Avec l’essor de l’IA générative au cours des dernières années, il est normal que la détection de l’IA soit devenue essentielle. Ce type de contenu pose d’énormes problèmes dans les universités, mais il est également en train de s’emparer de l’ensemble du contenu du web. Il semblerait même qu’une grande partie du contenu récent de Wikipédia soit rédigé par l’IA.
Comprendre les faux positifs :
On parle de faux positifs lorsqu’un outil de détection de l’IA identifie à tort un texte entièrement rédigé par un humain comme étant généré par l’IA. Compte tenu de la nature du fonctionnement de ces outils, nous allons examiner quelques raisons pour lesquelles ces événements malheureux se produisent.
Causes des faux positifs dans les détecteurs d’IA :
Nous avons exploré le fonctionnement de la détection d’IA dans un article précédent ; la cause première des faux positifs est le fait que la détection d’IA analyse un texte et renvoie une probabilité qu’il ait été rédigé par un humain ou un robot. Selon le degré d’entraînement d’un détecteur d’IA, il sera plus précis pour discerner un texte humain d’un texte d’IA. Si un texte manque de rythme et de perplexité et qu’il est extrêmement prévisible, il peut sembler suspect aux yeux d’un outil de détection d’IA. Cependant, les meilleurs détecteurs d’IA, comme Winston AI, ont suivi une formation approfondie sur ces cas et ont amélioré leurs modèles pour tenter d’éviter ces événements malheureux.
Un élément important de chaque outil de détection de l’IA qui est à l’origine de tous les faux positifs : les évaluations sont basées sur des probabilités. En d’autres termes, les détecteurs d’IA analysent votre texte et indiquent la probabilité qu’il soit généré par l’IA ou par l’homme. Contrairement aux outils de détection du plagiat, qui reposent sur une preuve donnée, les outils de détection de l’IA fournissent une évaluation probabiliste.
Pour les raisons susmentionnées, les éducateurs qui utilisent des détecteurs d’IA doivent faire preuve de prudence lorsqu’ils considèrent une évaluation comme une preuve absolue d’un acte répréhensible.
Conséquences des faux positifs :
L’une des raisons pour lesquelles il a fallu un certain temps avant que les outils de détection de l’IA soient mis en œuvre dans les écoles est la quantité de faux positifs signalés par la nouvelle fonction de détection de l’IA de Turnitin. En tant qu’ancien logiciel de lutte contre le plagiat, Turnitin a dû lancer un système de détection de l’IA pour aider les écoles à identifier le contenu de ChatGPT. Cependant, de nombreux cas d’étudiants accusés à tort de tricherie ont été signalés. Pour un étudiant qui a passé d’innombrables heures sur son travail, c’est extrêmement frustrant et inacceptable.
Pour les éditeurs de contenu qui consacrent beaucoup de temps à la recherche et à la rédaction, il est extrêmement frustrant de voir quelqu’un signaler son contenu comme étant généré par l’IA.
Stratégies visant à minimiser les faux positifs
L’astuce la plus évidente pour éviter de déclencher des détecteurs d’IA est d’éviter d’utiliser des outils d’IA générative pour vous aider à rédiger.
Dans de nombreux cas de faux positifs, on signale que l’IA a en fait été utilisée pour aider le rédacteur en premier lieu. Si vous utilisez un outil tel que Grammarly pour vous aider à réviser certaines phrases ou structures de paragraphe, sachez que ces outils sont alimentés par l’IA et peuvent déclencher des détecteurs d’IA.
Veillez à ce que votre contenu soit aussi intéressant et perspicace que possible et, surtout, évitez d’alourdir vos textes avec un trop grand nombre de mots qui ne contribuent pas à l’objectif de votre texte.
Conclusion
Les modèles d’IA générative et les outils de détection de l’IA joueront probablement au jeu du chat et de la souris dans les années à venir. Un détecteur d’IA puissant comme Winston AI devrait savoir quand signaler un contenu d’IA tout en évitant les cas de faux positifs.
En rédigeant des textes originaux et perspicaces et en évitant les mots non essentiels et le superflu, vous éviterez à coup sûr d’être injustement repéré par les outils de détection de l’IA.
