au monde dit aux enseignants de ne pas traiter sa sortie comme une preuve, le chiffre d’aucun détecteur grand public ne devrait être traité de cette façon non plus.

Que rapporte réellement chaque outil ?

GPTZero renvoie une classification au niveau du document avec un score global et une mise en évidence au niveau des phrases dans son interface. Ses supports publics décrivent le score en termes de probabilité que le texte ait été généré, et sa propre documentation a averti à plusieurs reprises que les résultats doivent être interprétés en tenant compte du contexte plutôt que comme un verdict.

DeAIze renvoie un score de document et une probabilité d’IA par phrase. Chaque phrase est évaluée, de sorte qu’un paragraphe peut apparaître comme mixte : une ligne porteuse de signal, la suivante se lisant comme une prose ordinaire. Cette granularité est tout l’intérêt. Si vous allez modifier, vous devez savoir où regarder.

Les définitions des scores ne sont pas interchangeables. Un score de modèle, une part de prose qualifiante et un pourcentage de similarité sont trois instruments différents. Un pourcentage de similarité issu d’un vérificateur de plagiat mesure le chevauchement avec un corpus de référence. Une probabilité d’IA mesure à quel point un texte donné ressemble à une sortie de modèle selon le modèle de ce système. Ni l’un ni l’autre ne prouve la paternité.

Si vous évaluez une offre payante, comparez ce que chaque palier renvoie par document plutôt que par mot. Les limites de détection et les limites de réécriture sont configurées séparément dans l’interface actuelle, et l’essai de réécriture vous donne 200 mots après confirmation par e-mail, sans carte de crédit. Consultez /pricing/ avant de vous engager.

Pourquoi le même essai obtient-il un score différent sur chaque outil ?

Parce que les modèles sont différents, les données d’entraînement sont différentes et les seuils sont différents. Deux détecteurs peuvent examiner une prose identique et être en désaccord, et ce désaccord est normal plutôt que la preuve d’un bug dans l’un d’eux.

Un texte court aggrave la situation. Un paragraphe de 100 mots donne très peu de matière à un détecteur, et les scores sur des passages courts varient plus que les scores sur des passages longs. L’écriture en anglais non natif est un autre point de tension connu : une prose formelle, au rythme régulier, avec une gamme de vocabulaire étroite, peut ressembler à une sortie de modèle dans les caractéristiques sur lesquelles s’appuient les détecteurs. Si c’est votre situation, le problème vient du signal, pas de votre authorship, et la solution pratique est la même dans les deux cas.

Ce que notre propre mesure a montré

Nous avons exécuté notre détecteur sur deux corpus le 2026-10-04, en utilisant l’ensemble local au niveau lite avec un seuil de signalement de 30 %.

L’échantillon de référence était n = 1504 passages tirés des guides DeAIze qui n’étaient pas marqués comme générés. La sélection s’est faite uniquement sur les métadonnées, et l’authorship humaine n’a pas été vérifiée de manière indépendante. Le score IA moyen était de 27 %, la médiane de 20 %, l’étendue de 1 à 100 %. Scores égaux ou supérieurs au seuil de 30 % : 487 sur 1504. Il s’agit de nombres de passages, pas de nombres de documents indépendants, et ce n’est pas un taux de faux positifs humains vérifié.

Le deuxième corpus était une sortie de modèle non éditée : n = 12 passages générés à partir d’invites fixes et non édités. Score IA moyen 52 %, médiane 49 %, plage 11-91 %.

Deux choses méritent d’être relevées. Premièrement, les passages issus du même guide ne sont pas des échantillons indépendants, il faut donc traiter les chiffres de référence comme une description de ce corpus, et non comme une estimation de population. Deuxièmement, le chevauchement est réel : certains passages de référence se situaient en haut de la plage et certains passages de modèle se situaient près du bas. Un seuil d’alerte est une ligne tracée à travers une distribution, pas un mur entre deux types de texte.

Nous avons aussi compté la fréquence des marqueurs d’IA : 1 pour 100 mots dans l’échantillon de référence contre 1 pour 100 mots dans la sortie de modèle non éditée. Cela vous indique que les motifs de surface n’étaient pas le facteur de séparation dans cette comparaison particulière. Tout ce qui a fait bouger les scores résidait dans la structure de la prose, pas dans une liste de phrases interdites.

Ce qu’un pourcentage sur l’un ou l’autre outil ne signifie pas

Cela ne signifie pas que le détecteur a identifié un auteur. Cela ne signifie pas que le texte a été copié. Cela ne signifie pas qu’une conclusion de faute professionnelle est justifiée.

Le pourcentage de GPTZero est une estimation de probabilité produite par son modèle pour ce texte. Les chiffres par phrase de DeAIze relèvent de la même chose à plus petite échelle. L’indicateur de Turnitin est une part de prose qualifiante selon sa propre définition. Trois instruments, trois définitions, aucune unité commune.

Si vous êtes du côté de la personne qui reçoit un signalement, la démarche utile est la documentation, pas la discussion sur le chiffre. Conservez vos brouillons, conservez vos notes, conservez votre historique de versions. Si votre établissement est impliqué, /blog/academic-integrity-hearing-ai/ détaille ce que les commissions évaluent réellement, ce qui relève généralement du processus plutôt que d’un score.

Comment utiliser deux détecteurs sans tomber dans la spirale

Faire passer votre essai dans cinq outils et faire la moyenne des résultats n’est pas une méthode. C’est de l’anxiété avec des étapes supplémentaires. Voici une séquence qui produit quelque chose sur quoi vous pouvez agir.

1. Faites passer le brouillon dans un détecteur en lequel vous avez confiance et lisez tout le rapport, pas seulement le chiffre principal.
2. Notez quelles phrases portent le signal. Si l’outil ne vous montre pas les phrases, c’est une limite qui mérite d’être prise en compte.
3. Lisez ces phrases à voix haute. La prose générée par machine tend à être uniforme en longueur et pauvre en surprises ; la prose humaine varie.
4. Corrigez les problèmes précis : une phrase plate, une précaution qui ne dit rien, une affirmation sans chiffre associé, une transition qui n’existe que pour connecter.
5. Relancez et comparez. Si le score a bougé, regardez quelles phrases ont changé.

L’étape quatre est celle où la plupart des gens se trompent. Reformuler une phrase signalée en une autre phrase signalée ne change rien. Vous cherchez l’habitude sous-jacente : la phrase qui reformule la précédente, le paragraphe qui s’ouvre sur un résumé de lui-même, l’adjectif qui ne fait aucun travail.

Si votre brouillon est issu d’un modèle de langage à un moment ou à un autre, /blog/how-to-reduce-ai-detection/ couvre les corrections structurelles plus en profondeur, et /blog/ai-detection-false-positive/ traite le cas où vous avez écrit chaque mot vous-même et avez quand même été signalé.

Un exemple concret

Voici une illustration, pas une mesure. Aucun score n’y est associé.

Avant : « Une communication efficace est un aspect important de la réussite professionnelle dans l’environnement de travail actuel. Les personnes qui possèdent de solides compétences en communication sont souvent capables de nouer des relations significatives avec leurs collègues et les parties prenantes. »

Après : « Les managers qui écrivent clairement reçoivent moins d’e-mails de clarification. C’est là tout le bénéfice, et il se manifeste dès la première semaine. »

La première version n’est pas fausse. Elle est simplement vide : deux phrases qui disent une seule chose, avec des nominalisations (« communication », « réussite », « environnement ») qui font le travail que les verbes devraient faire. La seconde version prend position et nomme une conséquence. Elle est aussi plus courte, ce qui est généralement le signe que vous avez retiré quelque chose qui ne portait pas de poids.

Remarquez ce qui ne s’est pas produit. Aucun échange de synonymes. Aucun passage au dictionnaire des synonymes. La réécriture a changé ce que la phrase affirmait, et c’est pourquoi elle se lit différemment.

Où le humaniseur de DeAIze est pertinent, et où il ne l’est pas

L’humaniseur propose une reformulation pour votre propre brouillon. Ce cadrage est délibéré. C’est une aide à la révision, pas un service de blanchiment.

Après qu’il renvoie une suggestion, comparez-la avec votre original. Vérifiez les affirmations, les quantités, les citations, les négations et les nuances. La similarité sémantique est une aide à la révision, pas la preuve que chaque sens a été préservé. Une réécriture qui inverse un « ne… pas » ou supprime une nuance a modifié votre argument, et c’est à vous de le repérer.

Ce qu’il ne fera pas : résoudre un litige de paternité, garantir un score particulier sur un autre détecteur, ou faire passer le travail de quelqu’un d’autre pour le vôtre. Ne l’utilisez pas ainsi. Si votre établissement a une politique sur l’assistance par IA, /blog/academic-integrity-policy-ai/ est l’endroit où vérifier ce qui est réellement autorisé avant de décider comment procéder.

Pour les fichiers, les téléversements acceptent .txt, .docx et .pdf. La réécriture d’un document Word préserve les polices, les styles et les tableaux, ce qui compte si vous travaillez sur une soumission mise en forme plutôt que sur du texte brut. La détection et la réécriture couvrent l’anglais et 9 autres langues, et l’interface est disponible en 10 langues. L’anglais est le cas le plus solide ; plus vous vous en éloignez, plus vous devez lire vous-même le résultat.

Lequel devriez-vous réellement utiliser ?

Si vous n’en utilisez qu’un seul, utilisez celui qui vous montre où se trouve le signal. Un chiffre sur lequel vous ne pouvez pas agir n’est pas une information.

Prêt à voir quelles phrases semblent rédigées par une machine ?

Collez votre brouillon dans le détecteur à /ai-detector/ et lisez la ventilation phrase par phrase plutôt que le chiffre principal. Si les lignes signalées sont celles que vous soupçonniez déjà d’être plates, vous avez votre liste de modifications.

Ouvrez ensuite /humanize-ai-text/ et parcourez ces phrases une par une, en comparant chaque suggestion à votre original avant de l’accepter. L’essai de réécriture vous donne 200 mots après confirmation par e-mail, sans carte de crédit, afin que vous puissiez tester le flux de travail sur un vrai paragraphe avant de décider quoi que ce soit. La détection a des limites configurables distinctes indiquées dans l’interface actuelle.

Lorsque vous savez que le flux de travail vous convient, les forfaits commencent à 20,99 $ pour 1 000 mots, et les crédits n’expirent jamais. Il n’y a pas d’abonnement. Tous les détails sont sur /pricing/, et vous pouvez créer un compte à /register.

Une dernière chose, car elle compte plus que le choix de l’outil. Le résultat d’une détection est un signal à propos d’un texte, pas une conclusion sur une personne. Si vous modifiez votre propre travail pour plus de clarté, vous faites ce qu’il faut. Si vous essayez de faire passer le travail de quelqu’un d’autre pour le vôtre, aucune comparaison de détecteurs sur cette page ne vous aidera, et c’est normal.