Turnitin détecte-t-il précisément Claude ? Ce que dit la liste de modèles

Oui. Plusieurs variantes de Claude figurent sur la liste de modèles que publie Turnitin. La liste indique que le modèle de détection d'écriture par IA de Turnitin pour les soumissions en anglais peut détecter le contenu issu d'un ensemble de modèles qui comprend Claude-3-Haiku, Claude Sonnet-3.5, Claude Sonnet-3.7, Claude Sonnet-4.5, Claude Sonnet-4.6, Claude-Haiku-4.5 et Claude-Opus-4.5. La liste couvre également « tools based on these LLMs as well, » (« les outils basés sur ces LLM également »), ce qui signifie que les applications bâties sur les modèles de langage de Claude entrent dans le périmètre de détection annoncé.

Cela dit, figurer sur la liste ne signifie pas que chaque passage produit par Claude sera signalé. Turnitin reconnaît lui-même que certains textes écrits par IA passent inaperçus et que les capacités de détection évoluent au fil des mises à jour du modèle. La réponse honnête est donc celle-ci : Claude est couvert, mais la couverture n'est pas une garantie.

Turnitin ne publie pas de tableau de modèles avec des résultats de détection du type réussite ou échec. Il fournit à la place une liste en ligne dans sa documentation. La phrase d'introduction se lit ainsi : « Currently, Turnitin's AI writing detection model for English submissions can detect content from » (« Actuellement, le modèle de détection d'écriture par IA de Turnitin pour les soumissions en anglais peut détecter le contenu issu de ») une liste qui comprend les variantes de Claude citées plus haut, aux côtés de GPT, Gemini, LLaMA, Mistral, Deepseek, Nova, Grok et o1-mini. C'est ce regroupement que Turnitin détecte-t-il Claude, Copilot ou Gemini ? examine par l'autre bout. La liste se termine en indiquant que la couverture s'étend à « tools based on these LLMs as well. » (« les outils basés sur ces LLM également »). La phrase qui suit la liste se lit ainsi : « We will continue to expand our detection capabilities to other models in the future. » (« Nous continuerons à étendre nos capacités de détection à d'autres modèles à l'avenir. »)

L'expression clé est « can detect content from » (« peut détecter le contenu issu de »). Cette formulation nous indique que le détecteur est entraîné à reconnaître les textes générés par ces modèles. Elle ne promet pas une détection parfaite. Concrètement, pour Claude, cela signifie que tout outil ou service qui utilise les modèles de langage de Claude pour produire du texte entre dans le périmètre annoncé. Que le détecteur repère chaque cas est une autre question, que nous abordons plus bas.

Pour comprendre pourquoi la détection n'est pas un oui ou un non binaire, il est utile d'examiner le mécanisme décrit par Turnitin. Lorsqu'un devoir est soumis à Turnitin, les phrases de la soumission sont extraites et segmentées en sections chevauchantes pour l'analyse de prédiction. Chaque section est classée par le modèle de détection d'IA et reçoit une valeur comprise entre 0 et 1, qui indique la probabilité que le texte soit plutôt humain ou généré par IA. Chaque phrase admissible au sein de ces sections hérite du score de la section. Comme les sections se chevauchent, certaines phrases peuvent avoir plusieurs scores, qui sont ensuite regroupés en un seul. Ces scores par phrase sont ensuite agrégés et servent à calculer le score global d'écriture par IA du document.

Le pourcentage final de votre rapport est l'agrégation de nombreuses petites prédictions au niveau de la phrase. Ce n'est pas une analyse unique qui tamponne tout le document comme étant IA ou humain. Chaque phrase contribue au total, et le chevauchement des sections aide à lisser les cas limites.

Le modèle de Turnitin n'est pas figé. La documentation indique : « As we iterate and develop our model further to better detect newer LLMs, it is likely that our detection capabilities will also change, affecting the AI percentage.. However, for a submitted document, the AI percentage will change only if it's re-submitted again to be processed. » (« À mesure que nous faisons évoluer et développons notre modèle pour mieux détecter les LLM plus récents, il est probable que nos capacités de détection changent également, ce qui affectera le pourcentage d'IA. Toutefois, pour un document déjà soumis, le pourcentage d'IA ne changera que s'il est soumis à nouveau pour être traité. »)

Cela a une conséquence pratique. Si vous soumettez un document aujourd'hui et obtenez un certain pourcentage d'IA, ce même document pourrait obtenir un pourcentage différent s'il est soumis à nouveau quelques semaines ou quelques mois plus tard. Le modèle évolue, et ces mises à jour peuvent faire bouger les scores dans un sens comme dans l'autre. Un passage qui paraît humain aujourd'hui pourrait paraître généré par IA après une mise à jour, ou l'inverse.

Pour les textes issus de Claude, cela signifie que le taux de détection que vous constatez aujourd'hui peut ne pas correspondre à celui que vous constaterez plus tard. La liste de modèles confirme que Claude est dans le périmètre, mais la sensibilité de cette détection peut varier au fur et à mesure que Turnitin affine son modèle.

Turnitin est transparent sur le fait que son détecteur n'attrape pas tout. La documentation indique : « In order to maintain this low rate of 1% for false positives, there is a chance that we might miss some AI written text in a document. » (« Afin de maintenir ce faible taux de 1 % de faux positifs, il est possible que nous manquions une partie du texte écrit par IA dans un document. »)

C'est un compromis assumé. Turnitin privilégie un faible taux de faux positifs, ce qui signifie qu'il accepte qu'une partie du texte d'IA passe à travers. Le détecteur pèche par excès de prudence : il préfère manquer du texte d'IA plutôt que de signaler à tort du texte humain.

Comprendre pourquoi le détecteur fonctionne ainsi suppose de regarder ce qu'il mesure réellement. Le modèle de Turnitin ne s'appuie pas sur les métriques souvent évoquées dans les discussions publiques sur la détection d'IA, et c'est pourquoi Turnitin utilise-t-il la perplexité et le burstiness pour détecter l'IA ? s'arrête là où il s'arrête. La documentation indique : « Our model is not explicitly programmed to evaluate specific signals such as 'burstiness,' 'perplexity,' or other individual metrics sometimes referenced in public discussions. Instead, it learns statistical patterns from our training data. » (« Notre modèle n'est pas explicitement programmé pour évaluer des signaux spécifiques tels que 'burstiness,' 'perplexity,' ou d'autres métriques individuelles parfois mentionnées dans les discussions publiques. Il apprend plutôt des motifs statistiques à partir de nos données d'entraînement. ») Le modèle applique ensuite ce qu'il a appris pour classer le texte. Comme le dit Turnitin : « Our classifiers are trained to detect these differences in word probability and are adept at the particular word probability sequences of human writers. » (« Nos classificateurs sont entraînés à détecter ces différences de probabilité des mots et maîtrisent les séquences particulières de probabilité des mots propres aux rédacteurs humains. »)

Autrement dit, le détecteur examine les motifs de probabilité des mots, et non des signaux de surface comme la variation de la longueur des phrases ou la rareté du vocabulaire. C'est pourquoi un texte d'IA fortement édité ou réécrit peut parfois échapper à la détection, et pourquoi Turnitin détecte-t-il les humaniseurs d'IA ? doit être traité au cas par cas. Si les séquences de probabilité des mots se modifient suffisamment pendant l'édition, le classificateur peut cesser de reconnaître le texte comme généré par IA.

Si votre rapport Turnitin signale des passages comme générés par IA, l'étape la plus pratique consiste à ne traiter que les sections signalées plutôt qu'à réécrire tout le document, ce qui est la méthode exposée dans réécrire uniquement les paragraphes signalés par un rapport Turnitin. La notation au niveau de la phrase de Turnitin vous permet d'identifier les segments précis qui ont déclenché la détection et d'y concentrer votre révision.

Gardez vos citations, tableaux et mises en forme intacts. Seuls les passages signalés comme IA demandent votre attention. Si vous révisez et soumettez à nouveau, gardez à l'esprit que le pourcentage d'IA peut bouger à cause des mises à jour du modèle, et pas seulement à cause de vos modifications.

Les passages éligibles peuvent être relancés gratuitement.