La plupart des tentatives pour repérer l'écriture de l'IA regardent les mots : le vocabulaire, les habitudes de ponctuation, le rythme des phrases. Une équipe de recherche de l'Université du Maryland et de Google DeepMind a posé une question plus tranchante : si on jette délibérément tout ça aux poubelles, le texte reste-t-il classifiable ? Leur système, StoryScope (arXiv 2604.03136), répond que oui. Sur un corpus de 61 608 histoires de cinq mille mots, la structure narrative au niveau du discours à elle seule (comment l'histoire est construite, pas comment elle sonne) a séparé la fiction humaine de la fiction générée par IA à 93,2 % de macro-F1, ce que les auteurs rapportent comme conservant plus de 97 % de la performance des modèles qui voient aussi les indices stylistiques.
La détection de l'IA regardait les mots. Le signe distinctif est structurel.
Les détecteurs d'IA commerciaux travaillent presque uniquement au niveau des mots : la perplexité, la prévisibilité de chaque jeton suivant. La question de StoryScope, c'est ce qui reste quand on écarte toute cette couche. L'équipe a construit un espace interprétable de 304 caractéristiques narratives, réparties sur dix dimensions (des éléments comme l'agentivité des personnages, la discontinuité chronologique, la façon dont les événements s'intensifient), puis a entraîné un classificateur sur ces caractéristiques en laissant délibérément de côté la dimension stylistique de la taxonomie. Mêmes consignes pour tout le monde : 10 272 d'entre elles, chacune écrite par un humain et cinq LLM, de sorte que le classificateur ne peut pas s'appuyer sur le sujet. La structure seule a atteint 93,2 % de macro-F1 pour humain contre IA, et 68,4 % sur la question plus difficile de l'attribution à six voies, à savoir quel auteur a écrit quoi. Un ensemble compact de 30 caractéristiques centrales porte l'essentiel du signal, ce qui va à l'encontre de l'idée que le résultat serait un artefact d'un vaste espace de caractéristiques qui capterait du bruit.
À quoi ressemble le signal structurel en termes de prose ? Selon les auteurs : la fiction générée par IA surexplique ses propres thèmes et privilégie des intrigues nettes, à voie unique. La fiction humaine présente les choix du protagoniste comme plus ambigus moralement et affiche une plus grande complexité temporelle. Retirez toute habitude au niveau des mots, et la machine se trahit quand même en résolvant les choses de façon trop nette.
Chaque modèle laisse sa propre empreinte.
Le chiffre de l'attribution à six voies est le plus surprenant. Distinguer une machine d'un humain, c'est une chose ; identifier laquelle des machines a écrit une histoire, à partir de la structure seule, à 68,4 % parmi six candidats, ça veut dire que les modèles ne convergent pas vers une seule « forme d'histoire IA » générique. Chacun a ses habitudes. Les auteurs en nomment quelques-unes, et elles sont assez précises pour rester en mémoire.
Pour quiconque fait tourner plusieurs modèles en production, c'est une correction mentale utile : « avoir l'air IA », ça se décline au pluriel. Si vos brouillons passent par différents modèles à différentes étapes du pipeline, ils ramassent des habitudes structurelles différentes, et un réviseur calibré sur les tics d'un modèle peut complètement rater ceux d'un autre.
Les sorties de l'IA se regroupent. Le travail humain se disperse.
Le résultat le plus citable de l'article porte sur la variance, pas sur la précision. Les histoires générées par IA se regroupent dans une région partagée de l'espace des caractéristiques narratives, tandis que les histoires écrites par des humains se dispersent.[1] L'uniformité, en d'autres mots, n'est pas juste une impression que les lecteurs ont de l'écriture machine. Sur ce corpus, elle est mesurable au niveau structurel : cinq modèles différents, et leurs sorties atterrissent quand même plus près les unes des autres que les écrivains humains ne le sont les uns des autres.
Deux surinterprétations à refuser.
C'est la section dont un futur lecteur aura le plus besoin, parce que cet article est exactement le genre qui se fait citer de travers.
- « Le contenu IA est détectable à 93 % » n'est pas ce que dit l'article.
Le 93,2 % est un résultat spécifique à ce corpus : cette tâche, ce genre, ces six auteurs, ce classificateur. Ça ne dit rien des moteurs de recherche, de votre blogue, ni de la capacité de quiconque à détecter l'IA dans un texte commercial. Le citer comme un taux général de détection revient à emprunter un chiffre que l'article n'offre pas.
refuser · la lecture en taux général de détection - Les constats narratifs ne sont pas établis pour le non-fictionnel.
La majeure partie de l'espace des caractéristiques n'existe qu'à l'intérieur d'une histoire. Selon les comptes de la taxonomie du dépôt du projet, environ 265 des 304 caractéristiques (agents, intrigue, décor, révélation, structure temporelle) n'ont pas d'équivalent dans une page de services ou un article pratique. Seule la dimension du style est neutre par domaine, et le style est précisément ce que les auteurs ont mis de côté.
refuser · la lecture qui transpose ça aux articles de blogue
Ce qui survit hors fiction.
Alors pourquoi écrire une note de terrain sur un article de fiction ? Parce que le paradigme se transpose même là où les caractéristiques ne se transposent pas. L'affirmation de l'article, dans sa forme la plus générale, c'est que le signal d'auteur le plus profond se situe un cran au-dessus de la phrase : dans la façon dont l'artefact entier est construit. Notre propre pratique de révision opérait presque entièrement à l'altitude de la phrase (choix des mots, habitudes de ponctuation, tics phrastiques). Après avoir lu cet article, nous avons ajouté une passe structurelle au niveau du document à cette liste de vérification. Nous sommes d'ailleurs un cas d'essai instructif : ces notes de terrain sont rédigées par IA puis révisées par un humain (comment, exactement), et la passe structurelle décrite plus bas fait partie de la révision qu'elles reçoivent. L'analogue non fictionnel plausible de « surexplique ses thèmes, privilégie des intrigues nettes à voie unique » ressemble à ceci :
- Le texte surexplique sa propre thèse.
Il l'énonce, la reformule, puis la conclut à nouveau. Un auteur humain finit par faire confiance au lecteur, à un moment donné.
vérifier · est-ce que la fin réexplique le début - Argumentation à voie unique, résolutions nettes partout.
Aucune position contraire à laquelle on laisse un point valide, chaque section se résolvant en une conclusion nette, aucun compromis laissé en suspens. Une écriture humaine engagée concède ce que sa position coûte.
vérifier · reste-t-il honnêtement quelque chose d'irrésolu - Emphase uniforme.
Aucune indication que l'auteur tenait plus à une partie qu'à une autre. L'écriture humaine a un centre de gravité.
vérifier · où repose réellement le poids de l'auteur
Soyons clairs sur l'épistémologie, parce que l'article l'est : cette liste de vérification est notre extrapolation, pas le constat de l'article. Les auteurs ont testé de la fiction. Nous agissons sur l'analogue parce que c'est peu coûteux, et parce que ça correspond à ce que des réviseurs expérimentés disent déjà des brouillons machine, pas parce que cette étude le prouve pour de la prose commerciale. Le résultat de convergence se transpose de la même façon : il appuie l'argument voulant que le contenu IA générique se lise comme générique parce qu'il converge structurellement, mais en tant que résultat de fiction, il appuie l'argument plutôt qu'il ne le referme. Pour une entreprise qui décide quoi automatiser dans son pipeline de contenu, la traduction honnête est celle-ci : le brouillon peut être délégué ; les choix structurels qui font qu'un texte se lit comme si une seule personne s'y était engagée, c'est actuellement là que l'humain mérite la signature.
Ce que ceci n'est pas.
Ceci n'est pas une vérification indépendante de StoryScope : nous avons lu le résumé et le README du dépôt, pas le corps complet de l'article, donc chaque chiffre ici est une affirmation des auteurs, et les limites énoncées par les auteurs eux-mêmes ne sont pas représentées. Ce n'est pas une preuve que le contenu IA peut être détecté en général, ni une mesure de quoi que ce soit en dehors de la fiction de cinq mille mots. L'attribution à six voies couvre cinq modèles précis à un moment donné ; les habitudes des modèles changent à chaque nouvelle version. Ce qui survit à ces réserves, c'est le paradigme : le signal d'auteur loge dans la structure, pas seulement dans le style, et chaque modèle a ses propres habitudes.
Si votre équipe est en train de décider quelles parties d'un pipeline de contenu peuvent être déléguées à l'IA et lesquelles ont besoin du jugement structurel d'un humain, le formulaire de contact est le chemin le plus rapide. Nous vous renverrons une lecture écrite de votre dispositif de rédaction et de révision, gratuitement.