Faux positifs des détecteurs IA : pourquoi un texte humain est détecté comme IA, et comment le contester

Publié le 10 septembre 2026 · Mis à jour le 10 septembre 2026 · L'équipe Détecteur IA

Un faux positif est un texte écrit par un humain que le détecteur classe comme généré par IA. C'est fréquent, et ce n'est pas un bug : les détecteurs mesurent la prévisibilité et la régularité d'un texte, deux propriétés que partagent les textes générés et de nombreux textes humains, notamment courts, formels, techniques ou écrits par des non-natifs. Ce guide explique les causes et la méthode pour contester. Le détecteur rappelle ces limites avant toute analyse.

Les cinq causes principales

Ces causes se cumulent : une note de synthèse de 200 mots, en français, rédigée par un stagiaire non francophone et passée au correcteur, réunit quatre facteurs de faux positif.

Pourquoi les détecteurs ne peuvent pas éliminer les faux positifs

Un classifieur ajuste un seuil entre deux erreurs : laisser passer des textes générés (faux négatifs) ou accuser des textes humains (faux positifs). Baisser l'un augmente l'autre. Les détecteurs commerciaux, évalués sur leur capacité à repérer les textes générés, tendent à accepter un taux de faux positifs non négligeable. Et chaque nouveau modèle de langage, plus varié dans son style, rapproche encore les deux distributions. Le fonctionnement détaillé est décrit dans comment fonctionnent les détecteurs.

Comment contester un résultat

1. Demandez le détail. Quel outil, quelle version, quel score par phrase, quelle longueur minimale recommandée, quel taux d'erreur déclaré par l'éditeur ? Un score global sans détail n'est pas exploitable.
2. Produisez le processus. Historique des versions (la plupart des traitements de texte en ligne le conservent), brouillons, plan, notes de lecture, messages datés évoquant le travail en cours.
3. Montrez la cohérence. Vos autres écrits, produits avant l'existence des générateurs, présentent-ils le même style ? Un style constant est un argument fort.
4. Rappelez les limites. Aucun éditeur de détecteur ne garantit l'absence de faux positifs ; plusieurs recommandent explicitement de ne pas sanctionner sur la seule base d'un score.
5. Réécrivez si nécessaire. Pour un texte à publier, reformuler les passages les plus prévisibles (phrases de longueur uniforme, connecteurs répétés, généralités sans exemple) réduit le score ; un outil de réécriture peut aider, mais le fond doit rester le vôtre.

Cas concrets

Étudiante accusée de plagiat par IA. Le mémoire de 40 pages sort à 60 % sur un détecteur. L'historique des versions montre 80 heures de rédaction sur trois mois ; la commission abandonne la procédure. Détail dans détecteur IA et université.

Rédacteur freelance. Un client refuse un article. Le rédacteur fournit son plan, ses sources et l'historique ; il propose une réécriture des trois paragraphes signalés ; le client accepte.

Candidat à un emploi. Une lettre de motivation, texte court et formel par nature, est signalée. Le candidat n'a pas à s'en justifier : le détecteur n'est pas fiable sur ce format.

Ce que dit le droit

Pourquoi les textes réécrits par une IA compliquent tout

Une pratique fréquente consiste à écrire soi-même, puis à demander à un assistant de corriger ou de fluidifier. Le texte final est humain sur le fond et partiellement généré sur la forme ; les détecteurs le classent souvent comme « mixte » ou comme généré. Ce n'est ni un faux positif ni un vrai positif au sens strict. La bonne pratique est de déclarer ce type d'aide lorsqu'une charte le demande, et de conserver la version antérieure à la correction comme preuve du travail initial.

Les faux négatifs existent aussi

Un texte généré puis retravaillé à la main, ou produit par un modèle récent avec une consigne de style variée, passe souvent sous le seuil des détecteurs. C'est l'autre face de la même limite statistique : plus les modèles imitent la variabilité humaine, plus les deux distributions se recouvrent, et plus l'outil doit choisir entre accuser des humains et laisser passer des machines. Aucun réglage ne supprime les deux erreurs à la fois ; c'est pourquoi la preuve du processus reste l'argument central, dans un sens comme dans l'autre.

Le règlement (UE) 2024/1689 encadre les systèmes d'IA, y compris ceux utilisés pour évaluer des personnes ; les systèmes d'IA utilisés dans l'éducation pour évaluer les acquis relèvent des cas à haut risque de l'annexe III, dont les obligations s'appliqueront à partir du 2 décembre 2027 après le report décidé par le règlement (UE) 2026/1744. Une décision fondée uniquement sur un score automatisé pose en outre des questions au regard du RGPD (décision individuelle automatisée), sur lesquelles la CNIL publie des repères. Le guide AI Act et contenus générés précise ce cadre.