Score IA : détecteur d’IA ou visibilité, le guide complet

Derrière l’expression « score IA » se cachent deux outils qui n’ont strictement rien à voir. Le premier est un détecteur d’IA : il note un texte selon la probabilité qu’il ait été rédigé par une machine. Le second est un outil de visibilité IA : il mesure à quelle fréquence les assistants IA citent votre marque. L’un examine votre écriture, l’autre votre présence. Ni méthode, ni données, ni signification en commun.

Presque toutes les pages qui se positionnent sur cette requête ne traitent que le premier sens, en partant du principe que c’est celui-là que vous cherchiez. Ce guide couvre les deux, dit clairement ce que chaque score permet (ou non) d’affirmer, et répond aux questions concrètes que l’on se pose sur les pourcentages des détecteurs, à commencer par celle qui piège la plupart des étudiants et des marketeurs : un score faible, comme 7 %, veut-il dire quoi que ce soit ?

Premier sens : le score d’un détecteur d’IA

Un détecteur d’IA estime la probabilité qu’un texte ait été généré par un modèle de langage. Il renvoie généralement le pourcentage du document qu’il pense écrit par une machine. Dans cette catégorie, on trouve GPTZero, QuillBot, Turnitin, Scribbr ou encore ZeroGPT.

La méthode relève de la statistique, pas de l’expertise forensique. Les détecteurs traquent des signaux comme une faible perplexité, c’est-à-dire un texte inhabituellement prévisible d’un mot à l’autre. Or une écriture humaine fluide, simple et bien structurée présente exactement la même caractéristique. C’est la source de presque tous les problèmes décrits plus bas.

Un score IA de 7 %, est-ce grave ?

Non. Un score de 7 % se situe dans la fourchette que le plus grand éditeur de détecteurs juge lui-même peu fiable et refuse de présenter comme un résultat.

Turnitin, dont le détecteur est celui qu’utilisent réellement la plupart des établissements d’enseignement, masque les scores IA compris entre 1 % et 19 %, précisément parce que les faux positifs s’y concentrent. Sous son seuil de 20 %, il affiche un astérisque au lieu d’un score exploitable, pour prévenir les enseignants que le chiffre n’est pas fiable à ce niveau. Turnitin annonce un taux de faux positifs inférieur à 1 % à l’échelle du document pour les textes signalés au-dessus de 20 % d’écriture IA, et d’environ 4 % à l’échelle de la phrase.

Un 7 % ne prouve donc pas que 7 % de votre document a été écrit par une IA. C’est un chiffre que l’éditeur lui-même refuse de cautionner. Face à un score à un chiffre, la bonne réaction est de l’ignorer.

Quel score de détecteur d’IA est acceptable ?

Aucun seuil ne signifie « texte propre », et considérer un chiffre comme une note de passage, c’est se méprendre sur la nature même du score.

Le résultat est une estimation de probabilité produite par un classifieur aux taux d’erreur connus et importants, pas la mesure d’un fait. Le guide du Legal Research Center de l’Université de San Diego consacré aux outils de détection d’IA, mis à jour en juillet 2026, le dit sans détour : les détecteurs ne sont « ni précis ni fiables » et sont « déconseillés comme seul indicateur d’une fraude académique ». Ce même guide précise que le détecteur de Turnitin peut laisser passer environ 15 % du texte généré par IA dans un document : un score faible ne prouve donc rien non plus.

Si c’est vous qui recevez un score, la lecture la plus défendable est la suivante : un chiffre élevé justifie une discussion, un chiffre faible ne prouve rien, et aucun chiffre ne devrait constituer une preuve à lui seul.

Existe-t-il un détecteur d’IA fiable à 100 % ?

Non. Et la preuve la plus parlante vient de l’entreprise qui aurait eu le plus à gagner à en construire un.

OpenAI a lancé un classifieur de texte IA début 2023, puis l’a retiré le 20 juillet 2023 « en raison de son faible taux de précision ». Selon la propre évaluation d’OpenAI, l’outil n’identifiait correctement un texte écrit par IA que dans 26 % des cas, tout en signalant à tort un texte humain comme IA dans 9 % des cas, et il n’était pas fiable sur les textes de moins de 1 000 caractères. L’organisation qui avait entraîné le générateur n’arrivait pas à détecter son propre générateur de façon fiable.

Rien depuis n’a changé cette difficulté de fond. Les éditeurs publient des taux de précision élevés obtenus sur des benchmarks contrôlés, tandis que les tests indépendants sur des documents réels aboutissent systématiquement à des résultats plus bas, surtout quand le texte a été retravaillé.

Pourquoi les détecteurs prennent-ils un texte humain pour de l’IA ?

Parce que le signal sur lequel ils s’appuient, une prose prévisible et peu variée, est aussi la signature des personnes qui disposent d’un vocabulaire plus restreint dans la langue, notamment les locuteurs non natifs.

L’étude de référence s’intitule GPT detectors are biased against non-native English writers, signée Liang, Yuksekgonul, Mao, Wu et Zou et publiée dans Patterns en juillet 2023. Sur sept détecteurs largement utilisés, les chercheurs ont constaté une précision quasi parfaite sur des rédactions d’élèves américains de quatrième (eighth grade), mais un classement systématique comme « générées par IA » des rédactions du TOEFL écrites par des anglophones non natifs. Leur explication tient au mécanisme de perplexité : l’écriture non native est généralement moins variée sur le plan linguistique, ce qui correspond exactement au schéma que les détecteurs attribuent à une machine.

L’étude montre aussi que ce biais se renverse très facilement. Demander à un modèle d’enrichir le vocabulaire d’une rédaction du TOEFL réduisait les erreurs de classement, tandis que simplifier une rédaction écrite par un natif augmentait les faux positifs. Un détecteur qu’un dictionnaire des synonymes suffit à faire basculer ne mesure pas la paternité d’un texte.

Le problème n’est donc pas seulement technique, il est aussi une question d’équité. Un outil qui pénalise systématiquement les étudiants internationaux et les personnes qui écrivent dans une seconde langue ne devrait pas servir de base à une décision qui les concerne.

Second sens : le score de visibilité IA

Un score de visibilité IA mesure tout autre chose : la fréquence à laquelle les assistants IA mentionnent ou citent votre marque quand les internautes posent des questions dans votre secteur. On le calcule en soumettant régulièrement une série de prompts à ChatGPT, Gemini, Claude et Perplexity, puis en comptant les réponses dans lesquelles votre marque apparaît.

C’est le sens qui compte si vous êtes arrivé ici en tant que marketeur plutôt qu’en tant que rédacteur ou étudiant. La présence de votre marque dans les réponses des IA est désormais un canal de visibilité à part entière, et ni le suivi de positionnement classique ni aucun détecteur ne le voient.

Ce score a lui aussi sa limite de fiabilité, et elle est de taille. SparkToro a fait exécuter 12 prompts de recommandation de marques 2 961 fois par 600 volontaires sur ChatGPT, Claude et l’AI Overview de Google (les Aperçus IA). La probabilité d’obtenir deux fois la même liste de marques était inférieure à 1 sur 100, et inférieure à environ 1 sur 1 000 dans le même ordre. Un score de visibilité est donc une statistique d’échantillon avec une large marge d’erreur, et tout outil qui vous vend une « position précise dans l’IA » vous vend un chiffre qui n’existe pas.

Comment vérifier mon score IA ?

Tout dépend du score dont vous parlez, et les deux démarches n’ont rien en commun.

Pour un score de détecteur : collez le texte dans un détecteur comme GPTZero, Turnitin ou Scribbr. Considérez ensuite le résultat comme un signal faible parmi d’autres. Vérifiez la longueur du texte, puisque la plupart des détecteurs ne sont pas fiables en dessous d’environ 1 000 caractères, et ne tenez aucun compte d’un score à un chiffre.

Pour un score de visibilité : rassemblez 30 à 50 prompts qu’un vrai acheteur taperait, soumettez chacun à plusieurs assistants au moins cinq fois, et notez à quelle fréquence votre marque apparaît. Faites-le à la main pour une première lecture, ou confiez l’exécution régulière à un outil de suivi de visibilité. Ce que vous cherchez, c’est un taux d’apparition sur de nombreuses exécutions, pas une position.

Une réserve propre aux surfaces de Google : la seule source qui fait autorité pour les AI Overviews et l’AI Mode (le Mode IA), c’est Google lui-même, via le rapport sur les performances de l’IA générative de Search Console, lancé en juin 2026, qui présente les impressions par page, pays, appareil et date. Il n’affiche ni clics, ni position, ni prompts, mais ce sont des données propriétaires de Google, et aucun outil tiers ne peut rivaliser avec leur précision pour Google.

Un score IA peut-il prouver une triche ?

Il ne devrait pas, et un nombre croissant d’établissements ont officialisé cette position.

Le raisonnement est simple une fois les taux d’erreur posés sur la table. Un classifieur avec un biais documenté contre les rédacteurs non natifs, une zone de non-fiabilité sous 20 % reconnue par l’éditeur lui-même et un taux de non-détection d’environ 15 % sur des textes réellement écrits par IA ne produit pas de preuve. Il produit une invitation à regarder de plus près : l’historique des brouillons, le suivi des versions, les autres travaux de l’étudiant, et une discussion.

Si l’on vous accuse sur la seule foi d’un score, voici les trois sources à citer : OpenAI qui retire son propre classifieur pour manque de précision, l’étude de Patterns sur le biais systématique, et la suppression par l’éditeur lui-même des scores de la fourchette basse.

Quel score IA votre entreprise doit-elle vraiment suivre ?

Pour presque toutes les entreprises, le score de visibilité, et de très loin.

Un score de détecteur est une vérification défensive et ponctuelle sur un texte donné. Il ne vous dit rien de la demande, de vos concurrents ou de votre audience, et vu ses taux d’erreur, c’est un mauvais filtre pour juger de la qualité éditoriale. Beaucoup de textes humains soignés obtiennent un mauvais score, et beaucoup de textes générés par machine passent sans encombre.

Un score de visibilité, lui, est un indicateur de canal. Il vous dit si les assistants que vos clients interrogent désormais vous connaissent, quels concurrents sont cités à votre place, et si la situation évolue. Présentez-le sous forme de taux d’apparition glissant sur 30 jours, calculé sur un jeu de prompts figé, en gardant en tête que les variations d’une semaine à l’autre relèvent surtout du bruit.

Si votre objectif est d’être cité, et pas seulement de passer un détecteur, les règles d’éligibilité sont celles de Google, pas celles d’un outil de scoring : son guide sur les fonctionnalités d’IA générative, mis à jour en juillet 2026, confirme que ces fonctionnalités sont « ancrées dans nos systèmes de classement et de qualité de la recherche » et qu’une page « doit être indexée et pouvoir s’afficher dans la recherche Google avec un extrait ». Aucun score n’y change rien. Vous pouvez vérifier où se situe aujourd’hui votre marque sur les différents moteurs et travailler à partir d’une base de référence réelle.