Ce que l'humaniseur IA académique supprime — et pourquoi Nature est divisée
L'outil vient de Jie Ding, chercheur en machine learning à l'University of Minnesota. Il s'agit d'un ensemble d'instructions pour un modèle de langage, publié sur GitHub. La règle principale est citée dans le fichier : « strip the AI tells without casualizing ». L'outil supprime des mots comme « delve » et « tapestry ». Il supprime le schéma « not just X, but Y ». Même les tirets cadratins disparaissent. Les demandes de subvention ont leur propre mode, NSF et NIH inclus.
Une partie relève du révisionnement ordinaire, le bon. Une affirmation sans fondement — ni chiffre, ni citation — est renvoyée à l'auteur, et l'article s'en trouve amélioré.
Les scientifiques ne s'accordent pas sur le reste. Francisco Calisto, de l'University of Lisbon, utilise l'outil souvent et le considère comme le meilleur qu'il ait testé. Miguel Angel Blazquez Rodriguez, de la Polytechnic University of Valencia, a dit une chose : « It's deceiving. » Cassidy Sugimoto, de Carnegie Mellon, a déclaré : « I fear that the use case is harmful for science. » Ding répond que l'outil n'est pas le problème. À ses yeux, la violation consiste à dissimuler l'aide de l'IA lorsque les règles exigent une déclaration. Après les questions de Nature, la description sur GitHub a changé. « Removes the usual AI tells » est devenu « sharpens clarity and voice ». Une note d'éthique est apparue. L'outil lui-même fonctionne comme avant.
Un manuscrit dans votre file de relecture a peut-être déjà passé par cet outil. L'auteur ne vous le dira pas.
Quelle part de texte généré par IA se trouve déjà dans les articles de recherche
Environ un tiers des nouveaux preprints arXiv se lisent comme s'ils avaient été rédigés par machine. C'est ce qu'indique une étude indépendante de juillet. L'équipe a évalué le texte intégral de preprints de 2021 à 2026 avec un détecteur IA calibré. La méthode est rigoureuse. L'équipe a fixé le seuil de détection de sorte que les articles d'avant ChatGPT — humains par définition — ne soient signalés que dans 0,4 % des cas. L'écart entre disciplines est important : près des deux tiers dans les domaines textuels, quasi nul en mathématiques. Les auteurs précisent aussi que leurs chiffres constituent une borne inférieure, car une partie du texte machine a passé le détecteur inaperçue.
Part des nouveaux articles arXiv signalés comme rédigés par IA, par discipline
Pour quiconque lit des soumissions, une question praticable se pose par article : quelle part de texte machine contient-il, et l'auteur l'a-t-il déclarée.
Manuscrits rédigés par IA en évaluation par les pairs : les chiffres d'une revue
Chez Organization Science, on en a eu assez de deviner et on a simplement compté. L'AI Task Force de la revue a passé au crible cinq ans de manuscrits et de relectures. Depuis l'arrivée de ChatGPT, les soumissions ont augmenté de près de moitié, et quand l'équipe a retracé l'origine de cette croissance, presque tout provenait d'articles très chargés en écriture IA. COVID, à titre de comparaison, n'a guère entamé la même courbe.
Les éditeurs ont rejeté les articles très chargés en IA sans le savoir
Personne n'a montré de scores IA aux éditeurs. Ils ont travaillé comme d'habitude, en lisant un article et en décidant s'il mérite le temps des relecteurs — et les articles très chargés en machine ont quand même perdu. Les rejets au bureau dans ce groupe ont bondi. Très peu sont parvenus au stade revise-and-resubmit, alors que les articles surtout humains y accédaient environ trois fois plus souvent.
Ce qu'Organization Science a trouvé en cinq ans de soumissions
Un autre résultat contredit une théorie populaire : que l'écriture IA offrirait aux non-anglophones une chance plus équitable. Dans cet ensemble de données, c'est l'inverse qui s'est produit — les utilisateurs les plus intensifs en sont sortis moins bien de la relecture. Le rapport se clôt sur une formule à la hauteur de la fatigue : « the humans are getting tired. »
Un humaniseur ne change rien à cela. L'article reste faible, et tout ce que l'auteur gagne, c'est que personne ne repère le mot « delve ».
arXiv et les nouvelles barrières contre les articles générés par IA
arXiv faisait autrefois confiance à une adresse e-mail institutionnelle. Plus maintenant : un nouvel auteur doit aussi justifier d'une co-autorité publiée dans le domaine, ou d'une recommandation personnelle d'un auteur établi. La plateforme s'est expliquée sans grand diplomatie : il y avait tout simplement trop de soumissions non scientifiques à traiter. Les mathématiques avaient basculé vers la règle plus stricte des mois auparavant, et les taux de rejet sur la plateforme ont plus que doublé depuis le déluge.
Pourquoi le déluge continue malgré tout
Parce que les incitations n'ont pas bougé. Steven Zhou, de Claremont McKenna, a construit une simulation de chercheurs en route vers la titularisation, et elle confirme ce que la plupart des universitaires savent en silence : quand une carrière dépend du nombre d'articles publiés, l'écriture assistée par IA devient le pari rationnel. Si des soumissions arrivent sur votre bureau, attendre que les auteurs se surveillent eux-mêmes n'est pas un plan. Rédigez la procédure.
Le texte IA humanisé passe-t-il la détection ? Ce que l'édition ne peut pas cacher
Considérez ce qu'est réellement un humaniseur IA : un modèle de langage qui édite la sortie d'un autre modèle de langage, avec pour consigne de sonner moins comme un modèle de langage. Tout ce qu'il peut atteindre se situe à la surface du texte.
Ce qu'un humaniseur IA modifie et ce qui reste dans le texte
Dans les premiers tests que décrit Nature, la majeure partie du texte nettoyé a encore été signalée. Une infime part est passée.
Personne n'a encore mené le vrai test
Voici les limites. Aucune équipe indépendante n'a encore testé correctement les humaniseurs contre les détecteurs IA, ce qui signifie que chaque chiffre dans ce débat vient d'un éditeur, y compris le nôtre. Méfiez-vous de nous tous à égalité : c'est la position saine par défaut. Chez It's AI, nous publions nos chiffres de précision sur une page dédiée au détecteur IA pour manuscrits et construisons l'ensemble de test autour du cas le plus difficile que nous connaissons : des brouillons machine édités par une personne, car c'est exactement ce qu'un humaniseur vous remet. Un détecteur IA, d'ailleurs, n'a jamais été un piège à tricheurs. Il pose un chiffre sur la table — la part d'écriture machine — et l'éditeur le compare à ce que l'auteur a déclaré.
Où cela laisse les éditeurs — et les auteurs
Si vous dirigez une revue : formalisez les règles sur l'IA, qui peut utiliser quoi et comment le déclarer, et donnez à l'accueil des soumissions une vérification de texte, comme la vérification de plagiat l'a reçue il y a longtemps. Les relecteurs filtrent cela à l'œil aujourd'hui. Cela fonctionne, et cela les épuise lentement.
Les auteurs ont la tâche plus simple. Déclarez ce que vous avez utilisé, et faites passer votre texte par un détecteur IA avant de soumettre — la revue fera de toute façon sa propre vérification. La détection IA pour les enseignants montre comment les établissements d'enseignement mettent en place le même flux de travail.
Les humaniseurs continueront de s'améliorer, les détecteurs aussi. Un texte que vous êtes prêt à signer n'a rien à craindre de l'un ni de l'autre.
FAQ
Que signifie humaniser un texte IA ?
Humaniser un texte IA, c'est réécrire une sortie générée par machine pour qu'elle se lise comme si une personne l'avait rédigée : rythme de phrases varié, moins de formules types, moins de connecteurs usés. Les humaniseurs académiques vont plus loin et suppriment des indices précis, du vocabulaire signalé aux tirets cadratins, tout en conservant le registre formel qu'exige un article de recherche. L'édition ne modifie que le style de surface. L'empreinte statistique du modèle de langage — choix de mots prévisibles, rythme régulier — reste dans le texte. C'est pourquoi une sortie humanisée doit être traitée comme un hybride d'écriture machine et humaine, et non comme une prose humaine.
Comment détecter l'écriture IA dans un article de recherche ?
L'écriture IA dans un article de recherche se détecte par un mélange de scoring statistique et de jugement éditorial : un détecteur IA lit les schémas de probabilité du texte, tandis que les éditeurs pèsent l'argument lui-même. L'analyse du texte intégral fonctionne mieux que la seule vérification d'un résumé, car un article peut obtenir un score faible sur son abstract et élevé sur son corps. Les vérifications fiables indiquent aussi un taux de faux positifs mesuré sur l'écriture d'avant ChatGPT, car la prose académique formelle de non-anglophones est le cas classique de fausse alerte. Un score unique doit ouvrir une conversation sur la déclaration, et non servir de verdict à lui seul.
Les détecteurs IA peuvent-ils repérer un texte humanisé ?
Souvent oui, mais avec une confiance réduite. Dans les premiers tests que Nature a rapportés en juillet 2026, un détecteur a repéré la majeure partie du texte traité par un humaniseur IA académique, mais pas tout. Les humaniseurs réécrivent la couche lexicale, tandis que les détecteurs lisent aussi des signaux plus profonds : la prévisibilité du mot suivant, la régularité des phrases. Aucun benchmark indépendant d'humaniseurs contre détecteurs IA n'a encore été publié, alors traitez avec la même prudence les promesses de « texte indétectable » et les affirmations de « tout repérer ». Tester sur du texte IA hybride, édité par un humain, est le proxy le plus proche disponible.
Existe-t-il un meilleur humaniseur IA pour l'écriture académique ?
Les classements d'humaniseurs IA répondent à la mauvaise question pour le travail académique. Ce qui compte, c'est si la revue ou l'organisme de financement à laquelle vous soumettez autorise l'écriture IA non déclarée — et la plupart des revues et financeurs exigent désormais une déclaration, quel que soit le polish du texte. Un humaniseur peut nettoyer le style d'un brouillon IA, et utilisé ouvertement, c'est une aide à la révision. Utilisé pour dissimuler une écriture IA qu'une politique exige de déclarer, le même outil transforme une retouche stylistique en faute. Les règles de déclaration de la revue — et non un classement d'outils — déterminent ce qui est sûr.
Utiliser un humaniseur IA équivaut-il à contourner la détection IA ?
Cela dépend de la déclaration, pas de l'outil. Éditer un brouillon IA pour plus de clarté et déclarer l'assistance IA relève de la révision ordinaire ; même le développeur de l'humaniseur académique couvert par Nature dit que la faute consiste à dissimuler l'aide de l'IA là où les règles exigent de la signaler. Faire passer un manuscrit par un humaniseur précisément pour qu'un détecteur IA et un éditeur voient un « texte rédigé par un humain » constitue un contournement de la détection au sens des politiques des revues. La distinction appliquée par les éditeurs est simple : le niveau d'utilisation de l'IA déclaré correspond-il à ce qui se trouve réellement dans le texte.
