La détection par IA est-elle une preuve ? Ce qu'exige une procédure régulière

Non. La détection par IA est-elle une preuve de paternité ? Elle ne l’est pas. Un score de détecteur est une estimation de probabilité produite par un modèle statistique — un signal faible parmi d’autres. Considérez-le comme une raison d’examiner de plus près, jamais comme une conclusion. Dès qu’un score est utilisé pour accuser quelqu’un, vous lui devez une procédure : divulgation, possibilité de répondre et décision documentée.

Points clés à retenir

• Un score de détecteur est une probabilité, pas un verdict. Il ne peut pas vous dire qui a écrit une phrase, seulement à quel point le texte ressemble à une sortie de modèle.
• Dans notre propre mesure (2026-09-19, n = 46 guides DeAIze rédigés à la main, seuil de signalement de 30 %), le texte rédigé par des humains a obtenu un score IA moyen de 27 %, avec 17 sur 46 signalés. C’est le problème des faux positifs en une ligne.
• Une procédure régulière signifie que l’accusé voit le score, sait quel outil l’a produit et peut répondre avant toute sanction.
• Documentez le raisonnement, pas seulement le résultat. « Le score était élevé » n’est pas un compte rendu de décision.
• Demandez ce qui corrobore également le signalement : brouillons, historique des versions, défense orale, vérifications des citations, historique de rédaction.

Pourquoi les preuves de détection par IA sont-elles si faibles à elles seules ?

Les détecteurs examinent des statistiques de surface : à quel point chaque mot est prévisible, dans quelle mesure la longueur des phrases varie, à quelle fréquence le texte répète un schéma. Ces signaux sont corrélés à la génération par machine. Ils sont aussi corrélés à une prose académique soignée, à un texte traduit, à une rédaction juridique stéréotypée et à l’anglais simple que l’on enseigne souvent aux rédacteurs non natifs. C’est ce chevauchement qui explique qu’un score puisse être élevé sur un document qu’aucun modèle n’a touché.

Notre ensemble local, exécuté sur 46 guides DeAIze rédigés à la main avec un seuil de signalement de 30 %, a produit un score IA moyen de 27 % et une médiane de 25 %, avec une plage de 0 à 55. Dix-sept de ces 46 documents humains ont été signalés. Rien n’a été généré. Les scores ont simplement dépassé la ligne.

La même exécution a évalué 12 passages de modèle non édités : moyenne 35 %, médiane 34 %, plage de 25 à 49. Remarquez le chevauchement. L’écriture humaine et la sortie de modèle non éditée occupent des bandes voisines. Un seul chiffre ne peut pas les séparer proprement, et tout processus qui prétend le contraire punira les mauvaises personnes.

Un autre chiffre de cette exécution mérite qu’on s’y attarde. La fréquence des indices d’IA — la densité de phrases toutes faites, de formules d’atténuation et de remplissage — était de 3 pour 100 mots dans l’échantillon humain et de 1 pour 100 mots dans la sortie de modèle non éditée. Les humains ont utilisé plus d’indices que les machines. Si votre instinct est « je peux simplement le voir à la lecture », cet instinct est aussi mesurablement peu fiable.

À quoi ressemble une procédure équitable lorsqu’un score est utilisé contre quelqu’un ?

La procédure équitable dans ce contexte n’est pas une formule juridique. C’est une séquence qui donne à l’accusé une chance équitable de répondre. Pour un enseignant, un éditeur ou un rédacteur RH, cela ressemble à ceci :

1. Séparez le signalement de la conclusion. Consignez qu’un outil a renvoyé un score. Ne consignez pas que la personne a utilisé l’IA.
2. Divulguez l’outil et le score. Nommez le détecteur, la version si elle est connue, et la lecture exacte. Le secret sur l’instrument rend tout appel impossible.
3. Montrez la ventilation phrase par phrase. Un chiffre pour l’ensemble du document masque quelles lignes portaient le signal. Si votre outil ne donne qu’un score de document, dites-le — cette limitation doit figurer au dossier.
4. Invitez une réponse avant de décider. Demandez à la personne d’expliquer son processus, de montrer des brouillons ou de discuter du contenu oralement.
5. Pesez les éléments corroborants. L’historique des versions, les travaux antérieurs dans la même voix, les sources citées et la capacité de la personne à discuter du contenu comptent tous plus que le score.
6. Décidez et consignez-le par écrit. Indiquez sur quoi vous vous êtes appuyé, ce que vous avez écarté et pourquoi.

Si vous êtes la personne concernée, le miroir pratique de ceci est traité dans Faux positif du détecteur d’IA : que faire lorsqu’on vous accuse. Les étapes sont les mêmes ; seule la place change.

Si vous êtes la personne qui effectue la vérification, commencez par l’appliquer à votre propre processus. Le détecteur de DeAIze affiche un score de document et met en évidence chaque phrase selon la probabilité d’IA, ce qui vous permet de voir si un signalement porte sur un paragraphe isolé ou sur l’ensemble du texte — exactement le détail dont une décision équitable a besoin.

Quelles questions devez-vous poser avant d’agir sur un signalement ?

Passez en revue ces questions avant qu’une conséquence ne s’attache. Si vous ne pouvez pas y répondre, vous n’êtes pas prêt à agir.

Cette dernière ligne n’est pas une formalité. Une décision prise avant que la personne ait vu l’allégation ne constitue pas une procédure régulière, quoi qu’en dise la paperasse.

Comment documenter une décision qui repose en partie sur un détecteur ?

Rédigez le compte rendu comme si quelqu’un devait le lire dans deux ans sans aucun souvenir du dossier. Un compte rendu exploitable comporte quatre parties :

• Ce que l’outil a signalé. Nom de l’outil, date, score, seuil, et si la lecture était au niveau du document ou de la phrase. Notez qu’un score de détecteur est une estimation de probabilité, et non une preuve de paternité.
• Ce que vous avez examiné d’autre. Brouillons, historique des révisions, discussions orales, vérifications des sources, travaux antérieurs. Listez ce que vous avez trouvé, y compris tout élément qui contredisait le signalement.
• Ce que vous avez conclu et pourquoi. Distinguez entre « le score était élevé » et « le score était élevé, la personne ne pouvait pas expliquer l’argument, et aucun brouillon n’existait ». Seul le second constitue une conclusion.
• Ce que vous avez fait. L’action, sa portée et la voie de recours.

Gardez le score brut hors de tout dossier public ou permanent, sauf si la politique l’exige explicitement. Une estimation de probabilité qui s’avère ensuite peu fiable ne devrait pas suivre quelqu’un pendant des années.

Les rédacteurs en chef et les équipes de contenu peuvent s’approprier la même discipline. Si un brouillon de freelance est signalé, le compte rendu est le brief, l’historique des révisions et les notes de l’auteur — pas le chiffre. Notre guide sur le fonctionnement de la détection d’IA explique quels signaux alimentent le score, ce qui vous aide à juger du poids qu’il mérite dans un genre donné.

Que dites-vous à un étudiant ou un employé qui conteste le score ?

Commencez par reconnaître la véritable limite. Les détecteurs sont probabilistes. Ils se contredisent les uns les autres. Ils signalent des écrits humains. Dites-le à voix haute, parce que c’est vrai, et parce que prétendre le contraire détruit la confiance dès l’instant où la personne se renseigne elle-même sur le sujet.

Ensuite, faites trois choses :

1. Montrez-leur le rapport. Le score, les phrases qui ont porté le signal et les réserves énoncées par l’outil lui-même.
2. Expliquez ce qui vous ferait changer d’avis. Une trace de brouillon, une brève présentation orale de l’argumentation, des travaux antérieurs dans le même registre. Donnez-leur un chemin, pas un mur.
3. Séparez le processus du résultat. Vous pouvez estimer qu’un signal méritait d’être examiné et conclure malgré tout que la personne a rédigé le travail. Le dire n’est pas une faiblesse ; c’est le système qui fonctionne.

Si le litige persiste, indiquez-leur par écrit la voie de recours et gardez vos propres notes factuelles. Pour les cas académiques, Audience d’intégrité académique et IA : ce que les commissions évaluent détaille ce que les commissions prennent réellement en compte — généralement la qualité de l’explication et les corroborations, pas le chiffre brut.

Pourquoi les enseignants et les commissions se trompent-ils encore ?

Parce qu’un nombre semble objectif. Il est produit par un logiciel, il comporte une décimale et il arrive avant qu’un humain ait lu le travail. C’est exactement l’inverse. Le score devrait être la dernière chose que vous examinez, après la trace de brouillon, la conversation et le contenu lui-même.

Il y a aussi une asymétrie dans le préjudice. Un faux positif coûte à l’accusé un temps et un stress considérables ; un faux négatif coûte très peu à une institution. Les systèmes optimisés pour tout détecter génèrent des faux positifs par conception. Si votre politique ne nomme pas ce compromis, ce n’est pas une politique — c’est une préférence.

Les rédacteurs de politiques devraient également vérifier si leurs règles permettent même ce qu’ils font. Politique d’intégrité académique et IA : ce que votre université autorise réellement est une vérification utile à ce sujet, et Détection de l’IA vs plagiat : deux échecs différents clarifie pourquoi une conclusion de plagiat et un signalement par IA ne sont pas la même accusation.

Que devrait réellement dire votre politique écrite ?

Une politique défendable nomme l’outil, le seuil, l’étape de révision humaine et la voie de recours. Elle stipule qu’un score de détecteur seul ne déclenchera pas de sanction. Elle précise qui peut voir le score et combien de temps il est conservé. Elle exige que l’accusé voie les preuves avant une décision.

Elle devrait aussi dire ce que l’institution ne fera pas : elle ne traitera pas une estimation de probabilité comme une preuve, et elle n’agira pas sur la base d’un outil que l’accusé n’est pas autorisé à voir. Ces deux phrases permettent d’éviter la plupart des cas qui finissent dans les médias.

Enfin, prévoyez une date de révision. Le comportement des détecteurs change, les seuils sont réajustés, et une politique écrite autour de la sortie d’un outil pour un semestre donné sera erronée plus tard. Relisez-la chaque année et vérifiez-la par rapport à vos propres données de signalement.

Prêt à voir quelles phrases semblent générées par une machine ?

Si vous êtes la personne qui doit trancher, obtenez la vue au niveau des phrases avant de vous lancer dans l’argumentation. Passez un brouillon dans le détecteur d’IA de DeAIze pour voir le score du document et chaque phrase signalée, afin de savoir si vous avez affaire à un paragraphe étrange ou à un document entier. Si le signalement concerne votre propre écriture, l’éditeur de brouillon vous permet de réécrire uniquement les lignes signalées et de vérifier si le sens a survécu. La tarification est à l’usage, les crédits n’expirent jamais, et l’offre gratuite vous donne 200 mots à l’inscription sans carte de crédit — commencez sur deaize.com/register ou consultez d’abord la page des tarifs. Les scores du détecteur sont des estimations de probabilité, pas des preuves de paternité. Utilisez-les pour décider où chercher, pas pour conclure.