Combien de fois votre équipe a-t-elle repassé un article dans un détecteur avant de cliquer sur publier ? Un rédacteur jure par Originality.ai, un autre ne fait confiance qu’à GPTZero et le troisième a fini par ne plus rien vérifier du tout. Aucune cohérence de sortie, juste trois scores qui se contredisent sur le même texte. Un détecteur de contenu IA mesure une probabilité statistique, sujette à erreur dans les deux sens. Il ne mesure pas ce que Google sanctionne réellement. Ce texte règle la question, chiffres à l’appui, pour que votre équipe arrête de perdre du temps sur la mauvaise ligne de défense.
Le même texte, trois verdicts différents
Un même article passé dans trois détecteurs produit rarement le même verdict. L’écart est documenté. Un working paper du Becker Friedman Institute (université de Chicago, Jabarian & Imas, août 2025) a construit un corpus de 1992 textes humains antérieurs à 2020 et 1992 textes générés par quatre LLM de dernière génération, avant de tester trois détecteurs commerciaux. GPTZero et Pangram restent tous les deux sous les 4 % de faux négatifs sur les quatre modèles testés. Originality.ai, le plus utilisé par les équipes marketing, grimpe jusqu’à 40 % de faux négatifs selon le modèle générateur. Les chiffres sortent d’un usage réel en production, chez des établissements scolaires et des équipes éditoriales qui soumettent des millions de textes chaque mois.
Le taux d’erreur grimpe encore sur les textes mixtes. Une étude 2026 de l’université Sultan Qaboos a mesuré la précision de plusieurs outils leaders sur des textes hybrides, écrits en partie par un humain puis complétés par un LLM. Précision globale : 61 à 69 %. Sur les textes hybrides seuls, elle tombe près de 0 %. Or c’est exactement ce que produit un rédacteur qui part d’un brouillon signé Claude Opus 4.7 ou GPT-5, puis réécrit la moitié des phrases lui-même. Le détecteur ne voit pas le system prompt qui a orienté la sortie, pas plus que la fenêtre de contexte fournie en amont : il ne voit qu’une suite de tokens.
Une étude de l’université du Maryland (2025) ajoute un problème inverse. Les détecteurs signalent aussi du texte humain simplement relu et poli comme s’il sortait d’un LLM. Le taux de faux positifs touche en priorité les textes techniques et les rédacteurs non natifs, dont la syntaxe est plus régulière que la moyenne.
| Détecteur | Taux de faux négatifs | Comportement observé |
|---|---|---|
| GPTZero | 0 à 2 % | Reste stable sur les quatre modèles testés |
| Pangram | 2 à 4 % | Seul outil qualifié policy-grade par l’étude |
| Originality.ai | 10 à 40 % | Chute fortement selon le modèle générateur |
Chaque détecteur né aujourd’hui sera contourné demain
Ces écarts viennent d’une mécanique simple. La détection mesure des traces statistiques : la perplexité d’un texte, sa burstiness (la variance de longueur entre phrases consécutives), la régularité de la ponctuation. Un LLM sans contrainte de style produit une prose lissée, peu de burstiness, des virgules à intervalles réguliers. Un humain pressé, lui, alterne une phrase de 2 mots et une phrase de 25 mots dans le même paragraphe.
Des outils comme Undetectable AI ou HumanizeAI existent pour une seule raison. Casser cette signature. Ils réinjectent de la variance de longueur et cassent la ponctuation trop régulière. Une hésitation ajoutée ici, une répétition volontaire là, suffisent à dérouter le classifieur. Le coût de contournement se mesure en minutes. Le coût de détection, en mois de recherche pour la génération suivante de classifieur. L’asymétrie ne se referme jamais.
Le watermarking, expérimenté par OpenAI, par Google et, plus discrètement, par Anthropic depuis 2024, introduit un biais statistique invisible à l’œil nu dans la sortie du modèle. Il tient tant que le texte reste intact. Une paraphrase le casse dans la majorité des cas. Un pipeline agentique qui enchaîne génération, relecture par un second modèle et réécriture via few-shot prompting sur des exemples de la voix de marque produit un texte cohérent, sans trace repérable. Un rédacteur relit, un logiciel de vérification passe derrière. Le ton, lui, est parfois validé par un stagiaire. Le texte final ne ressemble plus à ce que le détecteur a appris à reconnaître.
Google ignore votre score Originality.ai
Un score qui se laisse contourner en trois passes ne protège de rien. L’idée circule pourtant dans toutes les équipes marketing qui publient vite : passer un détecteur, ce serait se mettre à l’abri d’une pénalité Google.
L’utilisation de l’automatisation, y compris l’IA, pour générer du contenu dans le but principal de manipuler le classement dans les résultats de recherche est contraire à nos règles antispam. (Google Search Central, 2023, réaffirmé par la mise à jour antispam d’août 2025)
Google sanctionne « le but principal de manipuler le classement ». Le mode de production ne figure nulle part dans cette phrase. SpamBrain, le système antispam de Google, a reçu en août 2025 de nouvelles capacités ciblant le contenu produit en masse sans valeur ajoutée, qu’il soit signé par un humain ou par un LLM. En mai 2026, Google a précisé que les mêmes règles s’appliquent à ses propres réponses générées dans AI Overviews et AI Mode. Le score d’un détecteur commercial n’entre dans aucune des deux évaluations.
Un rapport Graphite publié en octobre 2025, sur 65 000 articles analysés, situe la part de contenu généré par IA sur le web à 51,38 % en 2025, contre 6,81 % en 2022. Un algorithme qui pénaliserait la moitié du web pour son mode de production ferait disparaître son propre index. Google cible la manipulation. La méthode de production n’entre pas dans le calcul.
Ce que l’algorithme vérifie à la place
Le score d’un détecteur commercial ne figure dans aucun des critères que Google documente. Quatre signaux comptent réellement pour le Helpful Content System et les critères E-E-A-T (expérience, expertise, autorité, fiabilité), quelle que soit la méthode de production.
- Une source vérifiable et nommée pour chaque chiffre avancé : un organisme, une étude, une année.
- Un contenu qui grounde ses affirmations sur des données réelles, l’équivalent éditorial de ce qu’un pipeline RAG apporte à un agent conversationnel.
- Un signal d’expérience directe : un cas nommé, une donnée observée, une nuance absente de la documentation officielle.
- Une fraîcheur réelle, ancrée sur un fait qui vient de changer.
Aucun de ces quatre points ne se mesure avec un score de probabilité sur la présence d’un LLM. Ils se mesurent avec du travail éditorial. Le temps qu’une équipe passe à faire tourner un texte dans trois détecteurs différents pourrait vérifier une source à la place.
Ce qu’un rapport spam ne pardonne jamais
100 articles publiés la même semaine, sur le même sujet, avec la même structure, un titre qui change et rien d’autre. Voilà ce que SpamBrain repère, indépendamment de la méthode de production. La production de masse sans valeur ajoutée reste le seul motif de sanction documenté par Google depuis 2023. Un texte rédigé à la main peut se révéler tout aussi creux et redondant qu’un texte généré automatiquement et tomber sous le même filtre.
La ligne à surveiller à partir de maintenant
Arrêtez de mesurer un score qui ne prédit rien. Citez une source vérifiable à chaque chiffre. Documentez un signal d’expérience réel sur chaque page qui prétend en avoir un. Mettez à jour un contenu quand un fait a changé. Répondez d’abord à la question que le lecteur est venu poser : le mot-clé n’est qu’un point d’entrée.
Les chiffres de Chicago Booth couvrent quatre modèles testés en 2025. Un chiffre de moins à surveiller. Un cinquième modèle sorti depuis n’y figure pas et personne ne sait aujourd’hui où il se situe sur cette même échelle.
Le détecteur continuera de tourner en arrière-plan sur toutes les équipes qui n’ont pas encore fait ce calcul. Ailleurs, une poignée de rédacteurs auront simplement arrêté de le regarder.
