Peut-on reconnaître un texte écrit par une IA ?

En général, non. En test contrôlé, des lecteurs à qui l'on demande de repérer les textes écrits par une IA font à peine mieux qu'une pièce jetée en l'air. Ce qu'ils ont, en revanche, c'est une idée précise et partagée de ce à quoi « ressemble » un texte d'IA — et une étude de 2023 a cartographié cette idée en détail. Résultat : elle décrit presque trait pour trait ce qui rend un contenu générique. C'est cette différence qui décide si tes posts sonnent comme toi ou comme n'importe qui.

D'où part cette enquête

Début 2023, la revue scientifique PNAS publie une étude intitulée « Human heuristics for AI-generated language are flawed », signée Maurice Jakesch, Jeffrey Hancock et Mor Naaman. Le dispositif est étonnamment proche du quotidien d'un indépendant. Sur plusieurs expériences, des milliers de participants lisent de courts textes de présentation : profils de rencontre, bios professionnelles, profils d'hôtes Airbnb. Certains sont écrits par des humains, d'autres par un modèle de langage. La consigne tient en une ligne : repérer la machine.

Se présenter en quelques phrases, c'est exactement ce que tu fais à chaque publication. Une légende sur ta boulangerie, ton cabinet ou ton atelier est un texte court dont le travail est de donner confiance à un inconnu. Si les lecteurs savaient repérer l'IA dans ce registre, la peur que « les clients s'en rendent compte » serait fondée. On a donc lu l'étude de près.

Quelle est la précision réelle des lecteurs ?

Proche du hasard. Sur les trois registres testés, les participants identifient le bon auteur à peine plus d'une fois sur deux — les expériences rapportent des scores à peine au-dessus de 50 %, le niveau d'une réponse au hasard. S'entraîner n'aide presque pas. Et le registre ne change rien : les personnes qui jugeaient des profils d'hôtes — le format le plus proche d'un commerce qui se présente — n'ont pas fait mieux que les autres.

Un détail compte plus que le chiffre. Les participants n'hésitaient pas. Leurs votes se concentraient sur les mêmes textes : ils étaient largement d'accord entre eux sur ce qui « sentait l'IA ». Ils partageaient un modèle mental de l'écriture machine. Ce modèle ne correspondait simplement pas à la façon dont les machines écrivent.

“

Les lecteurs ne détectent pas l'IA. Ils détectent une phrase qui pourrait s'afficher sous n'importe quel logo.

”

Quels indices les lecteurs utilisent-ils vraiment ?

Les chercheurs ont isolé les signaux derrière ces jugements. Un texte à la première personne, au ton parlé, qui mentionne la famille ou la vie personnelle, est jugé humain. Un texte aux mots longs ou rares est jugé IA. Le spontané passe pour humain, le lisse pour machine.

Tous ces indices échouent. Un modèle de langage écrit « je » et « nous » sans effort, et parle de vie personnelle dès que la consigne l'y invite. À l'inverse, beaucoup de professionnels écrivent de façon formelle — et se font classer machines pour ça. Les auteurs vont un cran plus loin : comme ces indices sont stables et prévisibles, on peut régler un texte contre eux. Ils ont généré des profils que les participants ont jugés plus humains que ceux écrits par de vraies personnes. L'étude appelle ça « more human than human ».

Alors, à quoi les lecteurs réagissent-ils dans ton fil ?

À l'interchangeable. Une fois les faux indices écartés, un signal continue de fonctionner chez les lecteurs : la possibilité qu'un texte ait été écrit par n'importe qui. Les participants classaient « IA » les textes où rien n'était accroché à une personne précise. Comme test d'auteur, ce réflexe se trompe. Comme test d'écriture, il est plutôt juste.

C'est cohérent avec un pattern qu'on observe dans les retours d'indépendants sur des légendes générées. Les légendes signalées comme « ça sent l'IA » partagent des habitudes de surface, et aucune ne concerne le générateur. La phrase qui s'adresse à deux publics à la fois au lieu d'un seul. L'ouverture qui annonce un thème avant de dire quoi que ce soit. La question d'engagement collée à la fin. À l'inverse, les légendes qui portent une trace concrète du commerce — une matière, un nom de rue, une saison, un service nommé comme le nomme le patron — ne sont presque jamais signalées. Peu importe qui les a écrites.

Le mécanisme est simple. Les lecteurs jugent un texte comme les participants de l'étude : à son degré d'interchangeabilité. Une phrase qui pourrait s'afficher sous n'importe quel logo est lue comme de la machine. Une phrase que seule ton activité pouvait produire est lue comme de l'humain. Le générateur est invisible. C'est la matière de départ qui se voit.

Qu'est-ce que ça change dans tes posts ?

Quatre gestes, applicables cette semaine.

Garde la première personne et le ton parlé. Ils sont lus comme humains, ils sont naturels dans une légende, et les abandonner te prive du seul biais qui joue en ta faveur.

Remplace le vocabulaire de catégorie par le tien. « Un savoir-faire de qualité » et « votre partenaire de confiance », c'est la moyenne de tous les commerces de ta catégorie — exactement la texture que les lecteurs signalent. Les mots de ton site, ta façon de nommer tes services, les phrases que tes clients répètent : c'est cette matière qui rend un post à toi. Une IA qui a lu ton site écrit avec ces marqueurs ; une IA nourrie d'une ligne de description écrit la moyenne de la catégorie. C'est la matière de départ, pas l'outil, qui fixe la voix de tes posts sur tes réseaux sociaux.

Coupe les trois habitudes signalées : l'adresse à deux publics, l'ouverture qui annonce le thème, la question décorative en clôture. Aucune n'ajoute d'information ; toutes ajoutent du générique.

Mets un détail intransférable par post. Un détail qui serait faux sous le logo d'un concurrent : la rue, le fournisseur, la première livraison de la saison, le prix de ce que tu vends vraiment. Un seul suffit à faire passer une légende de « n'importe qui » à « toi ».

L'objectif n'est pas de passer pour un humain. L'objectif est d'être précis — ce qui, ça tombe bien, est aussi ce que les lecteurs récompensent d'après l'étude.