Ce que nous avons testé
Le comparatif réunit trois types de texte, tous de 40 à 800 mots :
- 1 260 textes humains issus de 44 sources : presse (BBC, CNN, CC-News), dissertations d'élèves et d'apprenants de l'anglais (PERSUADE, TOEFL, ELLIPSE, apprenants chinois de l'anglais), discours parlementaires et à l'ONU, résumés PubMed, documentation technique, avis, messages de forums et pages web en sept langues. Les dissertations d'apprenants sont incluses à dessein : c'est là que les détecteurs accusent le plus souvent de vrais étudiants.
- 891 textes IA issus de 62 modèles de 11 éditeurs, dont GPT-6 (Sol, Luna, Astra), Claude Opus 5.5 et Fable 5.1, Gemini 3.8, Grok 4.7, DeepSeek V4.1, Qwen 3.8 Max, GLM 5.3 et MiMo. 150 d'entre eux ont été paraphrasés par un second modèle.
- 421 textes humanisés : du texte IA passé par StealthGPT, CleverHumanizer, WriteHuman, WalterWrites, UndetectedGPT et Rephrasy.
ZeroGPT et nos modèles ont analysé tous les textes. Pangram en a analysé 513 et GPTZero 894, faute de crédits suffisants. Chaque comparaison ci-dessous ne retient que les textes analysés par tous les détecteurs listés.
Comment nous comptons une détection. Les outils tiers comptent comme une détection lorsqu'ils renvoient « AI ». Pour tropa-3, nous retenons un score affiché de 90 ou plus, le seuil qui signale 0,1 % de 239 490 textes humains qu'aucun de nos modèles n'a jamais vus à l'entraînement. tropa-2 est soumis à la même règle : son seuil est fixé pour qu'il signale lui aussi 0,1 % de ces textes. Nous présentons les verdicts « Mixed » à part.
Résultats sur l'ensemble commun
| 513 textes | n | ZeroGPT | Pangram | GPTZero | tropa-2 | tropa-3 |
|---|---|---|---|---|---|---|
| Humains signalés comme IA ↓ | 247 | 0,8 % | 0,0 % | 0,0 % | 0,4 % | 0,0 % |
| IA brute détectée | 159 | 21,4 % | 44,0 % | 61,6 % | 77,4 % | 95,6 % |
| IA paraphrasée | 33 | 9,1 % | 9,1 % | 6,1 % | 18,2 % | 54,5 % |
| IA humanisée | 74 | 4,1 % | 35,1 % | 25,7 % | 28,4 % | 54,1 % |
L'écart sur le texte IA brut est le résultat principal. Pangram et GPTZero renvoient « AI » pour moins des deux tiers des textes issus des modèles actuels, sans signaler aucun humain. tropa-3 en détecte 96 %, sans signaler aucun humain non plus. L'intervalle de confiance à 95 % est de 91–98 % pour tropa-3, de 54–69 % pour GPTZero et de 37–52 % pour Pangram : la différence n'est pas due au hasard.
« Mixed » : là où les autres détecteurs bottent en touche
Les trois outils tiers proposent un verdict intermédiaire. Si vous comptez « Mixed » comme une détection, Pangram atteint 81 % sur l'IA brute et GPTZero 84 %, toujours sans aucun texte humain signalé. ZeroGPT atteint 52 %, mais marque alors 19 % des textes humains comme partiellement IA. Notre site a lui aussi une zone intermédiaire : « Probablement IA » pour les scores de 70 à 89. Comptée de la même façon, tropa-3 reste devant sur chaque ligne.
| « AI » ou « Mixed » comptés | n | ZeroGPT | Pangram | GPTZero | tropa-3 (70+) |
|---|---|---|---|---|---|
| Humains signalés ↓ | 247 | 19,0 % | 0,0 % | 0,0 % | 1,2 % |
| IA brute détectée | 159 | 52,2 % | 81,1 % | 84,3 % | 98,1 % |
| IA paraphrasée | 33 | 39,4 % | 54,5 % | 48,5 % | 63,6 % |
| IA humanisée | 74 | 29,7 % | 50,0 % | 27,0 % | 70,3 % |
Colonne tropa-3 : score de 70 ou plus, soit les zones « Probablement IA » et « Généré par IA » de notre site. Le prix à payer : 3 textes humains sur 247 signalés comme probablement IA.
Un échantillon plus large, sans Pangram
Avec 894 textes, les groupes paraphrasés et humanisés sont assez grands pour être fiables. Le constat tient.
| 894 textes | n | ZeroGPT | GPTZero | tropa-2 | tropa-3 |
|---|---|---|---|---|---|
| Humains signalés comme IA ↓ | 252 | 0,8 % | 0,0 % | 0,4 % | 0,0 % |
| IA brute détectée | 207 | 23,2 % | 60,4 % | 75,8 % | 95,2 % (91–97) |
| IA paraphrasée | 149 | 5,4 % | 12,1 % | 30,9 % | 61,7 % (54–69) |
| IA humanisée | 286 | 1,7 % | 24,1 % | 31,5 % | 57,7 % (52–63) |
Entre parenthèses : l'intervalle de confiance à 95 % de tropa-3. tropa-2 est présenté au même taux de faux positifs de 0,1 % que tropa-3.
Les humaniseurs, un par un
Les humaniseurs sont conçus pour tromper les détecteurs, et cela se voit. StealthGPT est repéré par GPTZero et par nous. Les autres échappent presque entièrement à GPTZero. UndetectedGPT et WalterWrites sont aussi les cas les plus difficiles pour notre modèle.
| Humaniseur | n | ZeroGPT | GPTZero | tropa-2 | tropa-3 |
|---|---|---|---|---|---|
| StealthGPT | 49 | 0,0 % | 87,8 % | 10,2 % | 87,8 % |
| Rephrasy | 48 | 10,4 % | 27,1 % | 50,0 % | 77,1 % |
| WriteHuman | 45 | 0,0 % | 8,9 % | 57,8 % | 75,6 % |
| CleverHumanizer | 48 | 0,0 % | 6,2 % | 41,7 % | 50,0 % |
| WalterWrites | 48 | 0,0 % | 12,5 % | 22,9 % | 31,2 % |
| UndetectedGPT | 47 | 0,0 % | 0,0 % | 8,5 % | 25,5 % |
Au même taux de faux positifs, tropa-3 bat tropa-2 sur chaque humaniseur, et le plus nettement sur StealthGPT (87,8 % contre 10,2 %). Si vous acceptez davantage de faux positifs, les deux détectent davantage : avec un seuil plus souple de 70, tropa-3 détecte 71 % du texte humanisé et signale 1,6 % des textes humains de cet ensemble.
Les faux positifs à grande échelle
247 textes humains peuvent montrer qu'un détecteur est prudent. Ils ne peuvent pas montrer à quel point ses erreurs sont rares. Pour cela, nous analysons 239 490 textes humains qu'aucun de nos modèles n'a vus à l'entraînement : pages web en sept langues, presse, discours, articles biomédicaux, documentation, e-mails, forums et avis.
| 239 490 textes humains | tropa-2 | tropa-3 |
|---|---|---|
| Signalés au seuil en production | 3,02 % | 0,10 % |
| Signalés quand les deux détectent 97 % de l'IA brute | 1,99 % | 0,32 % |
| … presse uniquement (10 591) | 6,07 % | 0,30 % |
| … discours uniquement (14 000) | 4,01 % | 0,22 % |
| … biomédical uniquement (16 280) | 2,63 % | 0,35 % |
Les textes humains signalés à tort ont donc été divisés par 30 entre nos deux dernières versions. Nous n'avons pas soumis cet ensemble aux outils tiers.
Les auteurs dont l'anglais n'est pas la langue maternelle
En 2023, Liang et al. ont montré que les détecteurs IA classaient comme IA la plupart des dissertations TOEFL rédigées par des non-anglophones. Ces dissertations font partie de ce comparatif et n'ont jamais figuré dans nos données d'entraînement. tropa-3 n'en a signalé aucune sur 60 (score médian de 7 sur 100). ZeroGPT n'en a étiqueté aucune comme IA, mais en a marqué 15 sur 60 comme mixtes. Pangram et GPTZero, qui en ont analysé 14, n'en ont signalé aucune.
Les limites de ce comparatif
Nous jouions à domicile. Les textes IA et humanisés proviennent des mêmes modèles et humaniseurs que ceux sur lesquels notre détecteur a été entraîné. Les prompts et les documents sont différents et aucun texte ne se recoupe, mais les autres détecteurs n'ont pas pu s'entraîner sur ce mélange. Lisez nos chiffres sur les humaniseurs en gardant cela à l'esprit. Les dissertations TOEFL citées plus haut font exception : elles proviennent d'une étude publiée et n'ont jamais fait partie de nos données d'entraînement.
- Pangram a analysé 513 textes, GPTZero 894. Les effectifs par humaniseur sont trop faibles pour publier des chiffres Pangram.
- Les résultats des outils tiers ont été recueillis les 24 et 25 septembre 2026 via les applications web publiques (Pangram, GPTZero) et l'API web de ZeroGPT. Ces outils évoluent souvent.
- tropa-3 lit les 512 premiers tokens de chaque texte. Tous les textes du comparatif font 800 mots ou moins.
- « Humain » signifie écrit avant les LLM ou indépendamment d'eux, dans la mesure où la source le garantit. Quelques textes web peuvent contenir du texte IA que nous n'avons pas pu identifier.
Télécharger les données
Tous les textes, étiquettes et verdicts sont sur Hugging Face, y compris chaque ligne où notre modèle se trompe. 1 595 textes sont publiés en intégralité : tous les textes IA et humanisés, ainsi que les textes humains sous licence libre. Pour les textes humains protégés par le droit d'auteur, nous publions le jeu de données d'origine, l'identifiant d'origine et l'URL, ainsi qu'une empreinte SHA-256 pour que vous puissiez vérifier que vous avez récupéré exactement le même texte. Le même instantané se trouve dans le dépôt GitHub sous 2026-09/.
from datasets import load_dataset
ds = load_dataset("wasitaigeneratedcom/ai-detector-benchmark-2026-09", split="train")
df = ds.to_pandas()
shared = df[df.in_pangram_subset]
print(shared.groupby("group")[["pangram_label", "gptzero_label"]].value_counts())Les colonnes comprennent zerogpt_label, pangram_label, gptzero_label, tropa3_score et tropa3_display. La fiche du jeu de données documente chaque champ et chaque licence.
FAQ
Pangram vs GPTZero vs ZeroGPT vs tropa-3 : quel détecteur IA est le plus fiable en 2026 ?
Sur les 513 textes analysés par les cinq détecteurs, tropa-3 a détecté 95,6 % du texte IA brut, GPTZero 61,6 %, Pangram 44,0 % et ZeroGPT 21,4 %. tropa-3, Pangram et GPTZero n'ont signalé aucun des 247 textes humains ; ZeroGPT en a signalé 0,8 %. Les textes IA et humanisés proviennent des mêmes modèles et humaniseurs que ceux sur lesquels notre détecteur a été entraîné : considérez donc nos chiffres comme un résultat obtenu à domicile.
Pangram est-il fiable ?
Pangram n'a signalé aucun des 247 textes humains. Il a renvoyé « AI » pour 44,0 % du texte brut des modèles actuels. Si l'on compte son verdict « Mixed » comme une détection, il atteint 81,1 % sur le texte IA brut, toujours sans signaler le moindre texte humain.
Compter « Mixed » comme IA change-t-il le classement ?
Cela réduit l'écart sans changer l'ordre. En comptant « Mixed », Pangram atteint 81,1 % et GPTZero 84,3 % sur le texte IA brut, sans aucun texte humain signalé. Si l'on compte de la même façon notre propre zone intermédiaire (« Probablement IA », score de 70 ou plus), tropa-3 atteint 98,1 % sur l'IA brute et signale 1,2 % des textes humains. ZeroGPT atteint 52,2 %, mais marque alors 19,0 % des textes humains comme partiellement IA.
Les détecteurs IA repèrent-ils les textes humanisés ?
En partie seulement. Sur 286 textes humanisés, tropa-3 en a détecté 57,7 %, GPTZero 24,1 % et ZeroGPT 1,7 %. StealthGPT est repéré par GPTZero et par tropa-3 (87,8 % chacun). UndetectedGPT et WalterWrites sont les cas les plus difficiles : tropa-3 en a détecté 25,5 % et 31,2 %, GPTZero 0,0 % et 12,5 %.
Comment tropa-3 se compare-t-il à tropa-2 ?
Nous comparons les deux au même taux de faux positifs : le seuil auquel chaque modèle signale 0,1 % de 239 490 textes humains mis de côté. À ce taux, tropa-3 détecte 95,2 % du texte IA brut de l'ensemble de 894 textes contre 75,8 % pour tropa-2, 61,7 % du texte paraphrasé contre 30,9 %, et 57,7 % du texte humanisé contre 31,5 %. À son ancien seuil de production, tropa-2 détecte davantage, mais signale alors 3,02 % des textes humains mis de côté.
À quelle fréquence tropa-3 prend-il un texte humain pour de l'IA ?
Il n'a signalé aucun des 247 textes humains de l'ensemble commun, et 0,10 % de 239 490 textes humains mis de côté qu'aucun de nos modèles n'a vus à l'entraînement. Sur les articles de presse, il en a signalé 0,30 %, sur les discours 0,22 % et sur les articles biomédicaux 0,35 %. Aucun verdict de détecteur ne devrait constituer la seule preuve dans une affaire d'intégrité académique.
Analysez vous-même un document
Collez-le dans WasItAIGenerated. Vous obtiendrez le même score tropa-3 que celui utilisé dans cet article.
Tester tropa-3 gratuitement