Détection IA : pourquoi rien ne change en 2026

Temps de lecture : 8 min

Le serpent de mer de la détection IA

En 2026, trois ans et demi après l’explosion de ChatGPT, une question obsède les rédactions, les éditeurs et les marketeurs : comment savoir si un texte vient d’un humain ou d’une machine ?

La réponse, sans langue de bois : on ne peut pas. Pas avec certitude. Et personne, ni OpenAI ni Google, n’a intérêt à changer ça.

Passons au concret. Décortiquons la structure de cette impasse.

OpenAI : un outil parfait… resté dans un tiroir

Dès août 2024, une fuite du Wall Street Journal révélait qu’OpenAI avait développé un système de watermarking textuel affichant un taux de détection de 99,9 %. L’idée : insérer un pattern imperceptible dans la structure des phrases, détectable par un algorithme spécifique.

Résultat ? L’outil n’a jamais vu le jour. Pourquoi ? Parce que, en interne, les équipes d’OpenAI se sont déchirées entre transparence et rétention d’utilisateurs. Une étude interne menée en 2023 montrait que 30 % des utilisateurs réduiraient leur usage de ChatGPT si un tel marquage était déployé, et 69 % craignaient de fausses accusations.

En pratique, OpenAI a fait le calcul : perdre des utilisateurs, c’est perdre des revenus. La décision a été prise de ne rien faire.

Ce n’était pas la première tentative avortée. En janvier 2023, OpenAI lançait AI Text Classifier, un détecteur qui identifiait correctement 26 % des textes IA et classait à tort 9 % des textes humains comme générés. Un échec cuisant, débranché six mois plus tard.

SynthID : un filigrane sans filet

Google a tenté sa propre approche avec SynthID, un filigrane invisible initialement conçu pour les images, puis étendu au texte, à l’audio et à la vidéo. En 2025, Google I/O annonçait SynthID Detector, un portail dédié.

Mais voici le hic : SynthID ne détecte que les contenus générés par les modèles Google (Gemini, Lyria, Veo). Un texte créé par ChatGPT, Claude ou Le Chat passe à travers. Les chercheurs réclament un standard unifié. Rien ne bouge.

Sur le terrain, les utilisateurs doivent jongler entre plusieurs outils pour espérer une couverture – et encore, sans garantie.

Le marché de l’urgence : GPTZero et consorts

L’attentisme des grandes firmes a créé un vide, immédiatement comblé par des startups. En janvier 2023, Edward Tian, étudiant à Princeton lançait GPTZero. Le premier jour, le serveur sature sous l’afflux de visiteurs. Un an plus tard, la société est rentable avec 4 millions d’utilisateurs.

D’autres solutions francophones ont émergé, comme Lucide AI, lancé en 2024. Son cofondateur, Arthur Villecourt, explique que la clé est l’analyse des « grappes de mots » : les humains regroupent naturellement des termes par proximité sémantique, les IA distribuent plus uniformément. Cette analyse ne représente que 20 à 25 % du score final. Le reste vient d’un algorithme entraîné en continu sur des contenus journalistiques, universitaires et des textes générés.

Les signaux traqués par Lucide AI :

• Perplexité : une faible probabilité de mot suivant indique une fluidité artificielle.
• Grappes de mots : distribution uniforme typique de l’IA.
• Fréquence : surutilisation de certains termes par les modèles.
• Ponctuation : schémas trop cohérents ou erreurs subtiles.

Malgré cela, aucun outil ne revendique la perfection. Un contenu SEO bas de gamme pré-IA ou une écriture scolaire pauvre peuvent déclencher de faux positifs. « Des faux positifs, ça existe sur tous les détecteurs », admet Arthur Villecourt.

Un indicateur, jamais une certitude

Les techniques de contournement sont bien documentées. Un utilisateur peut créer un persona pour que le modèle épouse son style, ou repasser le texte dans un outil d’humanisation comme QuillBot, qui brise les patterns. Chez Lucide AI, un score inférieur à 25 % est suspect, au-delà de 75 % probablement humain – mais rien n’exclut une aide de l’IA.

« Ça ne peut jamais être une réponse parfaite. Ça peut être un indicateur, mais ça ne sera jamais plus qu’un indicateur. » Résumons : la variance, ça se gère. La certitude, non.

Le vrai problème : l’absence d’intérêt économique

Pourquoi les géants ne font-ils rien ? La réponse est simple : aucun intérêt commercial. Google gagne de l’argent quand on utilise ses LLM pour générer du texte. Pourquoi irait-il signaler que ce texte est artificiel ? Ça nuirait à son propre business.

« Le seul truc qui compte, pour les algorithmes, c’est comment les humains réagissent au contenu. Qu’il soit généré ou pas, finalement, ils s’en fichent », confirme Arthur Villecourt. Une étude Ahrefs de juillet 2025 le confirme : la plupart des pages les mieux classées sur Google auraient été rédigées à l’aide de l’IA.

Ce qui compte vraiment, c’est la réaction du lecteur, pas la provenance. Si c’est complexe, c’est que c’est mal réglé. Mais quand le business model est aligné sur l’absence de détection, les règles ne changent pas.

Le résultat est implacable : en 2026, la détection IA reste une chimère. Pas de solution miracle, pas de volonté des acteurs dominants. Le web continue d’indexer sans distinguer. Et c’est exactement ainsi que les géants le souhaitent.