Le polissage par l’IA fait-il signaler vos textes ? Ce qu’a mesuré une étude de 2026

C’est souvent le cas sur les deux détecteurs commerciaux testés par cette étude. Des chercheurs ont demandé à un modèle d’IA de réécrire 642 résumés d’articles publiés "to sound better and more human-like" (pour paraître meilleurs et plus humains). Pangram a signalé 64 à 80 % des versions retouchées, et GPTZero 38 à 49 %. Ces mêmes détecteurs n’ont signalé aucun des résumés originaux rédigés entre 2013 et 2015. Turnitin n’a pas été testé. Les auteurs concluent que "detector scores should not serve as standalone misconduct evidence." (les scores des détecteurs ne doivent pas servir à eux seuls de preuve d’inconduite académique).

L’étude, intitulée "Why AI Detection Fails for Academic Integrity" (Pourquoi la détection de l’IA échoue face à l’intégrité académique), a été menée par quatre chercheurs de l’Université de Notre-Dame, déposée sur arXiv le 6 août 2026 et rédigée pour le sommet ACM AI Leadership Summit (AILS '26).

Ce n’est pas la première étude à se pencher sur la question. Une étude de 2025 menée par Saha et Feizi à l’Université du Maryland, parue dans les Findings of ACL 2025, a révélé qu’après "only extremely minor edits" (seulement des modifications extrêmement mineures) apportées par un modèle d’IA, 42.56 % des échantillons rédigés par des humains ont été détectés comme de l’IA par Pangram et 64.71 % par GPTZero, selon le seuil défini pour chaque détecteur. Ces deux études ont utilisé des modèles, des seuils et des corpus différents : leurs chiffres ne s’additionnent donc pas mais se complètent. Ils pointent dans la même direction.

Ils ont rassemblé 642 résumés en anglais d’articles publiés dans quatre disciplines : la chimie, l’informatique, la science politique et la théologie. Parmi eux, 306 résumés dataient de 2013 à 2015, avant l’apparition d’outils comme ChatGPT, et 336 provenaient de la période 2023 à 2025.

Chaque résumé a été réécrit par Gemini 3 Flash. La version qui nous intéresse ici est celle que les auteurs appellent "refine" (polissage), qu’ils considèrent comme "a proxy for guideline-compliant AI assistance" (un indicateur indirect d’une assistance par l’IA conforme aux règles). L’instruction reçue par le modèle commençait ainsi :

"You are an expert scientist who excels in writing papers. Your task is to rewrite a given paper abstract to sound better and more human-like." (Vous êtes un chercheur chevronné qui excelle dans la rédaction d’articles scientifiques. Votre tâche consiste à réécrire le résumé d’article proposé afin qu’il paraisse meilleur et plus humain.)

Les auteurs décrivent clairement le type de modification produit : "Our refine prompt is closer to light generative rewriting than to grammar-only editing; assisted-writing flag rates should be read accordingly." (Notre consigne de retouche est plus proche d’une réécriture générative légère que d’une simple correction grammaticale ; les taux de signalement des textes assistés par IA doivent être interprétés en conséquence.) Gardez cela à l’esprit avant de comparer cette situation avec votre propre démarche.

Chaque version originale et chaque réécriture ont ensuite été évaluées par Pangram 3.2 et GPTZero. D’après le code publié par les auteurs, le score retenu pour GPTZero correspond à la probabilité attribuée à sa classe "AI", et toute valeur égale ou supérieure à 0.50 était comptabilisée comme un signalement.

Deux mises en garde émanent des auteurs eux-mêmes. Les résumés originaux de 2023–2025 ont pu faire l’objet d’une aide par IA qui n’a été consignée nulle part ; ces signalements ne sont donc "not confirmed false positives" (pas des faux positifs confirmés). De plus, les versions polies se distinguent des textes purement humains : l’article précise que leur taux de signalement "must not be abbreviated as FPR" (ne doit pas être abrégé en FPR), et nous ne l’appelons donc pas non plus taux de faux positifs ici. Ce que ce chiffre mesure réellement, c’est la fréquence à laquelle un résumé rédigé par un humain est signalé dès lors qu’une IA l’a poli.

Modifier le seuil n’a pas changé grand-chose aux résultats. Entre 0.4 et 0.6, Pangram a signalé 80 à 85 % des versions 2023–2025 polies, et GPTZero 48 à 49 %.

Sur les résumés de 2023–2025, les taux variaient considérablement selon le domaine :

Sur les originaux non modifiés, l’écart entre les disciplines STEM (chimie et informatique) et les autres (science politique et théologie) était statistiquement significatif. Les auteurs ont également examiné quelles caractéristiques du texte étaient associées à des scores plus élevés. Les deux plus déterminantes étaient la proportion de mots longs et celle des termes issus de l’Academic Word List, une liste de référence du vocabulaire courant dans les écrits académiques, avec des corrélations d’environ 0.30 à 0.35. À l’inverse, une proportion plus forte de chiffres et d’autres caractères non alphabétiques était liée à des scores plus faibles. Les auteurs soulignent que ces "associations are correlational and do not establish causal mechanisms." (associations sont corrélationnelles et n’établissent pas de lien de causalité).

Ces mesures concernent Pangram et GPTZero, et non Turnitin. Dans les trois pages d’aide de Turnitin consacrées à la détection de l’IA que nous avions analysées dans notre article sur pourquoi les détecteurs d’IA signalent les textes bien écrits, rien n’indique que la qualité rédactionnelle soit évaluée. Ces deux constats portent sur des outils distincts et ne se contredisent pas.

Les auteurs énumèrent eux-mêmes les limites de leurs travaux, et celles-ci sont essentielles avant d’appliquer ces résultats à vos propres écrits :

• Des résumés publiés, pas des dissertations d’étudiants. Selon leurs propres termes : "We analyze English published abstracts, not student essays; detector behavior on classroom genres may differ." (Nous analysons des résumés d’articles publiés en anglais, et non des dissertations d’étudiants ; le comportement des détecteurs sur les travaux universitaires peut différer.)
• Deux détecteurs commerciaux, et non Turnitin. Les outils commerciaux examinés étaient Pangram 3.2 et GPTZero, accompagnés d’un modèle de référence d’IA supplémentaire. L’article ne mentionne pas Turnitin. Par ailleurs, Pangram a publié des versions plus récentes depuis : un résultat obtenu aujourd’hui sur Pangram ne provient donc pas forcément du même modèle.
• Un seul modèle, un seul type de polissage. Toutes les réécritures ont été produites par Gemini 3 Flash à partir de la consigne citée plus haut. Une simple correction orthographique et grammaticale n’a pas été testée séparément.
• Quatre disciplines, uniquement en anglais. Le faible taux constaté ici en chimie ne garantit absolument pas que les étudiants en chimie soient à l’abri sur d’autres détecteurs ou avec d’autres types d’écrits.
• Pangram a fourni un accès API pour cette étude, comme l’indiquent les remerciements.

L’article a également soumis les réécritures par IA à un outil d’humanisation commercial : après ce traitement, moins de 4 % des textes restaient signalés par l’un ou l’autre des détecteurs. Comparé aux taux de signalement de 38 à 80 % observés lors d’un polissage honnête, ce résultat constitue le second volet de l’argumentation des auteurs selon laquelle les scores de détection ne peuvent suffire à eux seuls. Leur conclusion : "Integrity programs therefore need transparent AI-use norms and process evidence, not standalone detector scores." (Les politiques d’intégrité académique ont donc besoin de règles transparentes sur l’usage de l’IA et de preuves du processus de rédaction, et non de scores de détection isolés).

1. Identifiez l’outil qui a généré le score. S’il s’agit de Turnitin, ces chiffres ne s’appliquent pas à lui. Examinez attentivement le rapport de votre enseignant pour voir ce qui est précisément surligné.
2. Vérifiez ce que vos règles autorisent. La politique de nombreuses maisons d’édition distingue la révision linguistique de la génération de contenu, et certaines exigent une déclaration explicite ; notre comparatif des politiques des éditeurs sur la déclaration de l’IA détaille ces nuances. Pour vos devoirs universitaires, ce sont les consignes d’évaluation et le règlement de votre établissement qui font foi.
3. Conservez la version antérieure au polissage. Le conseil pratique de l’étude est que "Any flag must be paired with drafting history" (Tout signalement doit être associé à l’historique de rédaction). Un brouillon rédigé avec vos propres mots, accompagné de son historique de versions, constitue précisément cette preuve.
4. Regardez quels passages ont été signalés, et pas seulement le pourcentage. Ce sont ces passages-là que vous devez être prêt à expliquer : comment vous les avez rédigés à l’origine et ce que l’IA a modifié.

Si vous disposez d’un rapport Turnitin ou iThenticate et que les passages signalés nécessitent une réécriture, c’est exactement ce que propose l’option d’humanisation de HumanPen. Importez le rapport Turnitin ou iThenticate et reformulez uniquement les passages signalés. Vous récupérez un fichier modifiable au même format. Vérifiez d’abord la conformité avec le règlement de votre cursus concernant l’assistance par IA, et relisez attentivement le texte obtenu avant de le soumettre.

L’utilisation de Grammarly est-elle considérée comme un polissage par l’IA dans cette étude ? Pas directement. Le polissage testé dans l’étude était une réécriture par Gemini 3 Flash, que les auteurs qualifient de "closer to light generative rewriting than to grammar-only editing" (plus proche d’une réécriture générative légère que d’une simple correction grammaticale). Une simple passe de correction orthographique et grammaticale n’a pas été testée. Turnitin a d’ailleurs indiqué par ailleurs que son détecteur ne cible pas les corrections d’orthographe, de grammaire et de ponctuation effectuées par Grammarly ; consultez notre article pour savoir si Turnitin détecte Grammarly.

Puis-je m’appuyer sur cette étude si je suis accusé d’avoir utilisé l’IA ? Elle appuie un argument général : ces détecteurs signalent une part importante de textes humains retouchés par l’IA, et les auteurs soulignent que ces scores "should not serve as standalone misconduct evidence" (ne doivent pas constituer à eux seuls une preuve d’inconduite). En revanche, elle ne porte ni sur Turnitin ni sur des dissertations d’étudiants, et elle ne peut en aucun cas prouver ce qui s’est passé pour votre propre document. Seuls vos brouillons et votre historique de versions peuvent l’attester.

Pourquoi les résumés non modifiés de 2013–2015 obtiennent-ils un score de 0 %, alors que ceux de 2023–2025 obtiennent des scores plus élevés ? L’étude ne peut trancher sur la cause exacte. Selon ses propres termes, la fenêtre temporelle 2023–2025 "cannot separate model vintage from unobserved real-world AI use on original abstracts" (ne permet pas de distinguer l’évolution des modèles d’une utilisation réelle et non observée de l’IA dans les résumés originaux). C’est la raison pour laquelle ces données sont présentées comme des taux de signalement et non comme des faux positifs.

GPTZero attribue-t-il une étiquette différente aux textes polis ? GPTZero propose une étiquette "AI Polished" (Poli par l’IA) sous son résultat Mixed ; nous avons détaillé sa signification dans notre article sur les étiquettes Mixed et AI-Polished de GPTZero. D’après le code des auteurs, cette étude s’est basée sur la probabilité attribuée à la classe "AI" de GPTZero : ainsi, un texte classé par GPTZero dans la catégorie Mixed, y compris avec la mention AI Polished, n’était comptabilisé comme signalé que si sa probabilité dans la classe AI atteignait au moins 0.50.

• Jonathan A. Karr Jr., Grigorii Khvatskii, Ting Hua et Nitesh V. Chawla, Why AI Detection Fails for Academic Integrity, arXiv:2608.11256 (v1 6 août 2026, v2 20 août 2026), AILS '26 ; consulté le 27 septembre 2026 (tableaux 1–6, annexes A, B et D), ainsi que le code publié par les auteurs.
• Shoumik Saha et Soheil Feizi, Almost AI, Almost Human: The Challenge of Detecting AI-Polished Writing, Findings of ACL 2025 (arXiv:2502.15666) ; consulté le 27 septembre 2026.