Selon un détecteur d’IA, le discours «I have a dream» de Martin Luther King a été écrit par une IA
Deux détecteurs d'IA ont jugé « I have a dream » de Martin Luther King artificiel à plus de 84 %. Une étude parue en 2025 met en cause la fiabilité de ces logiciels.
En octobre 2025, une étude menée par Tadesse Wakjira et quatre collègues de l'université Kennesaw State (États-Unis) et d'universités canadiennes a évalué la fiabilité de six détecteurs d'IA gratuits ou payants. Ces outils, conçus pour distinguer un texte écrit par un humain d'un texte généré par une intelligence artificielle, ont montré des résultats contradictoires. Par exemple, ils ont classé le discours « I have a dream » de Martin Luther King, prononcé en 1963, comme artificiel à plus de 84 % selon certains logiciels comme ZeroGPT.com (87,7 %) et ZeroGPT.net (84,4 %), tandis que d'autres outils le considéraient comme humain. Ces écarts soulignent un manque de cohérence dans leurs algorithmes, rendant leurs verdicts difficiles à interpréter avec certitude.
L'étude a testé 35 textes, dont des pages de présentation d'universités prestigieuses comme Harvard, MIT ou Cambridge, des résumés d'articles scientifiques antérieurs à l'ère de l'IA générative et des articles de la BBC. Résultat surprenant : cinq des six détecteurs ont attribué une origine artificielle à ces textes humains, certains avec une probabilité de 100 %. Par exemple, un article de Yann LeCun, Yoshua Bengio et Geoffrey Hinton sur l'apprentissage profond a été classé comme généré par une IA par la majorité des outils. La précision globale de ces détecteurs variait entre 14,3 % et 71,4 %, selon les logiciels, et leurs erreurs étaient systématiques : quand un outil classait un texte comme artificiel, il se trompait presque toujours.
Les chercheurs ont observé que les détecteurs d'IA étaient extrêmement sensibles à des modifications mineures. Par exemple, supprimer un seul mot dans un article de l'université Stanford a fait basculer le verdict de ZeroGPT.com : le texte est passé de 69,51 % de probabilité d'être artificiel à 100 % humain. À l'inverse, des textes volontairement fautifs ou absurdes générés par une IA (comme ceux produits par ChatGPT-4o) étaient parfois classés comme humains. Les auteurs de l'étude expliquent que ces outils confondent souvent un style soigné et structuré, typique des discours ou publications scientifiques, avec une écriture artificielle. Aucun outil ne répond donc aux exigences de fiabilité nécessaires pour des décisions critiques, comme la détection de fraude ou l'évaluation de travaux universitaires.
Les résultats de l'étude concernent spécifiquement les détecteurs d'IA grand public, qui représentent une petite partie du marché. Les chercheurs soulignent que leur échantillon était limité : seulement trois textes artificiels ont été testés, et les outils évalués étaient ceux accessibles au grand public. Ils appellent donc à la création de bancs d'essai plus larges et ouverts, ainsi qu'à une vérification humaine systématique des scores générés par ces logiciels. Leur conclusion est claire : à ce stade, ces outils ne peuvent pas être utilisés de manière autonome pour prendre des décisions importantes, en raison de leur manque de fiabilité et de leur tendance à produire des faux positifs.
En juillet 2026, une mise à jour a montré que certains détecteurs plus avancés, entraînés sur des corpus massifs de textes humains et artificiels, offrent de meilleurs résultats. L'institut de recherche Epoch AI a testé trois outils (Pangram, GPTZero et Originality.ai) sur 495 textes humains. Pangram et GPTZero n'ont classé aucun texte humain comme artificiel, tandis qu'Originality.ai s'est trompé dans 3,8 % des cas. Cependant, ces outils restent vulnérables : lorsqu'une IA imite le style d'un auteur précis, environ 13 % de ses textes passent inaperçus. Le domaine évolue rapidement, car chaque nouveau modèle de langage nécessite une mise à jour des détecteurs, et les verdicts d'hier deviennent obsolètes en quelques mois.
Les auteurs de l'étude insistent sur le fait qu'un pourcentage généré par un détecteur d'IA ne doit pas être considéré comme une preuve absolue, mais comme une estimation statistique. Un score élevé peut justifier une vérification supplémentaire, mais il ne suffit pas à trancher définitivement. Par exemple, un roman primé comme *C'était ça ou mourir* a été soupçonné d'être écrit par une IA sur la base d'un détecteur, avant que l'auteur ne démente catégoriquement. Ces outils sont donc utiles pour alerter sur un risque potentiel, mais ils ne remplacent pas l'expertise humaine, surtout dans des contextes où les enjeux sont importants, comme l'édition, l'éducation ou la recherche.
