Faux positif d'un détecteur IA : que faire

Un faux positif, c'est un texte écrit par un humain que le détecteur classe comme généré par IA. Les éditeurs le reconnaissent. Aucun ne dit que le risque est nul, et chacun écrit que son résultat ne doit pas servir seul à une décision. Cette page rassemble ce que disent les pages officielles lues le 15/11/2026, puis propose une méthode pour contester un résultat sans faire reposer la décision sur le seul score.

Ce que disent les éditeurs des faux positifs

GPTZero cite un taux de faux positifs de 1 % sur des textes humains, dans le benchmark tiers RAID, selon sa propre page. La même page dit viser le même taux pour les textes rédigés par des apprenants en anglais langue seconde : la phrase est « We repeatedly train our model to reduce false positive rate for ESL writing to 1% ». C'est une intention affichée par l'éditeur, pas un résultat mesuré par un tiers. La page affiche aussi « 0 Humans flagged as AI » dans ses statistiques, sans précision sur la période ou le jeu de textes. Enfin, elle écrit : « Results should not be used to punish or as the final verdict. »

Originality.ai écrit que les outils qui réécrivent ou corrigent un texte par IA peuvent provoquer des faux positifs, et que les taux varient selon le modèle et la marque. Un texte rédigé avec un correcteur automatique peut donc être classé comme généré, même si l'auteur a tout écrit. La page parle d'un « signal », pas d'une décision, et en matière d'intégrité académique elle dit qu'un score ne doit pas servir seul.

Sapling écrit : « False positives and negatives may occur. » Elle annonce une baisse de 60 % des faux positifs lors de ses évaluations internes, sans point de comparaison publié ni évaluation externe. Elle indique aussi que le détecteur est nettement plus précis après environ 50 mots. Un texte très court est donc le cas où le risque d'erreur est le plus élevé.

Ce que ces pages ont en commun : le faux positif existe, il touche surtout les textes courts, et l'éditeur demande qu'on ne tranche pas sur le seul score.

Les situations qui favorisent l'erreur

Les pages lues citent trois facteurs, sans en mesurer l'effet :

la longueur : Originality.ai fixe un minimum de 100 mots, Sapling précise que la précision progresse après environ 50 mots ;
la langue : Sapling indique qu'un texte dans une langue non prise en charge est évalué par le modèle anglais et qu'il est « less reliable » ;
la réécriture : un texte passé dans un correcteur ou un reformulateur par IA peut être signalé, selon Originality.ai.

Un enseignant, un recruteur ou un responsable de communication qui reçoit un score élevé doit donc d'abord regarder ces trois points. Un texte court, dans une langue moins bien couverte, ou corrigé par un outil, n'est pas une preuve de fraude.

Comment contester un résultat

Une contestation utile suit un ordre simple.

Noter le contexte exact. Quel outil, quelle version, quelle date, quel texte exactement, quel score et quel seuil affiché. Sans ces éléments, le résultat ne peut pas être rejoué.
Relancer le même texte. Un autre outil peut donner un autre résultat. Les pages lues disent que les scores varient selon le jeu de données et le seuil, ce qui justifie de ne pas se fier à un seul essai.
Demander à l'auteur de décrire sa méthode. Quels documents, quelles sources, quels outils a-t-il utilisés, combien de temps lui a pris le texte ? Cette demande n'accuse personne. Elle donne une information que le détecteur ne donne pas.
Regarder l'historique de rédaction. Quand le traitement de texte conserve des versions, l'évolution du document montre si le texte a été construit par étapes. L'absence d'historique ne prouve rien non plus : elle doit rester une information parmi d'autres.
Proposer un échange oral. Un court entretien sur le contenu permet souvent de voir si l'auteur connaît son sujet. C'est une méthode humaine, moins mesurable qu'un score, mais elle ne dépend pas d'un outil.
Écrire la décision et ses raisons. Si le doute reste, le plus prudent est de ne pas sanctionner sur le seul score, et de garder une trace de ce qui a été vérifié.

Ce qu'il faut éviter

Présenter un pourcentage comme une preuve. GPTZero, Originality.ai et Sapling disent l'inverse dans leurs pages.
Demander à l'auteur de « prouver » qu'il n'a pas utilisé d'IA : aucun des trois éditeurs ne propose cette preuve.
Relancer un détecteur jusqu'à obtenir le résultat souhaité. Un score qui change d'un essai à l'autre n'est pas une mesure stable.
Utiliser un détecteur gratuit pour un dossier qui a des conséquences sur une personne sans lui donner d'autres éléments.

Une méthode pour les enseignants et les recruteurs

Un détecteur peut signaler un texte à examiner. Il ne peut pas établir la responsabilité d'une personne. La méthode qui en découle ressemble à celle d'un contrôle de cohérence : le texte, le contexte, la personne et ses réponses. Les éditeurs eux-mêmes décrivent le score comme une information parmi d'autres, et c'est la lecture la plus prudente que permettent les pages lues.

Pour comparer les outils gratuits, leurs limites et les langues prises en charge, voir la page détecteur IA gratuit. Pour la fiabilité générale d'un score, voir détecteur de texte IA : est-il fiable ?.

Les chiffres et citations de cette page sont ceux des éditeurs, relevés le 15/11/2026.