Pourquoi nous avons d’abord ciblé les faux positifs
Le pire qu’un détecteur IA puisse faire, ce n’est pas de laisser passer un texte généré par IA : c’est d’accuser une personne réelle d’avoir utilisé l’IA alors qu’elle ne l’a pas fait. Un texte IA qui passe entre les mailles est un désagrément ; une fausse accusation peut coûter à un étudiant son cursus ou à un rédacteur son emploi. Lorsque nous avons entraîné tropa-1, la première question n’était donc pas « combien de texte IA détecte-t-il ? », mais « à quelle fréquence se trompe-t-il sur les humains ? ».
Pour le mesurer, nous avons évalué 1 314 textes dont l’origine humaine est garantie : des résumés arXiv antérieurs à 2017 couvrant douze disciplines scientifiques, rédigés des années avant l’apparition des modèles de langage modernes, récupérés pour l’occasion et dédoublonnés par rapport à l’ensemble des données d’entraînement.
Textes humains signalés à tort comme IA (seuil 0,5)
Signalés à tort au seuil strict (0,1)
Les faux positifs en détail
| Sur 1 314 textes humains vérifiés | o.3 (précédent) | tropa-1 |
|---|---|---|
| Signalés comme IA (seuil 0,5) | 9,7 % (127 textes) | 1,2 % (16 textes) |
| Signalés au seuil strict (0,1) | 31,7 % | 2,0 % |
| Score IA moyen attribué au texte humain | 0,138 | 0,014 |
C’est la ligne du score moyen qui compte le plus pour nous. tropa-1 est nettement bimodal : l’écriture humaine se regroupe autour de 0,01, la sortie IA brute autour de 1,00. L’ancien modèle étalait les textes humains sur toute la plage de 0 à 0,9, et c’est précisément ainsi que naissent les cas limites et les fausses accusations. Sur les textes web du benchmark externe, o.3 signalait près d’une page humaine sur trois (32 %) ; tropa-1 en signale 0,5 %.
Texte IA humanisé : une comparaison honnête
Le texte IA « humanisé », c’est-à-dire reformulé par des outils comme Rephrasy pour tromper les détecteurs, est le cas le plus difficile. Une comparaison naïve avantagerait ici l’ancien modèle : à seuil fixe, o.3 repère beaucoup d’IA paraphrasée simplement parce qu’il signale aussi un humain sur cinq. La comparaison honnête se fait à budget de faux positifs égal : on règle les deux modèles pour qu’ils signalent à tort la même (faible) proportion d’humains, puis on mesure lequel détecte le plus d’IA.
Texte IA humanisé détecté à taux de faux positifs égal de 1 % (359 textes paraphrasés)
| Budget de faux positifs | o.3 | tropa-1 |
|---|---|---|
| 0,5 % d’humains signalés à tort | 76,3 % | 83,6 % |
| 1 % | 79,1 % | 86,4 % |
| 2 % | 80,2 % | 89,7 % |
tropa-1 l’emporte à chaque point de fonctionnement : il n’échange pas des fausses accusations contre du rappel, il améliore les deux à la fois.
Texte IA non retouché : toujours 100 %
Les deux modèles détectent 100 % de la sortie brute des douze générateurs testés, dont GPT-5.5, Claude Opus 4.7, Gemini 3.1 Pro et, fait notable, deux modèles Qwen que tropa-1 n’a jamais vus pendant l’entraînement. tropa-1 conserve ces 100 % même avec un seuil très strict de 0,9, et c’est ce qui rend son faible taux de faux positifs possible en pratique.
Méthodologie
- Évaluation : tout ce qui est présenté ici repose sur des données entièrement réservées : un benchmark externe de 739 textes (200 humains, 539 IA issus de 12 modèles, dont 359 paraphrasés), plus 1 314 nouveaux résumés humains antérieurs à 2017. Aucun ne figure dans les données d’entraînement.
- Parité avec la production : tous les chiffres ont été mesurés sur exactement le même modèle et le même chemin de code que ceux qui servent aujourd’hui ce site, et non sur une configuration de laboratoire.
Limites, en toute franchise
- Notre corpus de test humain est en anglais, compte au moins 50 mots par texte et se compose surtout d’écrits formels (articles scientifiques, articles, critiques). Les textes courts et familiers ainsi que les contenus dans d’autres langues sortent du périmètre de ces chiffres.
- « Humanisé » signifie ici paraphrasé par les douze modèles cités. Les outils d’humanisation dédiés comme Rephrasy peuvent se comporter différemment, et environ 14 à 16 % du texte humanisé passe encore entre les mailles avec les réglages de production. Aucun détecteur ne repère tout ; quiconque prétend le contraire cherche à vous vendre quelque chose.
- Un résultat de détection est un indice, pas une preuve. C’est pourquoi nous affichons des scores phrase par phrase : un signalement doit ouvrir la discussion, pas la clore, en particulier dans un cadre académique.
tropa-1 est disponible dès maintenant
Toutes les analyses de textes et de documents de ce site reposent déjà sur tropa-1, via le détecteur web comme via l’API. Testez-le sur vos propres textes.
Tester tropa-1 gratuitement