Détecter un contenu généré par une IA : ce que ces outils prouvent, et ce qu’ils ne prouvent pas
Trois questions se confondent : le contenu est-il vrai, a-t-il été produit par une IA, et qui l’a produit? Les détecteurs ne répondent correctement à aucune des trois seuls, et peuvent accuser une personne innocente. Comment s’en servir sans se tromper.
Adapté d'un guide d'abord écrit pour le Québec : les passages propres au Québec ont été retirés. Les règles de votre province peuvent différer.
Un détecteur affiche un pourcentage et vous avez l’impression d’une preuve. Ce n’en est pas une : les outils de détection de texte produit par une IA se trompent dans les deux sens, et leurs faux positifs tombent de façon disproportionnée sur les textes simples, très structurés, écrits par des personnes qui ne maîtrisent pas parfaitement la langue, ou traduits automatiquement. Accuser un étudiant ou un employé sur cette base est une erreur grave, et parfois irréparable.
Trois questions, trois méthodes
Ce qui se remarque encore, et ce qui ne se remarquera plus
Sur une image ou une vidéo, les indices les plus durables sont les incohérences internes : texte incrusté mal formé, reflets et ombres qui ne concordent pas, mains et doigts, bijoux ou lunettes asymétriques, détails qui se dissolvent dans l’arrière-plan, mouvement trop lisse. Ces indices dépendent de la génération du moment : ils sont vifs sur un contenu produit rapidement et disparaissent sur un contenu retouché. Sur un texte, les indices de forme sont encore plus fragiles : liste systématique, formules de transition répétitives, absence totale d’exemple personnel, mais aucune de ces caractéristiques n’a de valeur probante.
La conclusion pratique est contre-intuitive : chercher « la preuve technique » est souvent une impasse, alors que la vérification de la source donne des résultats. Un contenu publié par un compte créé la semaine dernière, sans historique cohérent, avec des reprises partout mais aucune origine identifiable, se juge sur son parcours, pas sur sa texture.
Dans une école ou au travail : la procédure compte plus que le verdict
Quand une organisation soupçonne un usage non conforme d’un outil de génération, ce qui tient devant un regard extérieur n’est pas un score : c’est une démarche. Concrètement : prévenir la personne, lui permettre de répondre, examiner la progression et les brouillons, interroger l’oralement sur le contenu produit, comparer avec ses travaux antérieurs, et vérifier la règle écrite applicable. Sans règle claire préalable, la sanction est difficile à justifier; avec une règle claire, la discussion peut porter sur la preuve et non sur le principe.
Ce qu’il faut conserver, dans un cas comme dans l’autre
- Le contenu original, avec son adresse, sa date et une capture d’écran horodatée.
- Le fichier lui-même lorsque c’est possible : certaines métadonnées et traces de provenance survivent au téléchargement, mais pas à une capture d’écran.
- Les éléments de comparaison : publications antérieures, versions précédentes, brouillons, échanges.
- La règle écrite applicable et la date à laquelle elle a été communiquée.
Sur un contenu déjà diffusé, voir reconnaître une voix ou une vidéo fabriquée et les images détournées.
Sources et limites
Vérifié le 17 septembre 2026 — cette page recommande de fonder une conclusion sur la source et la procédure, jamais sur un score de détection.
Information générale fondée sur des règles fédérales et nationales; les règles provinciales peuvent différer. Confirmez auprès de l'organisme officiel avant d'agir. Dernière révision : 2026-09-17.