GPTZero vs ZeroGPT vs tropa-2 : comparatif de détecteurs IA sur les LLM actuels (août 2026)

La plupart des comparatifs de détecteurs IA ont un an de retard sur les modèles qu’ils sont censés démasquer. Nous avons donc constitué un corpus neuf : 522 textes en anglais, 177 512 mots, dont 251 écrits par des humains et 271 générés par des LLM actuels et de la génération précédente. Le 27 août 2026, nous l’avons soumis en entier à GPTZero, ZeroGPT et à notre propre détecteur, tropa-2.

Un verdict par détecteur et par texte. Chaque texte et chaque score sont publics : vous pouvez vérifier n’importe quel chiffre ci-dessous.

Les résultats

Part des textes classés IA par chaque détecteur. Pour la ligne humaine, il s’agit du taux de faux positifs (plus il est bas, mieux c’est) ; pour les autres, du taux de détection (plus il est haut, mieux c’est). ZeroGPT n’a rien renvoyé pour 3 textes : sa colonne porte donc sur 519.

Les deux dernières lignes comparées aux deux du milieu disent tout. Il suffit de monter d’une génération de modèles pour que GPTZero tombe de 100 % à 41,9 % et ZeroGPT de 90 % à 11,8 %.

Modèle par modèle : qui se fait repérer

Sortie brute, non paraphrasée, des modèles actuels. Le n par modèle est faible (de 1 à 18 textes) : chaque ligne donne une tendance, pas une mesure précise.

(GPT-5.6 Sol Pro et Terra Pro, avec n = 2 et 1, figurent dans le graphique mais sont trop peu nombreux pour le tableau.)

Les modèles optimisés pour la qualité rédactionnelle sont les plus difficiles pour tous les outils : Claude Fable 5, Grok 4.6 et GLM 5.3 ferment la marche partout. Pour GPTZero, détecter un texte de GPT-5.6 n’est pas sensiblement plus difficile que détecter une sortie de Gemini (43–57 % contre 62 %). Claude Opus 5 obtient 50 % chez GPTZero, 0 % chez ZeroGPT et 100 % chez tropa-2, sur 12 textes.

Faux positifs : le chiffre qui compte vraiment

Un détecteur qui accuse de vrais étudiants est pire qu’inutile : cette section compte donc davantage que la précédente.

Les 251 textes humains couvrent 12 domaines : résumés arXiv antérieurs à 2017, CC-News, wikiHow, documentation technique, e-mails Enron, Reddit ELI5, recettes, fiction Gutenberg, Poetry Foundation, avis Yelp, pages web et 59 dissertations d’élèves issues de PERSUADE 2.0. GPTZero n’en a accusé aucun. tropa-2 en a accusé un : un court e-mail Enron. ZeroGPT en a accusé sept (3 recettes, puis un texte de chaque catégorie suivante : poésie, documentation technique, wikiHow et actualités).

251 textes, c’est un petit échantillon pour un taux que l’on veut citer au dixième près. Nous avons donc aussi soumis à tropa-2 3 000 dissertations d’élèves issues de PERSUADE 2.0 (de la 6e à la 12e année du système américain, toutes humaines, aucune utilisée pour l’entraînement). Il en a classé 2,6 % comme IA ; la dissertation médiane a obtenu 13,7 sur 100.

Nous n’allons pas enjoliver les choses. Sur les 59 dissertations de ce comparatif, nous avons observé 0 %, mais le passage sur 3 000 dissertations place le chiffre honnête pour les écrits d’élèves à environ 1 sur 40. Les faux positifs des détecteurs IA sur les copies d’étudiants sont un risque réel avec tous les outils du marché, le nôtre compris. Le verdict d’un détecteur ne devrait jamais être le seul fondement d’une accusation académique.

Notre méthode

Mêmes textes, même jour, réglages par défaut pour chaque détecteur. C’est le verdict propre à chaque outil qui compte : GPTZero — son étiquette ai (sa troisième classe, mixed, est une réponse légitime « en partie IA » ; nous la comptons ici comme non IA et la détaillons dans la FAQ). ZeroGPT — « AI/GPT generated » ou « most of your text is AI/GPT generated » comptent comme IA ; tout le reste, y compris « may include parts generated by AI », non. tropa-2 — l’étiquette « généré par IA » affichée sur le site, soit un score de 90 ou plus sur son échelle de 0 à 100.

La comparaison des étiquettes masque un compromis : un détecteur peut acheter de la détection en tolérant davantage de faux positifs. Pour les outils qui renvoient un score continu, nous avons donc aussi fixé le seuil sur les 251 textes humains de sorte qu’au plus un d’entre eux (0,4 %) soit classé IA, puis relu la détection à ce seuil. tropa-2 : 96,3 % sur le texte brut actuel, 74,0 % sur la paraphrase. Le pourcentage de ZeroGPT : 5,1 % / 2,1 %. GPTZero ne fournit pas de score par document sur lequel fixer un seuil. Le classement ne change pas.

Répartition par longueur : 379 textes courts (< 400 mots), 110 moyens (400–750), 33 longs (750–1 000+). Les textes humains sont antérieurs à 2022 chaque fois que la source permet de les dater, et aucun n’a servi à entraîner tropa-2.

Télécharger le jeu de données et reproduire les résultats

Tout se trouve dans le dépôt GitHub (wasitaigenerated/ai-detector-benchmark). Les textes IA et tous les scores sont sous licence CC BY 4.0 ; les textes humains conservent la licence de leur source, et les 32 lignes dont la redistribution n’est pas autorisée portent text: null ainsi qu’un text_sha256 pour que vous puissiez quand même les faire correspondre.

Le tableau principal en dix lignes :

import json, urllib.request

URL = "https://raw.githubusercontent.com/wasitaigenerated/ai-detector-benchmark/main/2026-08/benchmark_2026-08.jsonl"
rows = [json.loads(l) for l in urllib.request.urlopen(URL) if l.strip()]

for cat in ["human", "new_raw", "new_para", "old_raw", "old_para"]:
    sub = [r for r in rows if r["category"] == cat]
    zg  = [r for r in sub if r["zerogpt_class"]]
    gz  = sum(r["gptzero_predicted_class"] == "ai" for r in sub) / len(sub)
    z   = sum(r["zerogpt_class"] == "ai" for r in zg) / len(zg)
    t2  = sum(r["tropa2_score"] >= 90 for r in sub) / len(sub)
    print(f"{cat:9} n={len(sub):3}  gptzero={gz:5.1%}  zerogpt={z:5.1%}  tropa-2={t2:5.1%}")

Remplacez les scores par ceux de votre propre détecteur et vous obtenez une comparaison à armes égales. Envoyez-nous vos chiffres et nous les mettrons en lien ici, y compris ceux qui ne nous sont pas favorables.

FAQ