Textes générés par IA : distinguer le plagiat d’un contenu réellement original

Un texte fluide, structuré et convaincant peut aujourd’hui être obtenu en quelques secondes avec une intelligence artificielle générative. Mais cette facilité brouille trois questions que l’on confond souvent : le texte a-t-il été produit avec une IA ? Ressemble-t-il à un contenu déjà publié ? Et son utilisation respecte-t-elle les règles académiques, éditoriales et juridiques applicables ? Au 11 octobre 2024, aucune réponse automatique ne permet de trancher à elle seule ces sujets.

L’enjeu dépasse le simple soupçon de « texte de machine ». Un étudiant doit pouvoir remettre un travail personnel, une entreprise publier sans reprendre indûment le travail d’autrui, et un média vérifier ce qu’il met en ligne. L’IA peut aider à trouver un plan, reformuler un passage ou produire un premier brouillon. Elle peut aussi générer des erreurs, des banalités ou des formulations trop proches de contenus existants. L’originalité se vérifie donc autant dans le résultat que dans la démarche.

Plagiat, texte d’IA et droit d’auteur : trois notions à ne pas confondre

Le plagiat consiste, dans l’usage courant, à présenter comme sien le travail, les mots ou les idées d’une autre personne sans attribution appropriée. Il peut prendre la forme d’une copie littérale, mais aussi d’une paraphrase très proche qui conserve la structure, le raisonnement et les éléments distinctifs d’un texte préexistant. Dans une université ou une entreprise, le plagiat peut enfreindre un règlement interne même lorsqu’il ne débouche pas nécessairement sur un litige judiciaire.

Un texte généré par IA, lui, désigne un contenu produit par un modèle entraîné à prédire la suite la plus plausible d’une séquence de mots. Le modèle compose une réponse à partir de régularités apprises pendant son entraînement et des instructions reçues. Cette origine automatisée ne démontre pas une copie. Elle ne garantit pas non plus que le résultat est inédit, exact ou libre de toute reprise problématique.

Le droit d’auteur constitue encore un autre terrain. En France, il protège les œuvres originales et les droits de leurs auteurs. Une atteinte au droit d’auteur s’apprécie au regard d’éléments précis : ce qui a été repris, l’originalité des éléments concernés, le contexte et les éventuelles autorisations. Employer le mot « plagiat » ne suffit donc pas à qualifier juridiquement une situation.

Pourquoi une réponse d’IA peut-elle poser un problème d’originalité ?

Les modèles génératifs ne rédigent pas avec une intention humaine ni avec une compréhension juridique des droits attachés aux œuvres. Ils peuvent produire une synthèse ordinaire et générique, ce qui ne soulève pas nécessairement de difficulté particulière. Dans certains cas, en revanche, ils peuvent restituer une formulation très proche d’un texte existant, notamment si la demande est très ciblée, si l’utilisateur fournit lui-même un contenu à transformer ou si le sujet fait appel à des passages fréquemment reproduits.

Le risque ne réside pas seulement dans les phrases identiques. Un contenu peut aussi être problématique lorsqu’il reprend l’ossature très reconnaissable d’un article, ses exemples originaux, son angle, son enchaînement argumentatif ou ses références sans les signaler. À l’inverse, deux textes traitant d’un même sujet peuvent naturellement employer les mêmes termes techniques et exposer des faits identiques, sans qu’il y ait plagiat.

Cette nuance est cruciale pour les professionnels du référencement, du marketing ou de l’édition. Produire à grande échelle des pages qui se ressemblent peut appauvrir un site, créer des erreurs répétées et fragiliser sa crédibilité. Le problème ne se réduit pas à savoir si un moteur de recherche « détecte l’IA » : une publication utile doit surtout apporter une information vérifiée, une expérience, une analyse ou un point de vue réellement identifié.

Il faut également se méfier d’une idée répandue : demander à une IA de « rendre un texte indétectable » ne le rend ni plus personnel, ni plus fiable, ni plus original. Cette pratique vise souvent à contourner un contrôle plutôt qu’à améliorer la qualité du travail. Elle peut surtout conduire à masquer une absence de maîtrise du sujet.

Détecteur de plagiat et détecteur d’IA : quelles différences ?

Les logiciels spécialisés peuvent être très utiles, à condition de les employer pour ce qu’ils savent faire. Des services comme Compilatio, Copyleaks ou Undetectable proposent, selon leurs offres, des fonctions de recherche de similitudes, de détection d’IA ou les deux. Leurs méthodes et l’étendue des corpus comparés varient. Un outil qui ne trouve aucune correspondance n’a pas exploré « tout Internet » ni l’ensemble des livres, documents privés ou publications payantes.

Un vérificateur de plagiat compare généralement un texte soumis à des pages web, des publications, des archives ou des bases documentaires auxquelles il a accès. Il repère les portions identiques ou similaires et les rapproche de documents potentiellement pertinents. Son rapport sert de point de départ : il faut ouvrir les passages signalés, observer leur longueur, leur caractère banal ou distinctif, puis vérifier si une citation, une référence ou une autorisation existe.

Un détecteur d’IA fonctionne autrement. Il examine des caractéristiques statistiques du texte : prévisibilité de certaines suites de mots, régularité des phrases, répétitions de structures ou autres signaux associés aux productions automatisées. Il fournit une estimation, pas une preuve. Un texte humain très normé peut être suspecté à tort, tandis qu’un texte généré puis fortement révisé peut ne pas être repéré.

Pourquoi un score ne doit jamais devenir un verdict

La tentation est grande de traiter un pourcentage affiché par un logiciel comme une réponse définitive. C’est une erreur, particulièrement dans un cadre scolaire ou professionnel où une accusation peut avoir des conséquences sérieuses. Un rapport de similarité peut signaler une définition officielle, une expression courante, une bibliographie ou une citation correctement attribuée. À l’inverse, un passage issu d’un document non indexé peut passer inaperçu.

La détection d’IA comporte, elle aussi, des limites importantes. Les indicateurs stylistiques ne révèlent pas avec certitude l’origine d’un texte. Ils peuvent être affectés par la langue, le niveau de rédaction, le fait que l’auteur ne soit pas natif, le recours à un correcteur ou la révision successive par plusieurs personnes. Il est donc imprudent d’affirmer qu’un étudiant, un salarié ou un journaliste a utilisé une IA sur le seul fondement d’un score.

Une évaluation sérieuse ajoute du contexte : versions successives du document, notes de travail, historique de recherche, cohérence avec les productions antérieures de l’auteur, capacité à expliquer son raisonnement et à défendre ses choix. Pour un article, elle implique aussi de contrôler chaque fait, chaque chiffre et chaque citation. Une IA peut présenter avec assurance une information imprécise ou inventer une référence vraisemblable.

Une méthode concrète pour vérifier un texte avant publication ou remise

La vérification gagne à être organisée en plusieurs étapes. Elle commence avant même d’utiliser un outil : l’auteur doit savoir ce qu’il demande à l’IA et conserver la maîtrise de son document. Copier une réponse générée sans relecture revient à déléguer la responsabilité du contenu, ce qui est incompatible avec un travail universitaire personnel ou une publication professionnelle exigeante.

Voici un protocole simple et réutilisable :

• Relire le texte à la lumière de son objectif : répond-il précisément à la question posée ou aligne-t-il des généralités ?
• Vérifier les affirmations vérifiables : dates, chiffres, noms, lois, études et citations doivent être contrôlés dans des documents fiables.
• Passer un contrôle de similarité : examiner les segments signalés plutôt que de se fier au score global.
• Attribuer explicitement les apports d’autrui : citer les œuvres, les données et les idées empruntées lorsque cela est nécessaire.
• Réécrire avec un apport réel : ajouter une analyse, une expérience, une sélection argumentée d’exemples et un raisonnement assumé.
• Conserver des traces de travail : plan, brouillons, notes, échanges éditoriaux et versions permettent d’expliquer la fabrication du texte.

Réécrire ne signifie pas seulement remplacer quelques mots par des synonymes. Une révision substantielle consiste à vérifier les prémisses, choisir les exemples pertinents, nuancer les conclusions et adopter une voix cohérente avec la personne ou l’organisation qui signe. L’IA peut assister ce processus, mais elle ne remplace pas l’expertise requise sur le sujet.

À l’école et au travail, établir des règles claires

Dans l’enseignement, la question pertinente n’est pas toujours « l’IA a-t-elle été utilisée ? », mais plutôt « quel usage était autorisé et qu’est-ce que l’élève devait démontrer personnellement ? ». Un outil peut être accepté pour corriger une formulation, trouver des pistes ou produire un plan, puis interdit pour rédiger intégralement une dissertation évaluée. Les consignes doivent préciser ce cadre en amont, ainsi que les modalités de déclaration de l’aide reçue.

La même logique vaut en entreprise. Un salarié qui utilise une IA pour préparer une note doit éviter d’y insérer des données confidentielles sans autorisation, vérifier les résultats et respecter les règles internes. Le responsable éditorial, juridique ou communication reste comptable de ce qui est publié. Une charte d’usage peut utilement préciser les tâches autorisées, les contenus interdits dans les requêtes, le niveau de relecture attendu et les obligations de transparence.

L’authenticité ne se résume donc pas à une origine exclusivement humaine. Elle suppose que le lecteur puisse faire confiance au processus : un auteur ou une organisation assume le contenu, connaît ses sources d’information, corrige ses erreurs et n’usurpe pas le travail d’autrui.

Les certifications de provenance peuvent-elles aider ?

Des acteurs comme Adobe développent des mécanismes de provenance, notamment autour des Content Credentials. L’idée est d’associer à un fichier des informations sur son origine ou certaines modifications intervenues lors de sa création. Ces technologies peuvent aider à documenter le parcours d’un contenu, notamment lorsqu’il a été créé ou modifié avec des outils numériques.

Elles ne constituent toutefois pas un certificat absolu d’originalité. Des métadonnées peuvent être absentes, incomplètes ou perdues selon les usages et les plateformes. Surtout, savoir qu’un fichier a été généré ou retouché par un outil ne répond pas à la question de savoir s’il reprend indûment une œuvre préexistante. La provenance, la détection de similarité et l’analyse juridique restent complémentaires.

Ce qu’il faut surveiller

À mesure que les IA génératives s’intègrent à la rédaction, à l’éducation, au développement de jeux vidéo et à la communication, la frontière entre assistance et substitution devient plus importante que la simple recherche d’un « style IA ». Les organisations auront intérêt à définir des règles compréhensibles, à former leurs équipes à la vérification et à éviter les décisions automatiques fondées sur un seul indicateur.

Pour chaque texte important, la bonne question demeure concrète : quelles parties viennent d’un travail antérieur, lesquelles ont été générées ou reformulées par un outil, et quelle valeur l’auteur humain a-t-il ajoutée ? Répondre clairement à ces questions protège mieux les créateurs, les lecteurs et les institutions qu’une course aux détecteurs supposés infaillibles.