Vous pouvez réduire le score de détection d’IA sur le texte Claude, mais pas en trompant le détecteur. Vous le réduisez en transformant le brouillon en votre propre argument : des phrases plus courtes, des détails concrets, vos propres exemples. C’est vraiment inconfortable si vous avez utilisé Claude pour écrire la réflexion, pas seulement la frappe — car alors il n’y a rien de vous vers quoi éditer. Si c’est votre situation, arrêtez ici et écrivez le texte vous-même.
Si Claude vous a aidé à rédiger un brouillon de quelque chose que vous compreniez déjà, la solution ci-dessous fonctionne, et il s’agit surtout d’édition, pas d’évasion.
Pourquoi le texte Claude est-il signalé au départ ?
Claude écrit dans un registre reconnaissable. Des phrases longues et équilibrées. Des affirmations nuancées (« tandis que X est vrai, Y compte aussi »). Des transitions qui s’annoncent elles-mêmes (« De plus », « Il convient de noter »). Chaque paragraphe à peu près de la même longueur. Des affirmations énoncées à un niveau de généralité qui convient à n’importe quel sujet.
Les détecteurs cherchent exactement cette forme. Ils ne lisent pas pour le sens ; ils mesurent à quel point chaque mot est prévisible compte tenu de ceux qui le précèdent, et à quel point la longueur des phrases varie. La sortie de Claude est inhabituellement prévisible et inhabituellement uniforme. Ce n’est pas du plagiat. C’est une signature stylistique.
Notre propre mesure le démontre. 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 tirés de guides DeAIze non marqués comme générés avait un score IA moyen de 26 % et une médiane de 25 %, avec une plage de 0-69 % ; 239 sur 709 se situaient au niveau ou au-dessus du seuil. Il s’agit d’un nombre de passages, pas d’un taux vérifié de faux positifs humains, et les passages d’un même guide ne sont pas des échantillons indépendants. Comparez-le avec 12 passages de sortie de modèle non édités issus de prompts fixes : moyenne 33 %, médiane 34 %, plage 4-46 %. L’écart est réel mais il n’est pas énorme. La sortie de modèle se situe plus haut que la prose ordinaire, et la prose ordinaire elle-même franchit parfois la ligne.
C’est la partie inconfortable. Un signalement est une lecture du style, pas un verdict sur la paternité.
Qu’est-ce qui fait réellement baisser le score ? (Six modifications qui changent la donne)
Travaillez dans cet ordre. Chaque étape modifie la forme statistique du texte, pas seulement le libellé.
1. Supprimez les précautions. Claude privilégie par défaut la nuance : « généralement », « dans de nombreux cas », « on soutient souvent ». Gardez les précautions là où l’affirmation en a réellement besoin. Supprimez le reste. Vous perdrez une partie de votre nombre de mots et gagnerez en précision.
2. Cassez le rythme. Comptez la longueur de vos phrases consécutives. Si quatre phrases d’affilée font 25 à 35 mots, coupez-en une en huit mots. Laissez-en une s’étirer. L’irrégularité délibérée est le signal le plus fiable d’une main humaine.
3. Remplacez les noms abstraits par des choses. « La mise en œuvre de stratégies de communication efficaces » devient « envoyer au client une mise à jour de deux lignes vendredi ». Claude généralise parce qu’il ne connaît pas vos spécificités. Vous, si.
4. Ajoutez un détail que vous seul pourriez connaître. Une date. Une pièce. Un chiffre issu de vos propres données. Une source nommée. Ce n’est pas de la décoration ; cela brise la courbe de prévisibilité car c’est une information que le modèle n’aurait pas pu deviner.
5. Supprimez l’échafaudage de transition. « En outre », « De plus », « En conclusion ». Si deux paragraphes ont besoin d’un connecteur, laissez la logique le porter.
6. Lisez-le à voix haute. Là où vous trébuchez, c’est le modèle qui l’a écrit. Réécrivez cette phrase comme vous la diriez à un collègue.
Si vous voulez voir quelles phrases portent le signal avant de commencer à éditer, passez le brouillon dans DeAIze — la détection se fait au niveau de la phrase, vous obtenez donc une lecture ligne par ligne plutôt qu’un seul chiffre opaque. L’essai de réécriture est de 200 mots après confirmation par e-mail, sans carte de crédit, et la détection a ses propres limites configurables affichées dans l’interface.
Exemple concret : un paragraphe, avant et après
Les deux versions ci-dessous sont des exemples que j’ai écrits pour montrer le schéma de modification, pas des mesures.
Avant (forme typique de Claude): « Un onboarding efficace est un élément essentiel de la rétention des employés à long terme. Les organisations qui investissent dans des programmes d’onboarding structurés constatent généralement de meilleurs résultats en matière d’engagement. En outre, de tels programmes peuvent servir à réduire les frictions associées aux transitions de rôle en début de parcours. »
Après: « Nous avons perdu deux recrues l’an dernier au cours de leur premier mois. Les deux ont dit la même chose lors de leur départ : personne ne leur avait dit quoi faire le premier jour. Alors nous avons créé une checklist — onze points, un responsable chacun, envoyée le vendredi précédant leur arrivée. Personne n’a démissionné au cours du premier mois depuis. »
La deuxième version est plus courte, irrégulière, spécifique, et contient un fait qu’aucun modèle ne pourrait inventer. C’est toute la méthode. Les scores des détecteurs y seront généralement plus bas parce que le texte ne ressemble plus à ce qu’un modèle générerait par défaut.
Ce que chaque option fait réellement — et ce qu’elle coûte
Le tableau ci-dessous compare les pistes réalistes. Les chiffres concernant les autres outils proviennent de leurs propres documents publiés, attribués dans la ligne.
| Option | Ce qu’elle fait | Compromis | Idéal pour |
|---|---|---|---|
| Modifier vous-même le brouillon Claude | Supprime les formules prudentes, varie le rythme, ajoute vos spécificités | Lent ; exige que vous connaissiez le sujet | Toute personne dont les idées sont déjà les siennes |
| Humaniseur DeAIze | Suggère une formulation révisée pour votre propre brouillon, phrase par phrase | Vous devez comparer avec l’original et vérifier les affirmations, quantités, citations, négations et nuances ; la similarité sémantique est une aide à la relecture, pas une preuve | Les brouillons que vous comprenez mais que vous ne pouvez pas envisager de réécrire ligne par ligne |
| Les propres consignes de Turnitin | Indique qu’aucun score ni surlignage n’est attribué dans la plage de 1 % à 19 % ; en dessous du seuil de 20 %, le rapport affiche un astérisque plutôt qu’un pourcentage (source : turnitin.com) | Outil institutionnel ; vous n’avez peut-être pas accès au rapport vous-même | Comprendre ce que montre réellement le rapport de votre établissement |
| La FAQ publiée de GPTZero | Explique qu’une probabilité de classe peut se lire comme la chance que le détecteur ait raison sur des documents similaires — 90 % signifiant 90 % du temps sur des documents similaires (source : gptzero.me) | Une déclaration de confiance sur l’instrument, pas sur votre essai | Lire un score sans paniquer |
| Outils de paraphrase | Remplacent les synonymes | Laisse généralement le rythme et la structure intacts, ce qui est précisément ce qui vous a fait signaler | Pas grand-chose, honnêtement |
Les chiffres de Turnitin méritent qu’on s’y attarde. La page produit de Turnitin indique elle-même qu’elle peut signaler un document rédigé par un humain comme écrit par une IA pour un document entièrement humain sur 100, et qu’un document identifié comme probablement écrit par une IA à 50 % pourrait contenir jusqu’à 65 % de texte généré par une IA. Ce sont les propres mots du fournisseur au sujet de sa propre incertitude. Si le fabricant de l’outil décrit une telle marge, un signalement est une invitation à examiner le texte, pas une conclusion à votre sujet.
Quand c’est le mauvais choix
N’utilisez rien de tout cela si les idées, la structure et les conclusions viennent de Claude et que vous ne changez que la surface. Reformuler le raisonnement de quelqu’un d’autre — ou d’un modèle — pour qu’il passe un contrôle constitue une fausse déclaration, et cela se verra dès que quelqu’un vous posera une question de suivi. Aucune méthode de réécriture ne corrige cela, et aucun outil ne devrait vous être vendu comme s’il le pouvait.
C’est aussi le mauvais choix lorsque les enjeux sont formels. Si vous êtes confronté à une procédure d’intégrité académique, à une demande d’un éditeur ou à un employeur qui demande comment un document a été produit, la démarche utile est différente : conservez le brouillon original et son historique de versions, gardez vos notes et soyez capable d’expliquer votre processus. Notre guide sur ce que les commissions évaluent réellement lors d’une audience pour intégrité académique détaille les preuves qui comptent, et l’article sur la politique d’intégrité académique couvre l’endroit où se situe généralement la limite entre assistance et fausse déclaration.
Enfin, passez outre si vous écrivez quelque chose de court. Un e-mail de 90 mots ne porte pas assez de signal pour qu’un détecteur le lise de manière fiable. Écrivez-le, tout simplement.
Une attente réaliste pour votre prochaine exécution
Après les six modifications ci-dessus, la plupart des brouillons se lisent nettement moins comme produits par une machine. Mais aucune méthode ne garantit un score particulier sur un outil particulier, et DeAIze ne prétend pas le contraire. Les scores diffèrent selon l’instrument : une probabilité de modèle, une part de prose qualifiante et un pourcentage de similarité ne sont pas la même quantité, et aucun d’eux ne prouve la paternité.
Ce que vous pouvez contrôler, c’est le texte. Rendez-le précis. Rendez-le irrégulier. Mettez-y vos propres faits. Ensuite, vérifiez-le avec l’outil qu’utilise votre établissement ou votre client, et lisez le résultat comme une lecture parmi d’autres. S’il signale encore quelque chose, regardez quelles phrases portent le signal — dans une vue au niveau de la phrase, c’est visible — et modifiez celles-là, pas tout le document.
Si vous voulez la version longue de cette méthode, le pilier humaniser un texte IA couvre l’ordre des modifications plus en détail, et le guide Claude sur la modification des sorties traite de la manière de conserver votre propre voix tout au long d’une réécriture.
Note de mesure : les chiffres de cet article proviennent de notre propre exécution du détecteur 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. La paternité des références n’a pas été vérifiée de manière indépendante ; les passages ne sont pas des documents indépendants. Méthode : /methodology/.