Un roman primé accusé d’avoir été écrit par une IA : peut-on vraiment faire confiance aux détecteurs de textes ?

Le Prix du roman Fnac 2026 aurait dû être un moment de célébration pour Thélyson Orélien. Mais quelques heures après l’annonce de sa récompense, son livre C’était ça ou mourir s’est retrouvé au cœur d’une polémique sur l’utilisation de l’intelligence artificielle. À l’origine des accusations : Pangram, un logiciel présenté comme particulièrement performant pour repérer les textes générés par une IA. Mais ces outils sont-ils réellement capables de distinguer l’écriture humaine de celle d’une machine ?

L’intelligence artificielle s’invite désormais dans les débats littéraires. Alors que les outils génératifs sont capables de produire des textes de plus en plus naturels, une nouvelle question agite le monde de l’édition : comment savoir si un livre a réellement été écrit par son auteur ?

L’affaire Thélyson Orélien illustre les difficultés de cette nouvelle frontière. Le 21 septembre 2026, l’écrivain canado-haïtien remporte le Prix du roman Fnac pour C’était ça ou mourir, publié chez Grasset. Son ouvrage figure également dans la première sélection du prix Goncourt 2026.

Mais cette reconnaissance est rapidement éclipsée par une accusation publiée sur le réseau social X. Un internaute utilisant le compte « Balance ton Claude » affirme que le roman aurait été rédigé presque intégralement à l’aide de l’intelligence artificielle. Pour appuyer ses déclarations, il dit s’être appuyé sur Pangram, un logiciel spécialisé dans la détection des textes générés automatiquement.

L’auteur conteste ces accusations. Et c’est précisément là que commence le problème : un résultat fourni par un détecteur d’IA constitue-t-il une preuve suffisante pour mettre en doute le travail d’un écrivain ?

Pangram, un logiciel qui promet de reconnaître les textes générés par l’IA

Fondée en 2023 par deux entrepreneurs américains, Pangram s’est positionnée sur un marché en plein développement : celui des outils capables d’identifier les contenus produits par des intelligences artificielles génératives.

Sur son site, l’entreprise présente son logiciel comme particulièrement fiable et précis. Elle affirme notamment que son système est conçu pour reconnaître les productions des modèles les plus récents, développés par des acteurs tels qu’OpenAI, Anthropic, Google ou Meta.

Pangram revendique un taux de précision de 99,7 % sur des échantillons de textes générés par l’intelligence artificielle. L’entreprise cite également des travaux de chercheurs indépendants pour appuyer ses affirmations.

Ces chiffres peuvent sembler impressionnants. Pourtant, ils nécessitent une lecture attentive.

Un taux de précision annoncé dans certaines conditions de test ne signifie pas nécessairement que le logiciel sera capable d'identifier correctement tous les textes dans des situations réelles. Les résultats peuvent dépendre de la nature des documents analysés, des modèles utilisés pour les produire, de la longueur des extraits et des conditions dans lesquelles les tests ont été réalisés.

Surtout, détecter des caractéristiques associées à un texte généré par une IA n'est pas exactement la même chose que démontrer qu'un auteur a utilisé une IA pour écrire un ouvrage.

Cette distinction est essentielle dans une affaire où la réputation d'un écrivain et la crédibilité de son travail sont directement en jeu.

Comment un détecteur tente-t-il de reconnaître une écriture artificielle ?

Pour comprendre le fonctionnement de ces logiciels, il faut revenir à leur principe de base.

Les détecteurs sont généralement entraînés sur de grandes quantités de textes : certains ont été écrits par des humains, d'autres générés par des modèles d'intelligence artificielle. En comparant ces deux ensembles, les systèmes apprennent à repérer des régularités susceptibles de différencier les productions humaines des productions automatiques.

Ils peuvent notamment examiner les structures de phrases, les choix de vocabulaire, les répétitions, les enchaînements logiques ou certaines habitudes stylistiques.

Thierry Poibeau, directeur de recherche au CNRS et spécialiste du traitement automatique des langues, explique que ces outils recherchent des régularités dans les textes. Les modèles génératifs ont longtemps présenté certains tics de langage ou des constructions récurrentes qui pouvaient faciliter leur identification.

Parmi les exemples évoqués figurent les structures ternaires, qui organisent une phrase autour de trois éléments, ou encore l'emploi fréquent de certains signes de ponctuation, comme les tirets cadratins.

Ces particularités ne constituent toutefois pas des preuves en elles-mêmes. Elles peuvent aussi se retrouver dans des textes écrits par des humains, notamment parce qu'elles font partie des habitudes stylistiques de certains auteurs.

De plus, les modèles d'intelligence artificielle évoluent rapidement. Leurs productions deviennent plus variées et se rapprochent toujours davantage du langage naturel. Les indices qui permettaient de repérer facilement certains textes il y a quelques années peuvent donc perdre de leur pertinence.

Le détecteur doit continuellement s'adapter à une cible qui change.

Pourquoi les résultats affichés ne suffisent pas à établir une preuve

De nombreux logiciels de détection mettent en avant des taux de fiabilité supérieurs à 99 %. Pourtant, un chiffre élevé ne garantit pas que chaque résultat individuel soit correct.

Il faut notamment distinguer plusieurs notions : la capacité d'un outil à reconnaître des textes artificiels dans un échantillon de test, sa capacité à éviter de signaler à tort un texte humain et sa fiabilité lorsqu'il est utilisé sur des documents dont les caractéristiques diffèrent de celles de ses données d'entraînement.

Un outil peut obtenir de bons résultats sur un ensemble de textes bien défini tout en rencontrant des difficultés sur un roman, un texte traduit, un document retravaillé ou une écriture particulièrement régulière.

La longueur de l'extrait analysé et la manière dont il a été sélectionné peuvent également compter. Un passage isolé ne reflète pas nécessairement l'ensemble d'un ouvrage, et plusieurs passages présentant des caractéristiques similaires ne permettent pas automatiquement d'établir leur origine.

C'est pourquoi les éditeurs de ces technologies eux-mêmes appellent à la prudence.

Winston AI, autre acteur du secteur, précise que son logiciel signale des textes susceptibles d'avoir été générés par une intelligence artificielle. De son côté, Max Spero, PDG et cofondateur de Pangram, expliquait au média américain The Atlantic, dans un article publié en mai 2026, que son outil ne devait jamais constituer l'arbitre final, mais plutôt servir de point de départ à une investigation plus approfondie.

Autrement dit, même selon cette approche, un résultat de détection doit ouvrir une vérification, et non clore le débat.

Le style d'un écrivain peut-il être confondu avec celui d'une machine ?

C'est l'une des difficultés les plus délicates, particulièrement dans le domaine littéraire.

Un roman ne ressemble pas nécessairement à un article de presse, à un mémoire universitaire ou à une réponse générée par un assistant conversationnel. Chaque écrivain possède ses habitudes, ses répétitions, son rythme et ses choix de construction.

Certains auteurs privilégient des phrases courtes et régulières. D'autres répètent volontairement des mots, utilisent des structures symétriques ou développent un style très maîtrisé. Ces caractéristiques peuvent être interprétées comme des régularités par un logiciel, sans pour autant révéler l'utilisation d'une intelligence artificielle.

Thierry Poibeau souligne précisément cette difficulté : un outil peut relever quelque chose de particulier ou de répétitif dans une écriture, mais cette particularité peut aussi constituer la signature stylistique de l'écrivain.

La question devient alors particulièrement sensible lorsqu'il s'agit d'un roman.

Dans un exercice scolaire ou un document administratif, les attentes en matière de style peuvent être relativement standardisées. Dans une œuvre littéraire, les choix d'écriture sont au contraire susceptibles de participer directement à l'identité de l'auteur.

Une tournure inhabituelle, une répétition ou une construction récurrente ne peut donc pas être interprétée indépendamment du texte et de son contexte.

Si les détecteurs ne distinguent pas suffisamment les caractéristiques générales d'une écriture des particularités propres à un écrivain, ils risquent de produire des conclusions trompeuses.

Une polémique qui dépasse le cas de Thélyson Orélien

L'affaire met en lumière une tension grandissante dans le monde de la culture.

D'un côté, les progrès de l'intelligence artificielle rendent possible la production de textes longs, structurés et parfois difficiles à distinguer d'une rédaction humaine. De l'autre, les professionnels du livre, les lecteurs et les institutions littéraires cherchent à préserver la confiance dans l'origine des œuvres et dans le travail de leurs auteurs.

Cette préoccupation dépasse largement le monde de l'édition. Les établissements scolaires et universitaires utilisent également des détecteurs pour tenter de repérer les devoirs rédigés avec l'aide d'une IA. Des entreprises s'intéressent à ces outils pour contrôler certains contenus, tandis que des services en ligne proposent même de reformuler des textes artificiels afin de leur donner une apparence plus humaine.

Le développement de ces usages crée une situation paradoxale : plus les intelligences artificielles deviennent performantes, plus il devient difficile de garantir que les logiciels chargés de les identifier le restent eux aussi.

Et lorsque les résultats sont utilisés pour mettre en cause une personne, les conséquences peuvent dépasser largement le cadre technique. Une accusation publique peut affecter la réputation d'un auteur, susciter des doutes chez les lecteurs et détourner l'attention de l'œuvre elle-même.

Dans le cas de Thélyson Orélien, les éléments rapportés dans l'article source ne permettent pas d'établir que le roman a été écrit par une intelligence artificielle. L'accusation de l'internaute et les déclarations de l'auteur doivent être distinguées d'une démonstration indépendante de l'origine du texte.

Comment vérifier sérieusement une suspicion d'utilisation de l'IA ?

Si un détecteur peut constituer un premier indice, une vérification sérieuse doit reposer sur un ensemble d'éléments et non sur un simple pourcentage.

Plusieurs pistes peuvent être envisagées dans le cadre d'une enquête éditoriale :

• Examiner le manuscrit dans son ensemble. Un extrait isolé ne suffit pas nécessairement à comprendre les caractéristiques d'un livre entier.

• Étudier les différentes versions du texte. Lorsque des brouillons, des corrections ou un historique de révision existent, ils peuvent aider à comprendre comment l'œuvre a évolué.

• Recouper plusieurs éléments indépendants. Un résultat logiciel doit être confronté à d'autres informations pertinentes, plutôt que considéré comme une preuve autonome.

• Donner à l'auteur la possibilité de répondre. Une accusation fondée sur un outil automatisé ne devrait pas se substituer à une vérification contradictoire.

• Tenir compte des limites techniques. Les résultats doivent être interprétés en fonction du type de texte, des conditions d'analyse et des incertitudes propres au logiciel utilisé.

Ces démarches ne garantissent pas toujours qu'il sera possible de déterminer avec certitude l'origine de chaque phrase. Elles permettent néanmoins d'éviter qu'un indicateur statistique soit transformé trop rapidement en verdict.

Il faut aussi garder à l'esprit que l'utilisation de l'intelligence artificielle peut prendre des formes différentes : génération de passages entiers, reformulation, correction ou assistance ponctuelle. Un détecteur ne permet pas nécessairement de distinguer ces usages ni d'en mesurer précisément l'ampleur.

L'intelligence artificielle peut-elle encore être détectée à coup sûr ?

Les progrès des détecteurs sont réels, mais ils ne font pas disparaître toutes les incertitudes.

Les modèles génératifs changent régulièrement, leurs productions deviennent plus naturelles et les textes peuvent être modifiés après leur génération. En parallèle, les systèmes de détection doivent s'adapter à ces évolutions et éviter de confondre les habitudes d'écriture humaines avec des indices d'automatisation.

Il s'agit donc d'une course technologique permanente, sans garantie qu'un outil puisse reconnaître infailliblement chaque texte généré par une IA, quels que soient son auteur, sa longueur ou son niveau de réécriture.

La prudence est d'autant plus importante que les enjeux ne sont pas seulement techniques. Dans l'éducation, la recherche ou la littérature, une erreur peut conduire à mettre injustement en cause le travail d'une personne.

L'affaire du roman de Thélyson Orélien rappelle ainsi une règle fondamentale : un score de détection n'est pas une preuve définitive de l'utilisation de l'intelligence artificielle.

Pangram et ses concurrents peuvent contribuer à l'analyse d'un texte. Mais lorsqu'il s'agit de déterminer qui a écrit une œuvre et dans quelles conditions, la technologie ne peut pas remplacer à elle seule l'examen des faits, le contexte et une vérification rigoureuse.

À l'heure où les machines apprennent à écrire toujours plus naturellement, la capacité à interpréter correctement leurs propres outils de détection devient elle aussi un enjeu majeur.