Un courriel de candidature trop fluide, un devoir rendu sans la moindre coquille, un article de blog au ton étrangement lisse : ces situations poussent de plus en plus de lecteurs à se demander si un texte a été généré par ChatGPT. Repérer un contenu produit par une intelligence artificielle ne repose pas sur un seul indice, mais sur un faisceau de signaux que l’on peut apprendre à reconnaître, même sans outil spécialisé.
Analyse stylistique : ce que la régularité du texte trahit
Vous avez déjà remarqué qu’un texte vous semblait « trop propre » sans pouvoir dire pourquoi ? C’est souvent le premier signal. Un humain varie naturellement la longueur de ses phrases : une courte, puis une longue, puis une moyenne. ChatGPT, lui, tend à produire des phrases de longueur comparable, paragraphe après paragraphe.
Regardez aussi la ponctuation. L’absence totale de coquilles ou d’hésitations est un marqueur fort. Un rédacteur humain laisse passer une virgule mal placée, un tiret oublié. Un texte parfait sur le plan typographique, surtout s’il est long, mérite un examen plus attentif.
Autre indice concret : le vocabulaire de liaison. ChatGPT recourt fréquemment aux mêmes connecteurs (« de plus », « par ailleurs », « il est à noter que »). Si vous relevez plus de trois occurrences du même connecteur dans un texte de 500 mots, la probabilité d’une génération automatique augmente. Pour approfondir ce type d’analyse, vous pouvez découvrir les articles de Au Top sur le sujet.
Un texte IA manque presque toujours de parti pris personnel. Il expose, il liste, il nuance, mais il ne prend pas position. Si un article de 800 mots sur un sujet polémique ne contient aucune opinion tranchée, c’est un signal supplémentaire.
Détecteurs de contenu IA : fiabilité réelle et limites techniques
Plusieurs outils promettent de repérer un texte généré par ChatGPT : GPTZero, ZeroGPT, Turnitin ou encore Draft & Goal. Leur principe repose sur l’analyse statistique. Ils mesurent la « perplexité » (le degré de surprise d’un modèle face à chaque mot) et la « burstiness » (la variation de complexité entre les phrases).
Un texte humain présente une perplexité élevée et irrégulière. Un texte IA affiche des valeurs basses et homogènes. Voilà pour la théorie.
En pratique, les détecteurs n’atteignent qu’environ 40 % d’exactitude sur du texte IA non modifié, selon une étude de 2024 portant sur 805 évaluations de textes produits par GPT-3.5 et GPT-4. Plus préoccupant encore : cette exactitude chute à un peu plus de 20 % dès que le texte subit des modifications simples (reformulation, ajouts mineurs, réécriture partielle). À titre de comparaison, des évaluateurs humains atteignent environ 67 % dans le même protocole.
Ce que les détecteurs ne disent pas
Un résultat « 0 % IA » ne garantit rien. Un résultat « 95 % IA » non plus. Les faux positifs touchent régulièrement des rédacteurs dont le français langue seconde produit des structures plus régulières. Des textes académiques très normés, rédigés sans IA, déclenchent aussi des alertes.
S’appuyer sur un seul outil pour trancher serait une erreur. La détection fiable combine toujours un logiciel et une lecture humaine attentive.
Lecture humaine : les indices que les machines ne captent pas
Un détecteur mesure des probabilités statistiques. Un lecteur attentif repère autre chose : l’absence de vécu, de référence personnelle, de maladresse volontaire. Voici les signaux les plus fiables à vérifier manuellement :
- Les exemples restent vagues ou génériques. ChatGPT écrit « prenons l’exemple d’une entreprise » sans jamais nommer cette entreprise, sans contexte sectoriel précis.
- Les chiffres sont souvent arrondis ou présentés en fourchettes larges. Un humain cite « 37 % » parce qu’il a lu une source. ChatGPT arrondit ou invente une plage (« entre 30 et 50 % »).
- Le texte ne contient aucune contradiction interne, aucune nuance qui viendrait fragiliser son propre argument. Un rédacteur humain admet parfois une limite. ChatGPT construit un argumentaire systématiquement équilibré.
- Les transitions entre paragraphes sont mécaniques : chaque section commence par une phrase qui résume ce qui va suivre, comme un plan de dissertation.
Ce dernier point est le plus discriminant. Un texte humain progresse par association d’idées, pas par annonce systématique. Si chaque paragraphe débute par une phrase introductive suivie de trois arguments, le schéma est typiquement celui d’un modèle de langage.
Obligations légales de marquage IA en Europe à partir de 2026
La question « est-ce un texte IA ? » pourrait bientôt trouver une réponse technique imposée par la loi. Le Règlement (UE) 2024/1689, dit « AI Act », prévoit dans son article 50 que les systèmes génératifs comme ChatGPT devront marquer leurs contenus (texte, image, audio, vidéo) comme « artificiellement générés » dans un format lisible par machine.
Ces obligations de transparence entrent en vigueur le 2 août 2026 pour les systèmes nouvellement mis sur le marché. Concrètement, un texte produit par ChatGPT devrait embarquer une métadonnée identifiant son origine, consultable par un logiciel compatible.
Ce marquage ne résoudra pas tout. Il ne couvre que les contenus générés après la date d’application. Il suppose aussi que l’utilisateur final ne supprime pas manuellement les métadonnées, ce qui reste techniquement simple. La détection humaine conserve donc toute sa pertinence, même dans un cadre réglementé.
Ce que cela change pour la détection au quotidien
Pour un enseignant, un recruteur ou un éditeur, le réflexe utile reste le même : croiser au moins deux approches. Passer le texte dans un détecteur pour obtenir un premier signal. Puis relire en cherchant les indices stylistiques décrits plus haut.
- Vérifier la régularité suspecte de la structure et du vocabulaire
- Tester le texte sur deux détecteurs différents et comparer les résultats
- Chercher l’absence de voix personnelle, d’anecdotes ou de références précises
Aucun de ces indices, pris isolément, ne prouve qu’un texte vient de ChatGPT. Leur accumulation, en revanche, constitue un faisceau suffisant pour justifier une vérification approfondie. La meilleure détection reste celle qui associe un outil statistique à un regard critique, capable de repérer ce qu’aucun algorithme ne mesure encore : l’empreinte d’une pensée singulière dans l’écriture.