Comment nous évaluons la détection d'IA

Comment nous testons

Nous évaluons sur un test équilibré de texte humain et généré par IA. Le jeu humain provient de sources antérieures à l'IA générative de masse et d'écrits originaux vérifiés ; le jeu IA est produit avec plusieurs modèles et styles d'invite, y compris des variantes paraphrasées et « humanisées » conçues pour échapper à la détection.

Élément essentiel : le test est construit par langue. Nous ne traduisons pas les données en anglais ; chaque langue romane est évaluée sur du texte natif, car la traduction efface les signaux dont dépend la détection.

Modèles du test

GPT-4o · Gemini · Claude · Copilot · Llama · Mistral

Pourquoi les faux positifs comptent le plus

Pour les enseignants, éditeurs et équipes conformité, l'erreur coûteuse consiste à accuser une personne à tort. Les résultats doivent donc être examinés avec les preuves par phrase, les brouillons, l'historique et le contexte.

Limites assumées

Aucun détecteur n'est infaillible, et quiconque prétend le contraire doit vous inquiéter. Nos résultats sont les plus faibles sur :

• Texte très court. Une ou deux phrases portent rarement assez de signal pour un verdict fiable.
• Hybrides très retravaillés. Du texte humain réécrit phrase par phrase avec une IA est une vraie zone grise.
• Genres très formatés. Les modèles juridiques et techniques peuvent paraître mécaniques même écrits par un humain.

Nous recommandons de traiter un score comme une preuve solide à investiguer - examinée avec les brouillons, l'historique et le contexte - et non comme une preuve en soi.