Ce que nos scores veulent dire¶
Un indice, jamais une preuve¶
À lire avant de fonder une décision sur un résultat
Aucun outil ne peut prouver qu'un texte a été écrit par une IA ou par une personne. Ni le nôtre, ni aucun autre. Un score élevé n'est pas un aveu, et un score bas n'est pas un alibi.
N'utilisez jamais un résultat de Veritext comme seul fondement d'une décision concernant quelqu'un — note, sanction, recrutement, procédure.
Ce que nous affichons¶
Chaque vérification renvoie :
- une probabilité calibrée, accompagnée d'un intervalle de confiance — sa largeur vous dit à quel point le résultat est incertain ;
- une carte de chaleur par phrase, pour voir où le doute se concentre ;
- des indices explicables : variation de longueur des phrases, richesse du vocabulaire, régularité de la ponctuation ;
- des avertissements quand les conditions rendent le résultat peu fiable.
Quand le résultat est peu fiable¶
Nous le disons explicitement dans ces cas :
- texte court (moins de 150 mots) — trop peu de matière pour conclure ;
- langue peu couverte par le modèle ;
- texte mixte, écrit à plusieurs mains ou partiellement réécrit ;
- texte très technique ou très formaté, dont le style régulier ressemble à celui d'une IA sans en être une.
Les faux positifs existent, et voici les nôtres¶
Un faux positif, c'est un texte écrit par une personne que l'outil signale comme généré. C'est le cas le plus grave, parce qu'il accuse quelqu'un à tort.
Nous avions écrit ici que nous visions moins de 2 %, sans avoir publié la moindre mesure. Voici la mesure, faite le 12 septembre 2026 sur 3 000 textes étiquetés du corpus public MAGE (1 500 humains, 1 500 générés, tous d'au moins 150 mots).
| Si l'on décide à partir de | Textes humains signalés à tort | Textes générés détectés |
|---|---|---|
| 50 % | 34,3 % | 66,6 % |
| 70 % | 8,2 % | 29,7 % |
| 80 % | 3,9 % | 21,5 % |
| 90 % | 2,3 % | 12,9 % |
Lisez ce tableau avant de vous fier à un score. Il dit une chose simple et désagréable : il n'existe pas de seuil où l'outil soit à la fois fiable et utile. À 50 %, il se trompe sur un texte humain sur trois. Pour descendre sous 2 % d'erreurs, il faudrait ne rien signaler en dessous de 90 % — et il ne verrait alors qu'un texte généré sur huit.
C'est pourquoi le résultat n'est jamais présenté comme un verdict, mais comme un indice accompagné de sa marge. Notre objectif de 2 % n'est pas atteint ; il le sera peut-être avec le modèle de vérification annoncé, et nous republierons ce tableau ce jour-là.
Et en français ?¶
Mesuré séparément, sur 3 000 textes du corpus HC3-French (Inria) : l'outil y est meilleur qu'en anglais. C'est pourquoi il reconnaît maintenant la langue de votre texte et applique la calibration correspondante — les deux langues ne se ressemblent pas de ce point de vue.
| anglais | français | |
|---|---|---|
| Capacité à distinguer (AUC) | 0,73 | 0,86 |
| Textes correctement classés | 67 % | 76 % |
Trois limites, qui vont toutes dans le sens de la prudence :
- le corpus anglais date de 2023 : les modèles récents sont plus difficiles à repérer, donc ces chiffres sont optimistes ;
- le corpus français est traduit de l'anglais. Il ne représente pas du français écrit nativement, et nous ne connaissons pas de corpus qui le ferait sous une licence exploitable ;
- si la langue de votre texte n'est ni le français ni l'anglais, l'outil vous le dit et applique sa calibration la plus prudente. Il n'a pas été mesuré sur d'autres langues.
Un outil qui ne publie pas ces chiffres vous demande de lui faire confiance sans preuve. Nous préférons publier les nôtres, même mauvais.
Les usages que nous interdisons¶
Nos conditions d'utilisation excluent explicitement :
- présenter comme humain un texte généré, là où l'origine doit être déclarée ;
- utiliser le détecteur comme unique fondement d'une sanction contre une personne ;
- surveiller des étudiants ou des employés.
Ce ne sont pas des clauses de style : ce sont les usages pour lesquels nous refusons de fournir l'outil.