Un verdict qu'on ne sait pas mesurer : deux réponses opposées, à sept semaines d'écart

Deux textes, sept semaines d'écart, le même problème. Ils ne se citent pas, ne se répondent pas, et n'ont probablement jamais été lus ensemble. Mis côte à côte, ils dessinent pourtant le choix le plus concret qu'une organisation aura à faire dans les mois qui viennent.

Le problème est celui-ci : on ne sait pas déterminer de façon fiable qu'un texte a été produit par une machine. Ce n'est pas une opinion, et ce n'est pas nous qui l'écrivons.

Ce que le document européen constate, et ce qu'il en fait

Le Code of Practice on Transparency of AI-Generated Content est un code de bonnes pratiques, adressé à ceux qui s'y engagent volontairement. Il compte trente-huit pages. Nous l'avons lu en entier, et deux passages nous ont arrêtés.

Le premier porte sur le marquage à la source, celui que le fournisseur d'un modèle appose sur ce que son système produit :

« no single marking technique suffices to meet the four requirements in Article 50(2) AI Act, namely effectiveness, interoperability, robustness, and reliability »

Aucune technique de marquage ne suffit, à elle seule, à satisfaire les quatre exigences. D'où l'empilement recommandé : plusieurs couches, plutôt qu'une seule qui tiendrait tout.

Le second porte sur la détection forensique, c'est-à-dire celle qui cherche à reconnaître un contenu produit par une machine sans marque préalable, ou dont la marque a été retirée. C'est exactement la question que se pose un lecteur devant un texte quelconque :

« At the time of publication of the Code, forensic detection mechanisms were not deemed mature enough to comply with the quality requirements set in Article 50(2) AI Act »

Non jugés assez mûrs. Et la phrase qui suit est celle qui compte vraiment, parce qu'elle ne se contente pas de constater : elle en tire une conséquence.

« Signatories who implement forensic detection mechanisms as an optional measure may restrict access to the detection results provided by such forensic detection mechanisms to verified expert users »

Face à un instrument dont la fiabilité n'est pas établie, le document prévoit d'en restreindre la lecture des résultats à des utilisateurs experts vérifiés. Pas d'interdire l'instrument. Pas de prétendre qu'il fonctionne. De réserver son verdict à ceux qui savent ce que vaut un tel verdict.

Ce qu'une plateforme a fait du même problème

Le 30 juillet 2026, un réseau social professionnel a ajouté au menu de chaque publication une option nouvelle : signaler qu'un contenu « ressemble à de la bouillie produite par une IA ». Le signal est privé. Il n'affiche aucun badge sur la publication, et personne ne voit qui a cliqué. Il alimente des classificateurs, et un contenu ainsi signalé peut voir sa diffusion réduite au-delà du réseau immédiat de son auteur.

Le responsable produit de la plateforme a expliqué la démarche en des termes qui méritent d'être pris au sérieux plutôt que raillés : la notion est difficile à définir, sa définition change, et ces signalements servent à ajuster les modèles.

C'est une réponse cohérente, et elle est l'exacte inverse de la première. Là où le document européen restreint le verdict à des experts vérifiés parce que la mesure n'est pas fiable, la plateforme le distribue à tous ses membres pour la même raison : puisque la machine ne sait pas trancher, que les humains votent.

Ce que la comparaison montre, et ce qu'elle ne montre pas

Elle ne montre pas qu'un camp a raison. Les deux dispositifs ne visent pas la même chose : l'un organise la transparence d'un fournisseur sur ce qu'il produit, l'autre trie un fil d'actualité. Reprocher à un réseau social de ne pas fonctionner comme un code de bonnes pratiques serait aussi vain que l'inverse.

Ce qu'elle montre, c'est qu'une même incertitude technique admet deux traitements opposés, et que le choix entre les deux n'est pas technique. Il est politique au sens le plus banal du terme : qui a le droit de rendre un verdict qu'on ne sait pas fonder ?

Il y a une troisième réponse, et c'est celle qu'on rencontre le plus souvent en pratique : faire comme si le problème n'existait pas. Acheter un détecteur, afficher un pourcentage, et traiter ce pourcentage comme un fait. Les deux documents cités ci-dessus, chacun à sa manière, disent que cette troisième voie est la seule qui soit franchement indéfendable.

Une conséquence pratique, et elle est mesurable

Puisque la détection après coup n'est pas fiable, sur quoi le jugement se fonde-t-il réellement ? Sur des indices de forme. Un lecteur qui trouve qu'un texte « fait IA » ne mesure rien : il reconnaît une allure. Puces ouvertes par un émoji, paragraphes d'une seule ligne tous de la même longueur, constructions en « ce n'est pas X, c'est Y », relances du type « le résultat ? », appels à commenter en clôture.

Nous avons passé nos vingt-huit publications à ce crible, en comptant plutôt qu'en jugeant. Le résultat nous a déplu, et c'est pour cela qu'il vaut la peine d'être écrit : sur les cinq marqueurs les plus discriminants, nous étions à zéro. Le seul présent de façon systématique était notre propre mention de transparence sur l'usage de l'IA — vingt-trois occurrences, une par publication, ouverte par deux émojis.

Autrement dit : ce qui, chez nous, avait le plus l'allure d'un texte de machine était précisément la ligne par laquelle nous annoncions en avoir utilisé une. Nous avons changé la forme de cette ligne le jour même. Nous n'avons pas changé le fond : nous continuons d'indiquer nos textes co-écrits avec une IA, parce que c'est une règle que nous nous imposons, pas une obligation qui nous serait faite.

Ce que ce billet ne dit pas

Il ne dit pas que les détecteurs de contenu généré sont inutiles. Il dit qu'un document européen a estimé, à sa date de publication, que ceux qui n'exigent aucune marque préalable n'étaient pas assez mûrs pour les exigences qu'il pose, et qu'il en a tiré une règle de prudence.

Il ne dit pas que le signalement par les membres d'une plateforme est une mauvaise idée. Il observe que c'est le choix inverse, fait devant la même incertitude, et que ce choix a des conséquences pour qui publie.

Il ne dit pas comment ne pas « faire IA ». Nous n'en savons rien, et quiconque le vend en sait moins encore. Nous savons compter des marqueurs de forme dans nos propres textes, ce qui est une tout autre affaire, et nettement plus modeste.

Ce que ces marqueurs mesurent, et ce qu'on croit y lire, sont deux choses distinctes — nous l'avons regardé de près à propos du filigrane et de ce qu'il établit vraiment. Sur la différence entre compter et estimer, un cas concret à cinq documents.

Pour aller plus loin, et vérifier par vous-même. Le code de bonnes pratiques cité ici est public : trente-huit pages, en anglais, et les passages reproduits ci-dessus s'y trouvent aux mesures 1.1, 2.2 et au glossaire. Le seuil des deux cents unités de texte y est défini au glossaire, à l'entrée Very short text.

Si vous vous demandez ce que les quatre règlements européens qui encadrent l'IA — RGPD, AI Act, Cyber Resilience Act, Data Act — impliquent réellement pour votre activité, nous avons publié un pré-diagnostic : une vingtaine de questions, une réponse personnalisée à la fin, gratuit et sans inscription. Il ne vend rien et ne collecte pas votre adresse — il vous dit où vous en êtes.

Transparence IA : ce billet a été co-écrit avec Claude (Anthropic), puis relu et validé par moi.