Une opinion de Christophe Boeraeve, avocat au barreau de Bruxelles (Law Right), spécialisé en protection des données et en droit de l'intelligence artificielle

Le lundi 21 septembre, un compte anonyme de X, "Balance ton Claude", à peine 92 abonnés, publie les verdicts d'un détecteur d'IA, Pangram, sur un roman de la rentrée. Le vendredi, l'Académie Goncourt retire C'était ça ou mourir, de Thélyson Orélien, de sa première sélection : le livre serait "selon toute vraisemblance très largement le produit d'une intelligence artificielle". L'auteur conteste.

Je ne sais pas qui a écrit ce roman. L'Académie invoque plusieurs analyses convergentes, et des soupçons de plagiat visent d'autres textes de l'auteur.

Mais une question s'est installée partout, des jurys littéraires aux universités : combien de machine y a-t-il dans ce texte ? Elle est mal posée.

J'ai soumis la première version de cette carte blanche à sept détecteurs, le même après-midi. Pangram : 90 % d'IA. Winston : 90 % d'humain. Isgen, Scribbr et ZeroGPT : 0 % d'IA. Copyleaks : 19,2 %. GPTZero hésite, 38 % d'IA, 51 % d'humain. Un même texte, de zéro à nonante.

Ce n'est pas une surprise. En 2023, OpenAI a retiré son propre détecteur : il reconnaissait 26 % des textes générés et accusait à tort 9 % des textes humains. La même année, des chercheurs de Stanford ont soumis à sept détecteurs des essais de candidats au TOEFL, dont l'anglais n'était pas la langue maternelle. Le taux moyen de faux positifs atteignait 61,3 %. Quand ChatGPT enrichissait le vocabulaire de ces mêmes essais, il tombait à 11,6 %. Retouché par la machine, le texte humain devenait plus humain aux yeux des machines.

Pangram fait beaucoup mieux, et il serait malhonnête de le nier. En 2026, une étude de la VUB l'a classé en tête des outils testés, avec très peu de faux positifs. Ses auteurs concluent pourtant qu'aucun détecteur ne doit servir de preuve unique dans une décision lourde de conséquences.

Un détecteur mesure la surface d'un texte : un vocabulaire prévisible, un rythme régulier. Il ne dit rien de l'origine de la question, de la qualité des sources, ni de l'existence d'un plagiat. Ouvrir la boîte noire, comme le demandait l'éditorial de ces pages le 26 septembre, dira comment l'outil calcule. Pas qui a écrit. Bruno Colmant l'a résumé d'une phrase : "Un pourcentage produit par un détecteur d'IA ne démontre ni un plagiat, ni même la manière dont un texte a été écrit".

Je propose de poser trois questions séparées, parce qu'elles ne visent pas le même objet.

Le texte d'abord. Ses affirmations sont-elles justes, ses sources fidèles, ses emprunts attribués ? Cela se vérifie, référence par référence, par un lecteur compétent. Pas par un pourcentage.

L'auteur ensuite. Un texte peut s'améliorer sans que son auteur progresse. Près de mille lycéens turcs se sont exercés en mathématiques avec un tuteur fondé sur GPT-4 : pendant les exercices, ils faisaient 48 % mieux que leurs camarades. À l'examen sans assistance, 17 % moins bien. La réussite assistée ne prouve pas la capacité.

La coopération enfin. En avril 2025, l'expression absurde "vegetative electron microscopy" figurait dans 22 articles scientifiques recensés par Google Scholar. Née d'une erreur de numérisation, recyclée par les modèles de langage, elle a traversé signataires, relecteurs et éditeurs. Aucun n'a demandé ce qu'elle voulait dire. Le défaut n'était pas de détection. Il était de lecture collective.

Ces trois examens ne se compensent pas. Un style brillant ne rachète pas un auteur incapable de s'expliquer, et une moyenne flatteuse ne remplace pas trois réponses.

C'est là que je m'arrête avant Antoine Buéno, qui proposait ici d'admettre que prompter, c'est écrire, et de reconnaître l'IA comme coauteur. Un coauteur répond de ce qu'il signe. Une IA ne comparaît pas, ne corrige rien devant un lecteur trompé, ne passe aucun des trois examens. Elle peut aider. Elle ne peut pas répondre.

On m'objectera que toute trace peut se fabriquer : un journal de rédaction, des versions intermédiaires, des échanges plausibles. C'est vrai. Aucune pièce ne prouve à elle seule qui a écrit une phrase. Il faut donc renoncer à la preuve de paternité, et vérifier autre chose.

L'épreuve de reprise est simple. On présente à l'auteur trois décisions réellement prises dans son texte : une source écartée, une réserve déplacée, une objection intégrée. Il doit les expliquer, en retrouver l'appui, les réviser devant un cas nouveau. Celui qui a porté son texte y parvient. Celui qui l'a seulement commandé bute vite. C'est la vieille logique de la soutenance, et elle ne coûte aucune licence.

Le droit a déjà pris ce chemin. L'article 50 du règlement européen sur l'intelligence artificielle dispense de mention le texte généré par une IA et publié pour informer le public sur des questions d'intérêt public, à deux conditions : un examen humain ou un contrôle éditorial a eu lieu, et une personne assume la responsabilité éditoriale de la publication. Le législateur ne demande pas combien la machine a écrit. Il demande qui a examiné et qui répond. Les lignes directrices de la KU Leuven le disent autrement : plus on confie de responsabilité au système, plus le résultat appelle de vérification.

J'ai siégé six ans, d'avril 2019 à avril 2025, à la Chambre contentieuse de l'Autorité de protection des données. J'y ai appris qu'une décision tient par la contradiction qui la précède, jamais par l'instrument qui l'a déclenchée.

Le détecteur retiré en 2023 cherchait la machine dans le texte. Le législateur de 2024 a cherché la personne derrière la publication. To be Pangram or not to be n'est donc pas la question : la seule qui vaille est de savoir si celui qui signe peut répondre de ce qu'il a signé.

→ Titre original : "To Be Pangram, Or Not To Be"

Les textes qui paraissent dans la rubrique Débats sont des contributions externes, qui n'engagent pas la rédaction.