Sorry, no results.
Please try another keyword
Épisode
29 septembre 2026 -
Les détecteurs d’IA peuvent-ils réellement identifier un texte généré par une machine ? Thomas Jacquesson, président de Lucide AI, explique comment ces outils sont entraînés et pourquoi leur verdict doit rester un indice, jamais une preuve.🎤 INTERVIEW : Thomas Jacquesson - Président de Lucide AIL'essentielLes détecteurs d’IA ne seront jamais...
Les détecteurs d’IA peuvent-ils réellement identifier un texte généré par une machine ? Thomas Jacquesson, président de Lucide AI, explique comment ces outils sont entraînés et pourquoi leur verdict doit rester un indice, jamais une preuve.🎤 INTERVIEW : Thomas Jacquesson - Président de Lucide AIL'essentielLes détecteurs d’IA ne seront jamais fiables à 100 %.Claude ou ChatGPT ne peut pas dire si un texte a été produit par une IA ou pas.Le détecteur d’IA, c’est un peu comme le détecteur de fumée.=================================Comment fonctionne un détecteur d’IA ?L’idée est de vérifier si un texte a été généré par une IA, en totalité ou en partie, ou si un humain est à l’origine du texte. Les premiers détecteurs fonctionnaient avec des règles basées sur des caractéristiques fréquemment observées dans les textes générés par les IA. Les meilleurs détecteurs actuels sont entraînés avec des centaines de milliers de textes dont on connaît l’origine. L’IA apprend ainsi à distinguer mathématiquement les textes humains des textes générés par des machines. Il n’y a pas de watermark ni de marque secrète dans le texte.Pourquoi les détecteurs peuvent-ils donner des résultats différents ?Les différences peuvent venir des méthodes d’entraînement. Certains outils peuvent être davantage fondés sur des règles ou avoir été moins entraînés sur certains styles d’écriture. Nous avons nous-mêmes un taux général de bonne réponse autour de 97 %, avec un taux de faux positifs inférieur à 1 %. Mais tous les détecteurs peuvent se tromper, y compris le nôtre. La précision dépend notamment du registre d’écriture et de la quantité de texte disponible.Pourquoi faut-il se méfier d’un verdict présenté comme une preuve ?Un détecteur ne sera jamais fiable à 100 %, notamment parce que la langue évolue en permanence et que les IA évoluent elles aussi. Les textes courts sont également difficiles à analyser : il faut au bas mot 300 à 400 mots pour disposer de suffisamment de matière. Dans l’éducation, nous recommandons donc de ne pas considérer le résultat comme une preuve, mais comme un indice qui doit conduire à interroger l’étudiant et à vérifier s’il maîtrise réellement le sujet. C’est une démarche de levée de doute.Comment éviter les erreurs sur des textes anciens ou des styles particuliers ?Il faut entraîner les modèles sur des écrits anciens et sur des styles différents. Nous avons déjà rencontré des cas où une ancienne version de notre modèle accusait à tort des écrivains ou des textes anciens. La longueur du texte joue aussi beaucoup : un poème peut être trop court pour permettre un verdict fiable. C’est pourquoi nous affichons, comme nos concurrents, un indice de confiance fortement lié à la longueur du texte fourni.Hébergé par Audiomeans. Visitez audiomeans.fr/politique-de-confidentialite pour plus d'informations.
Afficher plus
Les détecteurs d’IA peuvent-ils réellement identifier un texte généré par une machine ? Thomas Jacquesson, président de Lucide AI, explique comment ces outils sont entraînés et pourquoi leur verdict doit rester un indice, jamais une preuve.
- Les détecteurs d’IA ne seront jamais fiables à 100 %.
- Claude ou ChatGPT ne peut pas dire si un texte a été produit par une IA ou pas.
- Le détecteur d’IA, c’est un peu comme le détecteur de fumée.
=================================
L’idée est de vérifier si un texte a été généré par une IA, en totalité ou en partie, ou si un humain est à l’origine du texte. Les premiers détecteurs fonctionnaient avec des règles basées sur des caractéristiques fréquemment observées dans les textes générés par les IA. Les meilleurs détecteurs actuels sont entraînés avec des centaines de milliers de textes dont on connaît l’origine. L’IA apprend ainsi à distinguer mathématiquement les textes humains des textes générés par des machines. Il n’y a pas de watermark ni de marque secrète dans le texte.
Les différences peuvent venir des méthodes d’entraînement. Certains outils peuvent être davantage fondés sur des règles ou avoir été moins entraînés sur certains styles d’écriture. Nous avons nous-mêmes un taux général de bonne réponse autour de 97 %, avec un taux de faux positifs inférieur à 1 %. Mais tous les détecteurs peuvent se tromper, y compris le nôtre. La précision dépend notamment du registre d’écriture et de la quantité de texte disponible.
Un détecteur ne sera jamais fiable à 100 %, notamment parce que la langue évolue en permanence et que les IA évoluent elles aussi. Les textes courts sont également difficiles à analyser : il faut au bas mot 300 à 400 mots pour disposer de suffisamment de matière. Dans l’éducation, nous recommandons donc de ne pas considérer le résultat comme une preuve, mais comme un indice qui doit conduire à interroger l’étudiant et à vérifier s’il maîtrise réellement le sujet. C’est une démarche de levée de doute.
Il faut entraîner les modèles sur des écrits anciens et sur des styles différents. Nous avons déjà rencontré des cas où une ancienne version de notre modèle accusait à tort des écrivains ou des textes anciens. La longueur du texte joue aussi beaucoup : un poème peut être trop court pour permettre un verdict fiable. C’est pourquoi nous affichons, comme nos concurrents, un indice de confiance fortement lié à la longueur du texte fourni.
Hébergé par Audiomeans. Visitez audiomeans.fr/politique-de-confidentialite pour plus d'informations.
Pas de transcription pour le moment.
Jerome Colombain
Jerome Colombain
Vous devez être connecté pour soumettre un avis.
Jerome Colombain
iPhone pliable : la magie Apple justifie-t-elle les compromis ? (☕️ Grand Debrief 30/09/26)
30 septembre 2026 · 1:02:36
L’IA peut-elle nous aider à survivre au changement climatique ? (🎤 Julien Villeret, EDF)
30 septembre 2026 · 17:57
Écrire un livre avec ChatGPT : est-ce vraiment un scandale ? (📆 L’HEBDO 26/09/26)
26 septembre 2026 · 1:00:42
Meta lance ses lunettes et ses agents IA à l’assaut du quotidien (🇫🇷🇨🇦 Debrief Transat 25/09/26)
25 septembre 2026 · 46:38
Pourquoi les patrons de l’IA crient au danger… et accélèrent ? (🔎 Zoom Tech) »
24 septembre 2026 · 5:56
Les leaders de l’industrie
L’ultra-propreté, un savoir-faire familial qui s’exporte avec Bernard Bijaoui
04 septembre 2026 · 30:22
Face à Lechypre
Emmanuel Lechypre face à Hedwige Chevrillon : Retraites, pour ou contre le départ à 65 ans ? – 30/09
30 septembre 2026 · 10:44
Derrière l’entrepreneur, un podcast du Cercle Kaizen : Entrevues avec des entrepreneurs d’ici qui évoluent en affaires et comme humains
Repenser l’immobilier avec Luc Dallaire (Épisode 5)
24 septembre 2026 · 50:51
Marketing & Chill, avec Gaëtan Chardon
Alex Shane (Brandsystem) : 70 millions par an et 11 sociétés en e-commerce
07 septembre 2026 · 1:00:30
60 ans d’histoire, le podcast du groupe Manutan
L’intégrale
06 juillet 2026 · 29:04
Transmission positive
Transmission positive – Épisode 3
16 février 2026 · 37:05
Hundred sauce
Hundred Sauce-Episode 21-Maxime de Reflex
22 mai 2026 · 1:58:24
La Voix des ultramarins
EPISODE 3 : Au delà des clichés par Marie-Elmège Tink-Long-Ki
12 mars 2026 · 40:04
FAIRE
Je publie ma première vidéo LinkedIn
16 juin 2026 · 15:01
Carré W.I.P by Accor
#6 : Mon formateur est-il un chatbot ?
16 mars 2026 · 34:51