La partie a changé. Le modèle aussi.
Il y a un an, la vraie difficulté consistait à ne pas accuser de vraies personnes. tropa-1 a fait beaucoup progresser ce point. tropa-2 conserve cet acquis : dans notre benchmark d'août, il signale à tort 1 texte humain sur 251, répartis sur douze domaines, recettes, poèmes et courts e-mails compris.
Mais les textes que nous voyons aujourd'hui ne sont plus ceux d'il y a un an. La sortie brute d'un modèle se fait rare. Ce qui arrive, c'est du texte IA passé par un humaniseur, ou, moins cher encore, parsemé de caractères qu'aucun humain ne voit et qu'aucun tokenizer ne peut ignorer. Un détecteur qui ne connaît que « IA ou humain » n'a pas de mots pour l'un ni pour l'autre.
tropa-2, lui, les a. Trois choses sont nouvelles.
Il nomme le type de texte IA
Quatre classes au lieu d'un score unique : humain, IA brute, IA légèrement retouchée, IA humanisée. Quand la classe humanisée domine, le résultat vous le dit.
Il voit les caractères invisibles
Homoglyphes, espaces de largeur nulle, espacements exotiques : supprimés avant l'évaluation et comptabilisés, si bien que l'astuce elle-même devient un résultat.
Son score veut dire ce qu'il dit
Calibré. Un 62 est un 62 : environ six textes sur dix qui obtiennent ce score sont de l'IA. Plus besoin de convertir de tête une « confiance » en probabilité.
Les chiffres, avec un taux de faux positifs cloué au plancher
Chaque valeur ci-dessous a été mesurée au même point de fonctionnement : 0,5 % des textes humains signalés à tort. C'est le chiffre que nous refusons de sacrifier. Le rappel, c'est ce que le modèle gagne en plus.
| Jeu de test réservé, août 2026 | tropa-2 |
|---|---|
| Textes rédigés par des humains signalés à tort | 0,5 % |
| Sortie brute des modèles actuels détectée : GPT-5.6, Claude Opus 5 et Fable 5, Gemini 3.6 et d'autres | 97 % |
| Texte IA passé par un humaniseur dédié détecté : le cas le plus difficile qui soit | jusqu'à 78 % |
| Mention « possiblement humanisé » sur du texte IA brut (une fausse alerte) | 0 % |
| Mention « possiblement humanisé » sur du texte réellement humanisé | ~40 % |
Un point à garder en tête si vous comparez ces chiffres à l'annonce de tropa-1 : l'épreuve est plus difficile. Des modèles de toute dernière génération, de vrais produits humaniseurs au lieu de paraphrases produites par des modèles. Nous l'avons choisie parce que c'est le test auquel nos utilisateurs sont réellement confrontés.
Comment lire un résultat
Le site affiche le score lui-même (« 62 % IA ») et une étiquette pour la tranche dans laquelle il se situe. Comme le score est calibré, les tranches ne font que traduire ce que dit la probabilité.
Une mention qui ne parle que lorsqu'elle est sûre
La mention possiblement humanisé est conçue pour être crue. Elle n'apparaît que lorsque le modèle attribue l'essentiel du signal IA à la classe humanisée et que le score global est d'au moins 40. Lors des tests, elle ne s'est jamais déclenchée sur du texte IA brut.
Le prix de cette précision, c'est la portée : elle repère environ quatre textes humanisés sur dix. Sa présence veut donc dire quelque chose, son absence rien du tout, et c'est pourquoi vous ne verrez jamais d'étiquette « non humanisé » ni de pourcentage à côté, ni ici ni dans l'API. Quand elle apparaît, ouvrez la vue par phrase. C'est là que se trouve l'histoire.
Les caractères que l'on ne voit pas
Une part étonnante du texte IA « indétectable » n'est qu'un texte IA ordinaire dans lequel le « a » latin a été remplacé par un « а » cyrillique, ou truffé d'espaces de largeur nulle entre les lettres. Pour un lecteur, c'est identique. Pour un tokenizer, c'est une autre langue, et les détecteurs qui évaluent les octets bruts s'effondrent. tropa-2 normalise d'abord le texte, évalue la version nettoyée et indique ce qu'il a supprimé : homoglyphes, caractères de largeur nulle, caractères pleine chasse, espaces inhabituels. Quand cet avertissement apparaît, l'obfuscation est généralement ce qu'il y a de plus intéressant dans le document.
Si vous développez sur l'API
/api/v1/detect/textrenvoie désormaisscore,verdict,humanizedHint,inputAnomaliesetsubclassProbs. Rien de ce que vous analysez déjà n'a changé ;isAIcorrespond toujours à un score supérieur à 50.- Pas encore prêt à recalibrer ? Envoyez
model: "tropa-1"et restez sur la génération précédente au même prix.mode: "depth"vous donne de vrais scores par phrase. - Les réponses prennent désormais une à deux secondes au lieu de quelques centaines de millisecondes. Donnez à votre client un timeout de 30 secondes.
- Référence des champs dans la documentation de l'API.
Ce qu'il ne fait pas
- Repérer tous les textes humanisés. Face aux meilleurs outils, environ un sur quatre passe encore entre les mailles. Quiconque annonce « 99 % de précision » ne mesure que la sortie brute, ou ne vous dit pas ce qu'il mesure.
- Couvrir toutes les langues et toutes les longueurs. Ces chiffres valent pour des textes en anglais d'au moins une cinquantaine de mots.
- Renvoyer systématiquement tous les champs. En cas de forte charge, une voie de repli renvoie le score sans la mention humaniseur ni la répartition par classe : traitez ces champs comme facultatifs.
- Remplacer un humain. Un résultat est un indice. Montrez les phrases signalées à la personne concernée et laissez quelqu'un trancher, surtout en milieu universitaire et scolaire.
Testez-le sur le texte qui vous laissait perplexe
Toutes les analyses de textes et de documents sur ce site et via l'API reposent désormais sur tropa-3. Collez celui qui vous a fait douter.
Tester tropa-3 gratuitement