GPTZero est-il légitime ? Oui, c’est un véritable détecteur conçu par une véritable entreprise, et non, son résultat ne prouve pas que vous avez utilisé l’IA. GPTZero renvoie un score de type probabiliste par document et met en évidence les phrases qu’il estime générées par une machine. Ce score est une lecture de modèle, pas un verdict, et ce n’est pas une preuve de paternité. Comprendre ce que mesure ce pourcentage fait la différence entre corriger un brouillon signalé et paniquer à son sujet.
Ce que GPTZero est réellement, et ce qu’il n’est pas
GPTZero est un détecteur d’IA commercial. Vous collez du texte, téléversez un fichier ou connectez son API, et il renvoie un score accompagné d’une mise en évidence au niveau des phrases. C’est l’un des premiers outils destinés aux enseignants, ce qui explique pourquoi il apparaît dans tant de discussions sur l’intégrité académique.
Trois choses qu’il n’est pas :
- Ce n’est pas un test de paternité. Aucun détecteur, y compris le nôtre, ne peut vous dire qui a écrit un document. Il mesure les propriétés statistiques du texte.
- Ce n’est pas le même instrument que Turnitin, Copyleaks, Originality.ai ou Scribbr. Chacun construit son propre modèle, utilise son propre seuil et définit son score différemment. Comparer un pourcentage de GPTZero à un pourcentage de Turnitin, c’est comme comparer une température à une vitesse de vent.
- Ce n’est pas un vérificateur de plagiat. Le plagiat concerne les sources non attribuées ; la détection d’IA concerne la texture statistique. Ce sont deux échecs différents, et un document peut échouer à l’un, aux deux, ou à aucun. Si vous avez besoin que cette distinction soit explicitée, notre guide sur la détection d’IA vs le plagiat l’explique en détail.
Pourquoi GPTZero signale-t-il mon propre texte ?
La plupart des faux positifs proviennent des mêmes quelques causes, et aucune d’entre elles n’implique que vous trichez.
Faible burstiness. L’écriture humaine varie beaucoup la longueur des phrases. Une phrase de trois mots suivie d’une de trente mots est normale. La prose académique soignée aplatit souvent cette variation, et cet aplatissement ressemble au motif que les détecteurs associent à la sortie d’un modèle. Notre explication sur burstiness et perplexité couvre les mécanismes.
Structure formulaïque. Si chaque paragraphe a une phrase thème, trois appuis et une transition, vous avez écrit ce qu’un modèle de langage écrirait. Les enseignants enseignent cette structure. Les détecteurs la pénalisent.
Formulations à haute fréquence. Les connecteurs et les formules d’atténuation académiques courants se regroupent. Lorsqu’ils se regroupent densément, la lecture du modèle augmente.
Traduction. Un texte passé par une étape de traduction automatique, ou écrit par quelqu’un qui pense dans une autre langue et traduit mentalement, porte souvent la même texture à faible variation. Les rédacteurs non natifs de l’anglais sont les plus touchés ici, et l’effet est bien documenté dans les plaintes des étudiants. Nous en avons parlé dans pourquoi un détecteur d’IA signale les rédacteurs non natifs de l’anglais.
Texte court. En dessous d’environ 100 mots, il n’y a pas assez de signal pour qu’un détecteur dise quoi que ce soit de stable. Les scores sur des passages courts varient énormément. C’est une propriété des statistiques, pas un bug dans GPTZero spécifiquement.
Si vous voulez voir à quoi ressemble une lecture au niveau des phrases sur votre propre brouillon, le détecteur de DeAIze marque chaque phrase selon la probabilité d’IA, ce qui vous permet de voir quelles lignes portent le signal, plutôt que de discuter avec un seul chiffre pour l’ensemble du document. Les limites de détection sont indiquées dans l’interface actuelle, et la page de tarification liste ce que couvre chaque forfait.
Ce que signifie le pourcentage (et ce qu’il ne signifie pas)
C’est la partie que la plupart des gens comprennent mal. Un pourcentage de détecteur n’est pas la probabilité que vous ayez triché. Ce n’est pas la probabilité qu’un humain ait écrit le texte. C’est un score de modèle : la sortie d’un classificateur qui a été entraîné à séparer deux distributions de texte.
Différents outils définissent ce score différemment :
| Outil | Ce qu’est généralement le chiffre principal | À quoi il sert | Principale limitation |
|---|---|---|---|
| GPTZero | Un score dérivé d’un modèle, plus une mise en évidence par phrase | Obtenir une lecture rapide d’un document et voir quelles phrases l’ont influencé | La définition du score n’est pas une probabilité de paternité ; les seuils sont fixés par le fournisseur |
| Turnitin | Une part de prose admissible signalée par son modèle | Rapports institutionnels dans un flux de soumission | Visible uniquement par l’institution ; ce n’est pas un pourcentage de plagiat |
| Copyleaks | Un score de modèle avec rapports d’entreprise | Tableaux de bord d’équipe et pistes d’audit | La granularité des rapports varie selon le forfait |
| DeAIze | Un score de document plus une probabilité d’IA au niveau des phrases | Trouver les lignes précises à modifier | Même catégorie d’instrument ; toujours pas une preuve de paternité |
Aucune de ces colonnes ne vous dit qui a écrit le texte. Elles vous disent à quel point le texte ressemble aux distributions de référence sur lesquelles chaque fournisseur s’est entraîné.
Cela compte parce que deux détecteurs peuvent être en désaccord sur le même essai et tous deux « fonctionner comme prévu ». Notre comparaison de pourquoi deux outils sont en désaccord explore les raisons.
Ce que notre propre mesure révèle sur les scores des détecteurs
Nous avons exécuté notre propre détecteur sur deux corpus le 2026-10-04, avec un seuil de signalement de 30 %, en utilisant l’ensemble local au niveau lite.
- Échantillon de référence : 1 504 passages issus de guides DeAIze non marqués comme générés. Score IA moyen 27 %, médiane 20 %, plage 1-100 %. Scores égaux ou supérieurs au seuil : 487 sur 1 504.
- Sortie de modèle non éditée : 12 passages générés à partir de prompts fixes et non édités. Score IA moyen 52 %, médiane 49 %, plage 11-91 %.
Lisez cela attentivement, car cela joue dans les deux sens. La sortie de modèle non éditée a obtenu un score moyen plus élevé, ce qui est souhaitable. Mais l’échantillon de référence a tout de même produit 487 passages égaux ou supérieurs au seuil de signalement. Il s’agit de nombres de passages, pas de documents indépendants, et l’auteur humain n’a pas été vérifié indépendamment, donc ce n’est pas un taux de faux positifs. C’est la démonstration qu’un seuil capte beaucoup de prose ordinaire.
Nous avons aussi compté la fréquence des indices d’IA : 1 pour 100 mots dans l’échantillon de référence contre 1 pour 100 mots dans la sortie de modèle non éditée. Autrement dit, les indices de surface seuls n’ont pas séparé les deux corpus dans notre échantillon. Quiconque vous dit qu’une liste fixe de mots permettra de repérer l’écriture IA vous vend quelque chose.
Le constat honnête : un signalement signifie que le texte se situe dans une région que le modèle associe à une production machine. Cela ne signifie pas que le texte a été généré. Si vous voulez la version longue du comportement de ces scores, notre article sur ce que signifient réellement les scores des détecteurs d’IA est une lecture suivante raisonnable.
GPTZero est-il légitime en tant que produit ?
Oui. C’est un détecteur fonctionnel avec une véritable API, une véritable mise en évidence des phrases et de véritables clients. La question à se poser n’est pas de savoir s’il existe, mais si sa sortie devrait décider quoi que ce soit par elle-même.
Non, pour trois raisons.
Les seuils sont des choix. Un fournisseur choisit où placer la ligne entre « probablement IA » et « probablement humain ». Déplacez la ligne et la même dissertation change de catégorie. Rien dans le texte n’a changé.
La calibration n’est pas publiée sous une forme que vous pouvez auditer. Vous ne pouvez pas voir les données d’entraînement, l’équilibre des classes, ni comment le modèle se comporte sur du texte traduit, de la rédaction technique ou de la poésie.
Le résultat n’est pas conçu comme une preuve. Les scores des détecteurs ont été conçus comme un signal de triage. L’utiliser comme conclusion disciplinaire est une erreur de catégorie, et les institutions qui le font ont tendance à perdre en appel. Voir la détection d’IA est-elle une preuve pour ce que la procédure régulière exige habituellement.
Si vous êtes un enseignant ou un administrateur évaluant des licences, la question utile n’est pas « est-ce exact » mais « que me permet de faire ensuite cet outil ». Notre guide sur ce qu’il faut évaluer avant d’acheter des licences de détecteur est construit autour de cela.
Un exemple concret : deux paragraphes, la même information
Voici une illustration, pas une mesure. Même contenu, deux façons de l’écrire.
Version A (plate) :
Le télétravail est devenu de plus en plus courant ces dernières années. De nombreuses entreprises ont adopté des politiques flexibles. Ce changement a créé de nouveaux défis pour les managers. Une communication efficace est essentielle pour les équipes réparties.
Version B (variée) :
Le travail à distance est courant aujourd’hui. C’est la partie facile. La partie difficile, c’est qu’un manager qui lisait autrefois une salle lit désormais un fil de discussion, et la moitié des signaux ont disparu. Notre équipe est passée à une semaine de quatre jours au bureau en mars et les réunions sont devenues plus courtes, pas plus longues.
La version A n’est pas écrite par une IA, mais elle présente la texture que les détecteurs recherchent : longueur de phrase uniforme, noms abstraits, aucun détail précis, aucune chose nommée. La version B contient une date, une décision, un chiffre et une conséquence.
La solution n’est pas de parsemer le texte d’argot. Il s’agit de réintroduire les spécificités que vous seul possédez. C’est aussi ainsi que vous rendez la prose meilleure pour les lecteurs humains, ce qui est l’essentiel.
Que faire lorsque GPTZero signale votre brouillon
- Ne réécrivez pas à l’aveugle. Ouvrez la vue au niveau des phrases et repérez les lignes qui portent le score. En général, une minorité de phrases en détermine la majeure partie.
- Ajoutez des spécificités à ces lignes. Une date, une quantité, un nom, une décision, une conséquence. Les phrases abstraites sont celles qui semblent fabriquées par une machine.
- Cassez le rythme. Si quatre phrases d’affilée font à peu près la même longueur, coupez-en une en deux. Variez délibérément.
- Gardez vos citations intactes. La réécriture est une passe de révision sur votre propre brouillon. Ne laissez jamais un outil de réécriture toucher une citation, un chiffre ou une référence sans le vérifier. Notre méthode pour protéger les citations couvre les étapes de vérification.
- Vérifiez le sens après la révision. Comparez la version révisée avec l’originale et vérifiez chaque affirmation, quantité, négation et nuance. La similarité sémantique est une aide à la relecture, pas une preuve que rien n’a changé.
- Documentez ce que vous avez fait. Conservez le brouillon original, la sortie du détecteur et vos modifications. Si une question surgit un jour, c’est cette trace qui vous protège.
Si le signalement s’est déjà transformé en accusation, la séquence est différente. Conservez tout, ne supprimez pas les brouillons, et lisez ce que les panels évaluent réellement lors d’une audience d’intégrité académique avant de rédiger une réponse.
Où un détecteur s’inscrit dans votre flux de travail
Le modèle mental utile est le triage, pas le verdict. Un détecteur vous indique où regarder. Vous décidez ce qui est vrai.
Pour les étudiants : lancez votre propre brouillon avant la soumission pour éviter les surprises, et corrigez les lignes plates. Non pas pour battre un score, mais parce que les lignes plates sont une écriture faible.
Pour les enseignants : utilisez la détection comme un signal parmi d’autres. Un paragraphe signalé est une raison de poser une question, pas une raison d’ouvrir un dossier. Le squelette de politique dans Politique de détection de l’IA pour les écoles est construit autour de cette distinction.
Pour les éditeurs et les équipes de contenu : utilisez les scores au niveau des phrases pour trouver les paragraphes qui sembleront génériques à un public humain. C’est un signal de qualité, et il est plus utile que le score du document.
Pour les rédacteurs non natifs : attendez-vous à être sur-signalés et préparez-vous en conséquence. Documentez votre processus, conservez vos brouillons et sachez que ce schéma est une limitation connue de l’instrument, et non un reflet de votre travail.
Prêt à voir quelles phrases semblent générées par une machine ?
Un score au niveau du document ne vous dit presque rien d’exploitable. La mise en évidence au niveau de la phrase vous indique où corriger.
- Passez votre brouillon dans le détecteur d’IA et regardez quelles lignes portent le signal.
- Comparez les forfaits et les limites de mots sur la page de tarifs avant de vous engager.
- Si vous voulez essayer la réécriture, inscrivez-vous et vous obtenez 200 mots après confirmation de l’e-mail, sans carte bancaire.
Le texte que vous collez est traité uniquement pour la tâche en cours, jamais utilisé pour l’entraînement et jamais revendu. La réécriture propose une formulation révisée pour votre propre brouillon ; vous devez tout de même vérifier vous-même les affirmations, les quantités et les citations, car cette partie relève de votre responsabilité, pas de celle de l’outil.
Le but de tout cela n’est pas de faire baisser un chiffre. C’est de faire en sorte que votre écriture donne l’impression que c’est vous qui l’avez écrite, parce que c’est le cas.