Retour aux articles
Les outils d’intelligence artificielle (IA), bien que bénéfiques dans de nombreux domaines, peuvent également inciter à la fraude. Dans le monde académique par exemple, les professeurs rencontrent de plus en plus de difficulté à détecter l’authenticité des devoirs rendus par les élèves.
Se munir de détecteurs d’IA est un bon moyen de défense pour lutter contre ce type de problème.
Cependant, les outils IA sont nombreux et évoluent extrêmement vite. Leurs progrès technologiques les rendant de plus en plus sophistiqués de jour en jour, il devient aujourd’hui très difficile de faire la différence entre un contenu rédigé par une IA générative et celui écrit par la main de l’Homme.
Au fur et à mesure que l’IA progresse, les détecteurs d’IA doivent donc eux aussi évoluer.
Mais est-ce vraiment le cas ?
Suite à 2 ans d’évolutions incessantes de la part des IA génératives, les détecteurs d’IA sont-ils toujours à la page ?
Pour répondre à cette question, nous vous proposerons un test simple, dont les conclusions sont rassurantes.
👉 Les modèles d'IA sont de plus en plus sophistiqués et il devient impossible de repérer un contenu IA à l’œil nu.
👉 Les détecteurs d'IA doivent s'adapter aux évolutions des IA génératives pour les repérer. Pour cela, ils utilisent de nouvelles méthodes de détection.
👉 Lucide.ai reste la meilleure solution pour détecter des contenus générés par les nouveaux modèles d'IA comme GPT-4o ou ChatGPT o1.
Au cours des dernières années, les modèles d’IA générative ont connu des avancées spectaculaires, portées par des réseaux de neurones de plus en plus sophistiqués, alimentés par des bases de données massives.
Si nous prenons l’exemple du premier modèle d’OpenAI - ChatGPT 3.5 - lancé et mis à disposition du monde en Novembre 2022, celui-ci n’a clairement plus rien à voir avec les derniers modèles en date comme GPT-4o ou ChatGPT o1.
Ces derniers ont grandement gagné en cohérence et en pertinence par rapport à leur prédécesseur. Les textes générés avec un nouveau modèle comme ChatGPT o1 sont tellement bien écrits, qu’il serait même prétentieux d’affirmer avec certitude qu’il s'agissait bel et bien de l'œuvre d’une IA.
Si fin 2022, ChatGPT 3.5 faisait déjà l’objet d'inquiétudes quant aux risques de fraudes dans le système éducatif (si bien que Sciences Po a rapidement pris la décision d’interdire l’utilisation d’IA dans la production de travaux écrits et oraux), vous imaginez bien qu’aujourd’hui, l’inquiétude est encore plus grande, du fait que ces fraudes soient encore plus difficilement détectables.
Mais ces progrès ne touchent pas seulement le domaine académique ou éducatif. Les risques de plagiat, de manipulation de l’opinion publique via la production à grande échelle de fake news, d’erreurs dans l’univers scientifique, doivent également faire l’objet d’une surveillance attentive.
Et les détecteurs d’IA sont justement là pour y veiller.
Historiquement, les premiers détecteurs d’IA reposaient sur l’analyse de traits linguistiques et de caractéristiques statistiques. Parmi ces méthodes, nous avons :
La détection de répétitions : Les premiers modèles d’IA avaient tendance à générer des répétitions de mots ou à réitérer les mêmes tournures de phrases. En analysant la densité lexicale ou la pondération de certains mots-clés, il était assez facile d’identifier un texte généré par intelligence artificielle.
La cohérence contextuelle et la structure : Les modèles d’IA les moins avancées n’étant pas aussi entraînés que ceux d’aujourd’hui, nous pouvions assez facilement reconnaître leurs œuvres écrites, plutôt basiques, sans transitions logiques entre les paragraphes, ou avec une structure syntaxique familière.
Tout comme il était facile à l’époque de repérer une image générée par les premiers modèles de DALL-E ou Midjourney.
Toutefois, avec la sophistication grandissante des nouveaux modèles comme GPT-4o ou ChatGPT o1, pour ne citer que les plus populaires, ces méthodes peuvent s’avérer insuffisantes.
Les nouveaux modèles d’IA produisant des textes beaucoup plus riches, cohérents et variés, obligent les détecteurs d’IA à s’adapter et à évoluer avec eux.
Face à cette complexification, les détecteurs d’IA ont dû évoluer en déployant des approches plus robustes et précises.
Bien sûr, tous les détecteurs d’IA ne se valent pas, et n’évoluent pas au même rythme.
Mais parmi les stratégies de détection émergentes, nous retrouvons :
L’apprentissage profond dédié à la détection : Pour s’adapter, les détecteurs d’IA sont spécialement entraînés pour repérer la “signature” laissée par les grands modèles de langage tels que GPT, Claude AI, Gemini ou Mistral.
Ces techniques d’apprentissage contrastives (perfectionnées à l’aide de bases de données de textes à la fois humains et algorithmiques) ou de classification supervisée, permettent d’identifier des patterns ou des subtilités, parfois imperceptibles à l'œil nu.
La détection par contextes multiples : Pour identifier si un texte a été produit par une IA, une des nouvelles méthodes consiste à analyser la cohérence de la réponse par rapport à un sujet précis, puis de l'analyser au travers de plusieurs questions connexes. Cela permet notamment de repérer les répétitions de formulation d’un contexte à l’autre, ou de potentielles imprécisions récurrentes.
Cette méthode novatrice mise sur la difficulté, même pour une IA évoluée, de maintenir une cohérence irréprochable au travers de plusieurs contextes.
Les watermarkings numériques : Les laboratoires de recherche et certaines entreprises ont récemment proposé l’insertion de watermarks au sein des textes produits par les IA génératives. Cette méthode qui consiste à ajouter une sorte de filigrane ou “signature numérique” permettrait aux détecteurs d’IA de repérer instantanément un contenu produit par un algorithme.
Même si, à l’heure où nous rédigeons ces lignes, les watermarks ne sont pas utilisés par les sociétés d’IA génératives, il y a fort à parier que s’ils existaient, des moyens de les contourner seraient créés en parallèle.
Sur le marché, de nombreux détecteurs d’IA existent. Tous n’ont pas la même fiabilité ou efficacité.
Et tous n’ont pas su s’adapter à l’évolution des derniers modèles de langage.
En revanche, Lucide.ai continue d’être dans la course, et repère avec une fiabilité quasi inébranlable les contenus générés par les modèles d’IA les plus puissants.
Si pour Lucide.ai détecter du GPT-3.5 n’était qu’une formalité, repérer des contenus générés par GPT-4o ou ChatGPT o1 reste un jeu d’enfant.
A chaque nouvelle sortie d’un modèle, nous mettons Lucide.ai à l’épreuve.
Et les tests sont pour le moins, très concluants.
Voici deux tests réalisés sur les deux derniers modèles d’OpenAI en date :
TEST 1 : Analyse d'un texte généré par GPT-4o et détection avec l'outil Lucide.ai.
TEST 2 : Analyse d'un texte généré par ChatGPT o1 (le modèle le plus avancé début 2025) et détection avec l'outil Lucide.ai.
Si vous cherchez un détecteur d'IA fiable et précis, même sur les modèles de langage les plus perfectionnés, Lucide.ai sera votre meilleur allier.
