GPTZero et ZeroGPT vous donnent tous deux un chiffre, et lorsque les chiffres divergent, vous devez deviner lequel votre professeur, votre éditeur ou votre client croira. Ni l’un ni l’autre n’est un verdict. Ce sont tous deux des estimations de probabilité construites à partir des mêmes signaux généraux, et la question pratique n’est pas de savoir quel outil a raison — mais quelles phrases de votre brouillon font le dégât, et ce que vous faites à leur sujet aujourd’hui.
Que rapportent réellement GPTZero et ZeroGPT ?
Le résultat principal de GPTZero est une probabilité d’IA au niveau du document, plus une ventilation phrase par phrase sur la plupart des formules. Il s’appuie sur deux signaux nommés, la perplexité et la burstiness, et met en évidence les phrases qu’il considère comme les plus susceptibles d’être générées par une machine. ZeroGPT vous donne un pourcentage pour le texte collé et, dans sa vue détaillée, une répartition au niveau des phrases entre ce qu’il appelle les portions humaines et les portions d’IA. Les deux sont gratuits à essayer en petits volumes, ce qui explique précisément pourquoi les rédacteurs finissent par les comparer.
Le chevauchement compte plus que les différences. Les deux estiment la même chose : à quel point vos choix de mots sont prévisibles, et à quel point la longueur de vos phrases est régulière. Des phrases uniformes, de longueur moyenne, avec des transitions courantes, sont perçues comme prévisibles. Un rythme irrégulier avec des noms spécifiques est perçu comme moins prévisible. C’est tout le moteur, et c’est pourquoi le même paragraphe peut obtenir un score élevé sur un outil et une lecture limite sur l’autre.
Pourquoi GPTZero et ZeroGPT ne sont-ils pas d’accord sur le même texte ?
Parce qu’ils ne mesurent pas la même chose à la même résolution. Des différences qui font systématiquement bouger un score mais pas l’autre :
- Découpage des phrases. Un outil peut traiter une phrase de 30 mots comme une seule unité ; l’autre peut la couper au point-virgule. Des segments courts donnent moins de matière au modèle, et la notation de textes courts est par nature plus bruitée.
- Longueur minimale. Collez 80 mots et les deux outils devinent. Collez 800 et ils convergent plus souvent qu’on ne l’imagine.
- Données d’entraînement et seuils. Chaque fournisseur choisit son propre seuil pour qualifier quelque chose d’IA. Un score qui se situe juste sous la ligne d’un outil peut se situer juste au-dessus de celle de l’autre.
- Ce qui compte comme « mixte ». Certains outils divisent un document en portions IA et humaines ; d’autres donnent un chiffre global. Un chiffre global masque le fait que trois phrases portent tout le signalement.
- Fréquence de mise à jour. Les deux produits se réentraînent et se réajustent. Un résultat que vous avez capturé en image le trimestre dernier n’est pas une propriété fixe de votre écriture.
Donc quand quelqu’un demande lequel des deux est précis, la réponse honnête est qu’aucun ne publie de chiffre de précision sur lequel vous devriez vous baser, et que leur désaccord est normal plutôt que la preuve d’un bug. Nous traitons la sortie du détecteur comme une estimation de probabilité, pas comme une preuve de paternité, et quiconque lit votre rapport devrait faire de même.
Si vous comparez des outils pour décider quoi acheter plutôt que quoi corriger, l’offre gratuite est l’expérience à moindre coût : 200 mots à l’inscription, sans carte bancaire, et vous pouvez voir la mise en évidence au niveau des phrases avant de dépenser quoi que ce soit sur /pricing/.
Sur quel score faut-il agir ?
Agissez sur la vue au niveau des phrases, quel que soit l’outil qui vous la fournit. Un score de document vous dit si vous devez vous inquiéter ; une liste de phrases vous dit où. Si GPTZero met en évidence votre troisième paragraphe et que ZeroGPT répartit le signalement uniformément sur tout le texte, le paragraphe est le vrai signal et la répartition uniforme est probablement un artefact de longueur.
Une règle applicable : si les deux outils signalent la même phrase, corrigez-la. Si un seul le fait, lisez la phrase à voix haute. Si elle ressemble à un communiqué de presse, corrigez-la quand même. Si elle vous ressemble, laissez-la et notez le désaccord.
| Situation | GPTZero dit | ZeroGPT dit | Que faire |
|---|---|---|---|
| Les deux signalent le même paragraphe | Signalé | Signalé | Réécrivez d’abord ces phrases — signal de plus haute confiance |
| L’un signale, l’autre passe | Signalé | Humain | Lisez à voix haute ; corrigez seulement si le rythme est plat |
| Document entier signalé uniformément | Élevé | Élevé | Cherchez des artefacts de longueur ; vérifiez si le texte fait moins de ~200 mots |
| Seule la conclusion est signalée | Signalé | Humain | Schéma courant — les conclusions résument, et les résumés sont prévisibles |
| Extrait court signalé | Élevé | Élevé | Retestez avec le document complet avant de changer quoi que ce soit |
Que dit notre propre mesure à propos du texte signalé ?
Nous avons exécuté notre détecteur sur deux corpus le 2026-09-19, avec un seuil de signalement de 30 %, en utilisant l’ensemble local sur le niveau lite. Un échantillon rédigé par des humains de 46 guides DeAIze écrits à la main a obtenu un score IA moyen de 27 %, une médiane de 25 %, une plage de 0-55 %, avec 17 sur 46 signalés à ce seuil. La sortie de modèle non éditée — 12 passages générés à partir d’invites fixes et laissés tels quels — a obtenu une moyenne de 35 %, une médiane de 34 %, une plage de 25-49 %.
Relisez cela, car c’est la chose la plus utile sur cette page. L’écriture humaine et la sortie de modèle non éditée se chevauchaient fortement. La sortie non éditée n’était pas nettement plus élevée. L’écart entre « définitivement humain » et « définitivement machine » est bien plus étroit que ne le suggère le marketing autour de ces outils, et à un seuil strict, une grande part de documents véritablement humains est signalée.
Nous avons aussi compté la fréquence des indices d’IA — transitions toutes faites, formules d’atténuation, les habitudes de surface habituelles — et avons trouvé 3 pour 100 mots dans l’échantillon humain contre 1 pour 100 mots dans la sortie de modèle non éditée. Autrement dit, les rédacteurs humains utilisent plus de phrases que les gens associent à l’IA que les modèles. Cela mérite réflexion avant de paniquer à cause d’une seule phrase signalée.
Pourquoi ma propre écriture semble-t-elle générée par une machine ?
Généralement l’une de quatre choses, aucune ne concernant la paternité :
- Vous avez révisé pour peaufiner. Chaque passe qui lisse une phrase vers la même longueur que ses voisines augmente la prévisibilité. L’écriture académique et professionnelle formelle le fait par défaut.
- Vous écrivez dans une langue seconde. Les rédacteurs non natifs optent souvent pour des constructions sûres et très fréquentes — les mêmes que les détecteurs associent au texte généré. Si c’est votre cas, le signalement est un artefact de style et il existe un schéma documenté.
- Vous avez utilisé l’IA quelque part dans le processus. Planification, développement de puces, ou un outil de grammaire qui a réécrit des propositions entières. Le résultat est un brouillon hybride, et les hybrides sont les plus difficiles à évaluer.
- Le texte est court. Un résumé de 150 mots ou une légende LinkedIn donne très peu de matière à un détecteur. Les scores des textes courts varient fortement.
Aucune de ces situations ne signifie que vous avez triché. Toutes signifient que le brouillon a un problème de rythme que vous pouvez corriger au niveau de la phrase.
Comment corriger un brouillon signalé sans le vider de sa substance ?
La méthode qui fonctionne est ennuyeuse : localiser, réécrire de manière ciblée, vérifier le sens, réévaluer.
- Évaluez l’ensemble du document. Notez le score du document mais n’agissez pas encore dessus.
- Listez les phrases signalées. Écrivez-les dans l’ordre, en les dépouillant du contexte environnant.
- Pour chacune, demandez-vous ce qu’elle fait. Une transition signalée est peu coûteuse à corriger. Une phrase signalée qui porte votre argument réel ne l’est pas — celle-là a besoin d’un verbe différent, d’un exemple concret ou d’un chiffre, pas d’une paraphrase.
- Réécrivez uniquement ces phrases. Laissez le reste intact. La réécriture globale est la cause de la dérive du sens.
- Vérifiez que l’affirmation a survécu. Comparez la nouvelle phrase à l’ancienne et confirmez le même fait, la même portée, la même force d’affirmation.
- Réévaluez. Si le score du document a évolué et que le sens est préservé, gardez la modification. Sinon, revenez en arrière.
Voici une illustration, pas un vrai brouillon client. Avant : « Il est important de considérer les divers facteurs qui contribuent à l’efficacité globale de l’approche proposée. » Cette phrase ne dit presque rien et est extrêmement prévisible. Après : « Trois choses déterminent si cette approche fonctionne : la taille de l’échantillon, la qualité des étiquettes et la durée d’exécution. » Même emplacement dans le paragraphe, même fonction, mais maintenant elle s’engage sur des spécificités — et les spécificités sont ce qu’il y a de plus difficile pour un détecteur à qualifier de fabrication machine, car elles constituent le contenu le moins prévisible du document.
Ce dernier point est celui que les gens manquent. Le moyen le plus rapide de réduire un score d’IA n’est pas de remplacer des synonymes. C’est de mettre dans la phrase quelque chose que vous seul auriez pu écrire — un chiffre, un nom, une date, une décision que vous avez prise. Les détecteurs estiment la prévisibilité, donc la solution est d’être moins prévisible d’une manière qui soit aussi plus informative.
Et si un détecteur signale un texte que vous avez entièrement écrit vous-même ?
Alors vous avez un faux positif, et ils sont courants — notre propre mesure a signalé 17 documents sur 46 écrits par des humains à un seuil de 30 %. Les faux positifs frappent le plus durement dans trois cas : la prose académique formelle, l’écriture en langue seconde et tout texte court. Si c’est une personne qui vous accuse plutôt qu’un outil, la démarche utile est de montrer votre processus — fichiers de brouillon, horodatages, notes, l’historique des versions qui montre comment le texte a été élaboré. Gardez-les avant d’en avoir besoin.
Il est également utile de dire clairement ce qu’est la sortie d’un détecteur. C’est une estimation de probabilité produite par un modèle privé avec des seuils non publiés. Ce n’est pas une conclusion de fait, et un désaccord entre GPTZero et ZeroGPT est une propriété normale de deux estimations, pas la preuve que l’un d’eux vous a démasqué.
Que devriez-vous faire ensuite, concrètement ?
Si votre texte semble généré par une machine et que vous avez deux scores contradictoires sous les yeux, arrêtez de comparer les outils et commencez à modifier les phrases. Choisissez l’outil qui met en évidence les phrases, parcourez la liste des phrases signalées de haut en bas, et recalculez le score après chaque passage plutôt qu’à la fin. Si vous voulez comprendre pourquoi tout cela se produit, /blog/how-ai-detection-works/ détaille les signaux, et /blog/are-ai-detectors-accurate/ explique pourquoi deux outils peuvent examiner le même paragraphe et être en désaccord.
Lorsque vous souhaitez automatiser la boucle, l’éditeur de brouillon le fait en une seule passe : évaluez le texte, réécrivez uniquement les phrases signalées, ne conservez une réécriture que si la similarité sémantique indique que le sens a été préservé, puis recalculez le score et rapportez avant et après. Il est disponible sur /draft-editor/, et la partie détecteur — y compris la mise en évidence au niveau des phrases — se trouve sur /ai-detector/. Le site rapporte une réduction moyenne du score IA de plus de 60 % après humanisation, avec un meilleur cas à 71 %, et sur le paragraphe exemple utilisé sur le site, un score IA de 92 % devient 4 %. Ce sont les scores prédits par le produit lui-même, pas un verdict tiers, et aucun outil ne peut vous promettre un chiffre particulier sur le détecteur de quelqu’un d’autre.
Une limite qu’il vaut la peine d’énoncer clairement : les idées, les données et les conclusions doivent être les vôtres. Humaniser un brouillon améliore sa lecture. Cela ne fait pas de l’œuvre de quelqu’un d’autre la vôtre, et cela ne vous aidera pas si l’affirmation sous-jacente n’a jamais été la vôtre.
Prêt à voir quelles phrases semblent générées par une machine ?
Collez votre brouillon dans le détecteur et regardez la mise en évidence des phrases, pas le chiffre principal. C’est là que se trouve le travail. Corrigez les lignes qui portent le signal, laissez celles qui vous ressemblent, et recalculez le score pour confirmer que le sens est préservé. Commencez gratuitement avec 200 mots et sans carte de crédit sur /register, ou consultez les tarifs des crédits sur /pricing/ si vous travaillez sur un document plus long. Les téléchargements acceptent .txt, .docx et .pdf, et la réécriture d’un fichier Word préserve les polices, les styles et les tableaux. La détection et la réécriture couvrent l’anglais et neuf autres langues, l’interface est disponible en dix langues, et votre texte est traité uniquement pour la tâche en cours — jamais utilisé pour l’entraînement, jamais revendu.