# Reconnaître un texte écrit par une IA

> Les signaux de lecture qui trahissent un texte généré, pourquoi les détecteurs automatiques se trompent et que faire en recrutement ou avec un prestataire.

Adresse : https://www.pilote-expertise.fr/guides/reconnaitre-un-texte-ecrit-par-une-ia/
Auteur : Rémi Doyen, pour l'équipe Pilote Expertise. Mise à jour : 2026-11-12.

Un texte généré est correct, bien construit, sans faute et curieusement lisse. Les détecteurs automatiques, sur un texte isolé, se trompent suffisamment souvent pour qu’on ne puisse rien fonder dessus. Ce guide traite les deux et surtout la question qui compte : que faire de ce constat, sans commettre d’injustice.

La question revient partout : cette candidature, ce rapport de stage, ce livrable de prestataire, ce devoir, écrit par une personne ou par une machine ? Elle se pose souvent dans un contexte où la réponse a des conséquences : on embauche, on paie, on note.

Il existe deux réponses très différentes. La première est un ensemble de signaux de lecture, gratuits et raisonnablement fiables, qui vous disent qu'un texte *ressemble* à une production générée. La seconde, ce sont les détecteurs automatiques, qui affichent un pourcentage rassurant et qui, sur un texte isolé, se trompent suffisamment souvent pour qu'on ne puisse rien fonder dessus.

Ce guide traite les deux et surtout la question qui compte : que faire de ce constat, sans commettre d'injustice.

## Ce que vous saurez faire

- Repérer à la lecture les signaux fiables et les signaux trompeurs
- Comprendre ce que mesurent réellement les détecteurs automatiques
- Savoir pourquoi un score de détection ne prouve rien
- Conduire un entretien de vérification plutôt qu'une accusation
- Poser une règle interne utilisable en recrutement et avec des prestataires

- Aucun prérequis technique
- Un texte réel à examiner, idéalement

## Les signaux de lecture

*Aucun ne prouve rien seul. C'est leur accumulation qui parle.*

Un texte généré n'est pas truffé d'erreurs : c'est justement le problème. Il est correct, bien construit, sans faute et curieusement lisse. Les signaux tiennent à des **régularités** qu'un rédacteur humain ne produit pas naturellement.

| Signal | Ce qu'on observe | Fiabilité |
| --- | --- | --- |
| Le rythme métronome | Toutes les phrases entre 15 et 20 mots, tous les paragraphes de trois lignes. Un humain alterne sans y penser : une phrase longue, puis quatre mots. | Élevée |
| Le parallélisme négatif | « Ce n'est pas X, c'est Y », « il ne s'agit pas de X mais de Y », répété plusieurs fois dans le même texte. | Élevée si répété |
| La triade systématique | Tout arrive par trois : trois adjectifs, trois exemples, trois recommandations. Y compris quand il n'y avait que deux choses à dire. | Moyenne |
| L'absence totale de spécificité | Aucun chiffre, aucun nom propre, aucune date, aucun cas particulier. Des affirmations vraies partout et donc nulle part. | Élevée |
| La conclusion qui répète | Un dernier paragraphe qui reformule ce qui vient d'être dit sans rien ajouter. | Moyenne |
| Le vocabulaire de brochure | Véritable, incontournable, robuste, au cœur de, levier : en concentration inhabituelle. | Faible seul |
| L'absence d'aspérité | Aucune hésitation, aucune opinion tranchée, aucune anecdote, aucun désaccord assumé. Personne n'écrit sans laisser de trace de soi. | Élevée |

Posez-vous une question : **ce texte contient-il quelque chose que seule une personne ayant vécu la situation pouvait écrire ?** Un chiffre précis, un nom, une contrainte bizarre, un détail inutile mais vrai. Si un texte de deux pages n'en contient aucun, ce n'est pas nécessairement une machine, mais c'est à coup sûr un texte sans valeur, ce qui est souvent la vraie question.

## Les signaux qui trompent

Plusieurs indices largement partagés sur les réseaux ne valent rien et accuser quelqu'un sur cette base est un très mauvais moment à passer.

## Les détecteurs automatiques

*Un chiffre rassurant, une méthode qui ne tient pas.*

Ces outils mesurent principalement deux choses. La **prévisibilité** du texte : dans quelle mesure chaque mot est celui qu'un modèle aurait choisi à cet endroit. Un texte généré est en moyenne plus prévisible. Et la **variabilité** : l'irrégularité des longueurs et des structures, plus faible dans un texte généré.

Le raisonnement est correct sur de grands volumes. Il s'effondre sur un texte isolé, pour une raison simple et insoluble : les deux populations se recouvrent largement. Un rédacteur appliqué, écrivant dans une langue qui n'est pas la sienne, ou suivant une trame imposée, produit un texte très prévisible et très régulier. Une IA à qui on a demandé d'écrire de façon irrégulière produit l'inverse.

Prenez un texte que votre détecteur classe « généré à 100 % ». Remplacez quelques tirets par des deux-points. Repassez-le. Le verdict peut basculer entièrement. Un outil dont la conclusion dépend d'un signe de ponctuation ne mesure pas l'origine d'un texte : il mesure une surface. C'est aussi pour cette raison qu'OpenAI a fini par retirer son propre outil de détection, faute de fiabilité suffisante.

![Deux courbes qui se chevauchent : les textes humains et les textes générés, avec la zone de recouvrement où le détecteur ne peut pas trancher](https://www.pilote-expertise.fr/images/guides/reconnaitre-un-texte-ecrit-par-une-ia/02-recouvrement-detecteurs.svg)
*Le problème n'est pas la précision de l'outil : c'est que les deux populations se chevauchent.*

- À gauche, une écriture irrégulière et imprévisible ; à droite, régulière et prévisible.
- Les textes générés se concentrent à droite, mais les textes humains y débordent largement.
- Dans la zone commune, aucun indicateur de surface ne permet de conclure.
- Ce sont toujours les mêmes profils qui s'y retrouvent et donc qui sont accusés à tort.

| Ce que le score dit vraiment | Ce qu'il ne dit pas |
| --- | --- |
| Ce texte a des caractéristiques de surface fréquentes dans les textes générés | Ce texte a été généré |
| Il est régulier et prévisible | Son auteur a triché |
| Il mériterait peut-être une conversation | Il justifie une sanction |

Toujours les mêmes : les personnes qui écrivent dans une langue apprise, celles qui suivent scrupuleusement une trame et les rédacteurs très scolaires. Un dispositif de détection automatique appliqué sans nuance en recrutement ou en établissement scolaire produit une discrimination indirecte parfaitement mesurable. Ce n'est pas un risque théorique.

## Que faire quand la question se pose vraiment

*Déplacer la question : non pas « qui a écrit ? » mais « est-ce qu'il maîtrise ? »*

C'est le retournement utile. Savoir si une IA a servi est une question à laquelle vous ne pouvez pas répondre de façon fiable. Savoir si la personne maîtrise ce qu'elle a rendu est une question à laquelle vous pouvez répondre en 10 minutes et c'est celle qui vous intéresse réellement.

## La position raisonnable

Il faut se faire à une idée désagréable : l'origine d'un texte court n'est pas déterminable de façon fiable et ça ne va pas s'améliorer. Les modèles progressent plus vite que les détecteurs et le recouvrement entre écriture humaine appliquée et écriture générée continuera de croître.

Ce qui reste déterminable, c'est la **valeur** d'un texte : contient-il de l'information vérifiable, des éléments propres à la situation, un point de vue défendable ? Un texte qui a ces qualités est utile, peu importe l'outil. Un texte qui ne les a pas est inutile, peu importe l'outil. Cette grille-là ne se périmera pas.

- L'assistance par IA est autorisée et il est inutile de le cacher.
- Celui qui signe répond du contenu, sans exception.
- Tout chiffre, citation ou référence doit pouvoir être sourcé sur demande.
- Aucune donnée client ou salarié ne sort vers un outil non validé par l'entreprise.
- Aucune décision RH ni aucune sanction ne se fonde sur un score de détection.

Interdire ne fonctionne pas, laisser faire non plus. Nous aidons les PME à écrire une charte d'usage courte et applicable et à former les équipes à ce qui est attendu d'elles. [Parler de votre organisation](/formation-ia/)
