Depuis 2010, j’accompagne des étudiants dans la rédaction de leur mémoire ou de leur thèse, d’abord seul, aujourd’hui avec une équipe de rédacteurs spécialisés par discipline. Depuis deux ou trois ans, une question revient dans presque chaque échange, souvent formulée avec une vraie anxiété : “est-ce que mon texte risque d’être détecté comme écrit par une IA, alors que je l’ai rédigé moi-même ?”
Cette inquiétude n’est pas irrationnelle. On a vu passer suffisamment de cas où des étudiants, parce qu’ils écrivaient dans un style académique très cadré — plan IMRAD, formulations convenues d’introduction, transitions standardisées — se sont retrouvés avec un score de détection élevé sans avoir jamais touché à un générateur de texte. C’est le piège des faux positifs, et il touche justement les étudiants les plus rigoureux méthodologiquement, pas les moins sérieux.
Pour comprendre pourquoi, il faut revenir à ce que mesurent réellement ces outils. Le premier signal, le plus connu, c’est la perplexité : à quel point chaque mot suivant est “prévisible” statistiquement compte tenu de ce qui précède. Un modèle de langage génère naturellement du texte à faible perplexité, parce qu’il choisit systématiquement les continuations les plus probables. Le deuxième signal, plus subtil, c’est la burstiness — la variation de longueur et de rythme entre phrases consécutives, que l’écriture générée a tendance à lisser.
Le problème, c’est qu’un texte académique très normé produit souvent ces deux mêmes signatures sans qu’aucune IA n’ait été impliquée. C’est une des raisons pour lesquelles nous avons construit, en interne, un détecteur d’IA gratuit pensé spécifiquement pour les mémoires universitaires (https://expertmemoire.com/detecteur-dia/), avec une lecture différenciée selon le type de document plutôt qu’un score unique appliqué indistinctement à tous les styles d’écriture.
Mais je le dis aussi clairement à chaque étudiant que je conseille : aucun détecteur, y compris le nôtre, ne devrait être traité comme une preuve absolue. Un score élevé doit ouvrir une conversation avec son directeur de mémoire, pas la fermer. Et à l’inverse, un score bas ne garantit rien non plus, les techniques de “humanisation” de texte généré progressent au moins aussi vite que les détecteurs eux-mêmes.
L’usage le plus sain de ces outils, dans notre expérience, reste préventif plutôt qu’accusateur : passer son propre brouillon dans un détecteur avant de le rendre, pour repérer les passages qui, sans avoir été générés, tombent malgré tout dans ces motifs trop réguliers — souvent après une relecture trop mécanique ou une paraphrase excessive d’une source. C’est ce diagnostic-là, fait en amont, qui évite le stress d’un score suspect découvert trop tard.
Parce qu’au fond, la meilleure protection reste la même qu’avant l’arrivée de ces outils : un texte qu’on peut défendre phrase par phrase à l’oral, devant un jury, parce qu’on l’a vraiment pensé soi-même. Il est également possible d’utiliser des outils payants que nous utilisons pour nos clients en amont des vérifications faites par les universités, notamment compilatio.fr, mais notre outil, gratuit, accessible pour tous, vise à vous donner un premier aperçu pour vous orienter, si vous allez dans la bonne direction rédactionnelle ou si le risque IA devient trop visible. L’IA est aujourd’hui le nouveau plagiat scruté par les écoles, et il se vérifie en amont.
Article rédigé par Pierre Paquet, fondateur d’Expertmemoire.com
