Non, ChatGPT ne filigrane en aucune façon sa sortie qu’un détecteur lit. La partie inconfortable : OpenAI a mis de côté le filigrane, et l’absence de filigrane est pourquoi les écrivains signalés n’ont aucune preuve d’origine propre. Ce à quoi vous faites réellement face est un signalement statistique, pas une balise cachée — et ce signalement réagit à la modification.
Est-ce que ChatGPT filigrane le texte IA — ou est-ce une rumeur ?
OpenAI a développé une technologie de filigrane et a choisi de ne pas la déployer. Selon le rapport de writehuman.ai sur le sujet, OpenAI a évalué l’approche à environ 99,9 pour cent d’efficacité en interne puis l’a retenue, une décision qui n’a pas survécu aux nouvelles règles européennes (source : writehuman.ai, https://writehuman.ai/blog/does-chatgpt-watermark-text). Le même rapport note qu’au printemps 2025, les utilisateurs ont repéré des caractères d’espacement Unicode invisibles inhabituels dans la sortie de ChatGPT et ont déclaré avoir trouvé le filigrane secret ; l’explication d’OpenAI était moins cinématographique (source : writehuman.ai, https://writehuman.ai/blog/does-chatgpt-watermark-text).
Cet historique compte parce qu’il explique l’écart dans lequel vous vous trouvez. Un filigrane serait une marque délibérée et vérifiable. Un score de détecteur ne l’est pas. C’est l’estimation d’un modèle de la probabilité statistique qu’un passage provienne d’un modèle de langage. Différents fournisseurs définissent ce nombre différemment — un score de modèle, une part de prose qualifiante et un pourcentage de similarité ne sont pas interchangeables, et aucun d’eux ne prouve la paternité.
Donc la réponse honnête à « est-ce que ChatGPT filigrane le texte IA » est non, et ce n’est pas une bonne nouvelle. Cela signifie que vous ne pouvez pas pointer vers une balise cachée et disculper votre nom. Vous pouvez seulement regarder ce que le détecteur a réellement mesuré et corriger l’écriture qui l’a déclenché.
Ce que le détecteur évalue réellement
Les détecteurs lisent les statistiques de surface : à quel point chaque mot est prévisible, combien le rythme des phrases varie, à quelle fréquence certaines expressions reviennent. Les brouillons produits par machine ont tendance à être lisses et réguliers. Les brouillons humains vacillent.
Nous avons mené notre propre test à ce sujet, et les chiffres méritent d’être lus attentivement. Le 2026-09-28, nous avons évalué deux corpus avec le détecteur DeAIze (ensemble local, niveau lite) à un seuil de signalement de 30 %. Un échantillon de référence de 709 passages issus de guides DeAIze non marqués comme générés — sélectionnés uniquement par métadonnées, donc l’authorship humaine n’a pas été vérifiée de manière indépendante — a obtenu une moyenne de 26 % et une médiane de 25 %, avec une plage de 0 à 69 %. Sur ces 709 passages, 239 se situaient au niveau ou au-dessus du seuil de 30 %. Ce sont des décomptes de passages, non des décomptes de documents indépendants, et non un taux vérifié de faux positifs sur des textes humains.
Relisez cela, car c’est le chiffre le moins confortable de cette page. Même dans des écrits que nous avons produits nous-mêmes, environ un tiers des passages ont franchi un seuil qui ressemblerait à une accusation dans une salle de classe ou une boîte de réception. Un signalement est un indice sur le style, pas un verdict sur qui a tapé les mots.
La sortie de modèle non éditée racontait l’histoire inverse : 12 passages générés à partir d’invites fixes et laissés non édités ont obtenu une moyenne de 33 % et une médiane de 34 %, plage de 4 à 46 %. Les écarts se chevauchent. Aucune lecture unique ne sépare proprement les deux groupes.
Si vous voulez voir quelles phrases de votre propre brouillon portent le signal, collez-le dans DeAIze — la détection met en évidence chaque phrase selon sa probabilité d’IA, et l’essai de réécriture vous donne 200 mots après confirmation par e-mail, sans carte de crédit. Comparez les offres sur /pricing/.
Comparaison : ce que chaque option vous apporte réellement
| Option | À quoi il est destiné | Limites et compromis | Idéal quand |
|---|---|---|---|
| L’écrire vous-même, puis le modifier | Pleine paternité et contrôle | Le chemin le plus lent ; il faut quand même réviser | Le travail doit être défendablement le vôtre |
| ChatGPT ou un autre modèle | Générer et rédiger | Pas de filigrane ; le texte produit est fluide et régulier, ce que les détecteurs remarquent | Vous avez besoin d’un point de départ, pas d’un brouillon final |
| Outils de détection (DeAIze, GPTZero, Turnitin et autres) | Estimer à quel point un passage semble machine | Les définitions des scores diffèrent ; aucun score ne prouve la paternité | Vous voulez voir quelles phrases portent le signal |
| Outils de réécriture (WriteHuman, humaniseur DeAIze, autres) | Suggérer une formulation révisée pour votre propre brouillon | Vous devez vérifier vous-même les affirmations, quantités, citations, négations et nuances | Vous avez un brouillon qui vaut la peine d’être gardé et besoin qu’il sonne comme vous |
| Ne rien faire | — | Le signalement reste au dossier | Jamais, si le signalement a des conséquences |
Un chiffre du côté tiers, pour calibration : le benchmark mensuel public de WriteHuman, HumanizerBench, a été dominé pendant quatre cycles consécutifs par un seul outil, plus récemment en octobre 2026, et son offre gratuite couvre trois humanisations par mois à 250 mots chacune sans carte requise (source : writehuman.ai, https://writehuman.ai/blog/does-chatgpt-watermark-text). C’est le benchmark d’un fournisseur, donc à traiter comme une affirmation à tester, pas comme un fait à croire.
La solution : une passe de révision au niveau des phrases
C’est la partie qui change réellement votre résultat. Suivez ces étapes dans l’ordre.
- Analysez d’abord, modifiez ensuite. Passez votre brouillon dans un détecteur qui affiche des scores au niveau des phrases. Dans DeAIze, 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 au lieu de deviner.
- Réécrivez à la main les phrases signalées. Pas tout le document. Les lignes signalées sont généralement celles au rythme régulier, aux transitions empilées et aux verbes génériques. Cassez le rythme. Supprimez l’introduction qui tourne autour du pot. Mettez le sujet en tête.
- Ajoutez ce que vous seul savez. Une date, un lieu, un nombre que vous avez mesuré, la raison pour laquelle vous avez choisi une méthode plutôt qu’une autre. Les détecteurs ne peuvent pas modéliser des spécificités que vous avez inventées, car elles n’étaient pas dans la distribution d’entraînement de la prose générique.
- Vérifiez le sens, pas seulement la formulation. Passez en revue chaque affirmation, quantité, citation, négation et nuance par rapport à votre original. Les signalements de similarité sémantique sont une aide à la révision, pas une preuve que chaque sens a survécu.
- Réanalysez et arrêtez quand c’est suffisamment bon. Les scores des détecteurs varient entre les exécutions et entre les outils. Courir après un chiffre parfait vous fait perdre votre après-midi. Descendez sous le seuil utilisé par votre institution ou votre client, puis arrêtez.
Voici une illustration annotée de l’étape deux.
Avant (signalé) : « Une communication efficace joue un rôle crucial dans le succès de toute organisation, et par conséquent les dirigeants doivent privilégier une messagerie claire à tous les niveaux. »
Après (modifié) : « Les dirigeants qui écrivent mal sont ignorés. Dans notre dernier projet, la mise à jour hebdomadaire faisait neuf paragraphes et personne n’a lu au-delà du deuxième. »
La deuxième version est plus courte, contient un détail précis et varie la longueur des phrases. C’est toute la méthode. Si vous voulez le flux de travail complet, le guide à /humanize-ai-text/ le parcourt section par section.
Quand c’est le mauvais choix
N’achetez pas un humaniseur si l’une de ces descriptions vous correspond.
- Vous essayez de faire passer le travail de quelqu’un d’autre pour le vôtre. C’est un problème différent, et aucun outil ne le résout. Les idées, les données et les conclusions doivent être les vôtres.
- Vous êtes dans un litige de faute professionnelle en cours. Préservez l’original, conservez l’historique des versions et suivez la procédure d’appel. Un document réécrit n’est pas une preuve. Consultez le guide sur les audiences d’intégrité académique à /blog/academic-integrity-hearing-ai/ pour ce que les panels évaluent réellement.
- Votre institution interdit totalement l’assistance par IA. Vérifiez d’abord la politique. Un outil qui améliore votre prose ne change pas ce que la politique permet.
- Votre texte est déjà correct. Une seule phrase à faible probabilité n’est pas une crise. Économisez l’argent.
- Vous voulez une garantie de score sur le détecteur d’un autre fournisseur. Personne ne peut vous la donner, y compris nous. DeAIze ne garantit aucun score particulier ailleurs, et aucune API de fournisseur n’a été utilisée pour produire les chiffres ci-dessus — ce sont nos propres mesures.
Que faire ensuite, dans l’ordre
Premièrement, arrêtez de chercher un filigrane. Il n’y en a pas, et cette recherche ne vous disculpera pas. Deuxièmement, découvrez ce qui a réellement été mesuré — quel outil, quel seuil, quelles phrases. Demandez le rapport si vous ne l’avez pas. Troisièmement, lancez votre propre analyse pour ne pas argumenter par ignorance. Quatrièmement, modifiez vous-même les phrases signalées et relancez l’analyse. Cinquièmement, si le signalement a des conséquences, conservez vos brouillons et votre historique de versions, et utilisez la procédure de divulgation prévue par votre établissement ou votre client plutôt que d’improviser.
C’est la réalité honnête de ce problème. OpenAI ne marque pas votre production. Un modèle estime à quel point elle semble générée par une machine. L’estimation est bruitée des deux côtés — nos propres passages de référence ont franchi un seuil de 30 % 239 fois sur 709. Et le seul levier que vous contrôlez, c’est l’écriture elle-même.
Note méthodologique : les chiffres de cet article proviennent de notre propre détecteur exécuté le 2026-09-28 — n = 709 passages de référence issus de guides non marqués comme générés contre n = 12 passages de modèle non modifiés, score IA médian de 25 % et 34 % respectivement. L’auteur des passages de référence n’a pas été vérifié de manière indépendante ; les passages ne sont pas des documents indépendants. Méthode : /methodology/.