Kaneme et détecteurs IA : deux questions différentes
Un détecteur IA pose une question énorme — « ce texte vient-il d’une machine ? » — à propos d’un auteur qu’il ne connaît pas. Kaneme en pose une autre, et refuse d’y répondre sans tes textes : « Ce texte porte-t-il ta voix ? » Qu’une IA ait écrit ne nous intéresse pas ; ce qu’on mesure, c’est si ça s’entend.
C’est la seule différence qui compte, et elle a une conséquence concrète : la question étroite, on peut mesurer ce qu’elle vaut. La large, non.
En 2019, je vendais des produits que je n’avais jamais touchés, sur une boutique montée sur Bubble puis migrée sur Shopify, avec des textes qui promettaient tous la même chose : qualité premium, satisfaction garantie, ne manquez pas cette offre. Le projet a fermé. Le dropshipping a suivi le même chemin. Puis la print-on-demand. Puis une LTD anglaise abandonnée avant même son premier client. Ce n’était pas le produit le problème. C’était la voix. Chaque description sonnait comme celle du concurrent d’à côté, parce qu’elle venait du même stock de formules toutes faites. Ça, c’était avant que ChatGPT existe. Le symptôme est identique aujourd’hui avec un brouillon IA : zéro scène, zéro spécificité, une voix qu’on pourrait signer avec n’importe quel nom. C’est cette expérience, pas une intuition théorique, qui a façonné Kaneme.
Mise à jour honnête
La première version de cet article disait que Kaneme n’entrait pas sur ce terrain. C’était vrai tant qu’on n’avait pas de chiffre à mettre en face. Depuis, on a mesuré : 0,92 pour distinguer ta voix de celle de l’IA, et un stress-test qui montre où notre propre score sur-promet. Alors on réécrit l’article plutôt que de garder une position devenue confortable et fausse.
Sommaire de la comparaison
- 01Trois questionsCe que « détection » recouvre vraiment.
- 02Pourquoi on peut chiffrerLa vérité terrain qu’un détecteur universel n’a pas.
- 03Nos angles mortsLes trois aveux, stress-test compris.
- 04Le tableauDétecteur, verdict, relevé : ligne à ligne.
- 05L’accusation inverseAidez-vous un texte IA à passer pour humain ?
- 06Lequel utiliserQuand un détecteur gagne, et quand non.
- 07Questions fréquentesLongueur, chevauchement, usage après ChatGPT.
Cette page se lit d’affilée, mais elle est longue. Si une question précise t’amène, va droit à sa section : chacune se tient toute seule.
Trois questions qu’on appelle toutes “détection”
Le mot “détection” recouvre des choses très différentes. Les confondre, c’est la source de presque tous les malentendus — et de presque toutes les fausses accusations.
Détecteur IA universel
—
Ce texte a-t-il été écrit par une machine ?
La question la plus large, posée sans rien savoir de l'auteur. C'est aussi ce qui la rend invérifiable sur ton cas précis : le détecteur n'a aucun moyen de savoir à quoi ressemble ton écriture, donc aucun moyen de compter combien de fois il a eu raison sur toi.
Kaneme — question 1
0,92
Ce texte porte-t-il ta voix ?
Comparée à des imitations IA des auteurs du banc, réalisées à partir de leurs textes de référence. Puis on a compté. 1,0 serait parfait, 0,5 serait pile ou face. C'est notre mesure la plus forte — et elle n'existe que parce qu'on part de tes vrais textes. Noter qu'une IA ait écrit ne nous intéresse pas : ce qu'on mesure, c'est si ça s'entend.
Kaneme — question 2
0,82
Est-ce toi, ou un autre humain ?
Nettement plus dur, et c'est logique : deux consultants de la même communauté qui écrivent sur les mêmes sujets se ressemblent. C'est le chiffre qui dit la vérité sur les cas difficiles, donc celui qu'on publie en premier.
Et un quatrième nombre — qu’on a retiré
Le Voice Match Score rendait une note sur 100 à qui n’avait donné aucun texte. Mesuré face à une vérité terrain d’humains seuls, il rangeait mieux les textes que rien ne rattachait à leur auteur — et 58 % des textes humains sortaient au plafond. On ne l’a pas assorti d’un avertissement : on a retiré le nombre. La surface publique relève et nomme les marques d’automatisme, ce qu’un lecteur peut recompter ; le tampon, lui, tranche vraiment, et il exige ton corpus.
Pourquoi peut-on chiffrer notre fiabilité, et pas celle d’un détecteur universel ?
Ce n’est pas une question de moyens ni de talent. C’est une question de vérité terrain.
Pour savoir si un score de 80 veut dire quelque chose, il faut des milliers de cas dont on connaît déjà la réponse, puis compter. Un détecteur universel n’en a pas : il ne sait pas à quoi ressemble ton écriture, donc il ne peut pas fabriquer un seul couple vérifiable te concernant. Son pourcentage est une opinion sur un texte, jamais une fréquence observée.
Nous partons de tes textes. On peut donc construire les couples — toi contre toi, toi contre un autre humain, toi contre une IA à qui on a demandé de t’imiter — et vérifier. Sur les couples notés 80, la bonne réponse tombe 99 fois sur 100 pour « toi ou une machine ». Ce n’est pas une façon de parler : c’est un comptage.
La contrepartie est réelle et on l’assume : sans tes textes, on ne répond pas. Kaneme est inutilisable sur un inconnu. C’est une limite, et c’est exactement pour ça que le chiffre tient.
Le protocole complet — corpus de 54 auteurs francophones réels, échantillon de contrôle lu une seule fois, métriques d’une compétition d’attribution d’auteur — est publié sur notre page méthode.
Ce que notre chiffre ne vaut pas
Aucun de ces trois aveux ne nous arrange commercialement. On les publie parce qu’un chiffre dont on cache les angles morts n’est pas une preuve, c’est un argument de vente.
Face à un tricheur outillé, notre 96 % vaut 88 %
On a pris des textes machine et on les a retravaillés exprès pour passer : « humanisés », réécrits vers la cible. Le moteur tient la direction, mais le haut de son échelle sur-promet. On annonce 96 %, la réalité mesurée est 88 %. On l’a mesuré, donc on l’écrit.
Même un texte court peut montrer une ressemblance. Sans établir qui l’a écrit.
Mesuré sur le moteur servi : à 70 mots, aucune imitation de la voix par une IA n’a atteint la bande la plus haute (0 sur 64 dans notre banc) : un score très haut garde son sens sur un texte court. La mesure y perd aussi de sa force : elle place le texte de l’auteur au-dessus d’une imitation 82 fois sur 100 à 70 mots, contre 89 sur 190 mots environ. Un score bas sur un texte court, lui, ne veut rien dire — c’est une absence de preuve, pas une preuve d’absence.
Quand on ne peut pas mesurer, on se tait
Corpus trop mince, texte sous le plancher, couche de mesure indisponible : on affiche « on ne peut pas trancher » plutôt qu’un chiffre approximatif. C’est l’inverse exact d’un détecteur qui crache un pourcentage confiant sur trois mots.
Trois outils, trois questions
Détecteur IA
Kaneme · verdict
Relevé d’automatismes
Ce qu’il faut en entrée
Le texte, rien d’autre.
Le texte, et tes propres écrits comme référence.
Le texte, lu localement pour relever des marques visibles.
Sortie
Un pourcentage, toujours affiché.
Une probabilité issue d’une comparaison — ou pas de chiffre du tout, avec la raison nommée.
Des signaux d’automatisme à relire, sans verdict sur l’auteur.
Fiabilité publiée
Rarement, et jamais sur ton cas particulier.
Deux indices de séparation, rejoués et republiés à chaque version : 0,92 et 0,82.
Pas de promesse d’attribution : le lecteur peut vérifier chaque signal.
Origine du texte
Devinée sur le texte seul, et présentée comme un verdict.
Déclarée par le produit — ce qui est sorti du générateur — et affichée telle quelle. Jamais détectée : ça, c’est l’autre métier.
Hors sujet : il ne déduit ni l’origine, ni une intention.
Qui peut s’en servir contre toi
N’importe qui, avec ton texte seul.
Personne : la mesure exige ton corpus, que toi seul fournis.
Toi, sur ton propre texte, pour décider quoi retravailler.
Bon usage
Conformité, modération de volume, premier filtre.
Mesurer une ressemblance de voix et réécrire ce qui sonne générique.
Repérer les passages plats avant de les réécrire dans ta voix.
Un détecteur vit de la méfiance envers l’IA. Kaneme vit de son adoption : plus l’IA écrit, plus la question « est-ce que ça me ressemble encore ? » se pose.
Tout le monde se tait hors de sa compétence. Ce qui se compare, c’est la couverture : le domaine où l’on accepte de mesurer, et le fait de le publier.
Le risque d’un détecteur
Il s’exécute sur le texte de quelqu’un d’autre, sans son accord et sans sa matière. La personne accusée n’a aucun moyen de se défendre : elle ne peut ni voir le raisonnement, ni produire une contre-mesure. Un texte humain peut être accusé, un texte IA retravaillé peut passer.
Ce qu’un verdict ne prouve pas
Fournir des références ne vérifie ni l’identité de leur auteur ni son consentement et n’empêche pas techniquement l’analyse d’un tiers. Utilise tes propres textes ou des textes que tu es autorisé à analyser. Le verdict peut afficher un pourcentage ; les certificats publics présentent une bande et la provenance. Aucun résultat ne prouve à lui seul la paternité d’un texte et ne justifie une accusation.
Et l’accusation inverse : aidez-vous un texte IA à passer pour humain ?
C’est la question qu’on nous posera tôt ou tard, et elle mérite mieux qu’un démenti. Notre réponse tient dans une décision d’affichage : nous publions deux axes, et nous ne les fusionnons jamais. L’un dit si le texte porte ta voix. L’autre dit qui a formulé les phrases. Ils sont indépendants, et aucun ne rattrape l’autre.
Porte ta voix ?
Qui a formulé ?
Ce que ça veut dire
Porte ta voix
Écrit à la main
Tu as écrit, dans ta voix.
Porte ta voix
Formulé par une IA
C’est bien toi, et c’est une IA qui a rédigé. Les deux sont vrais.
Ne porte pas ta voix
Écrit à la main
Un humain a écrit, mais ça pourrait être n’importe qui.
Ne porte pas ta voix
Formulé par une IA
IA générique. C’est ce que le produit sert à éviter.
La ligne surlignée est celle qu’on revendique
Un texte peut porter ta voix — tes idées, ton vécu, tes formulations — et avoir été rédigé par un modèle. Un humanizer cacherait la deuxième moitié. Nous l’affichons à côté de la première, dans le produit comme ici. C’est plus difficile à vendre, et c’est la seule position qu’on puisse tenir dans cinq ans.
Concrètement : Kaneme ne cherche pas l’indétectabilité, ne teste rien contre les détecteurs, et n’a aucun réglage qui aille dans ce sens. Nous ne promettrons jamais qu’un texte passe pour humain — ce n’est ni mesurable, ni ce qu’on vend.
Un aveu sur cet affichage, tant qu’on y est : notre axe « qui a formulé » est déclaré, pas détecté. On sait ce qui est sorti de notre générateur ; on ne mesure pas la composition IA d’un texte arbitraire. Ça, c’est le métier d’un détecteur — et quand la provenance n’est pas estampillée, on écrit qu’on ne sait pas plutôt que de supposer « humain ».
Pourquoi “ça fait IA” ne veut pas toujours dire “écrit par IA” ?
Quand un lecteur dit “ça fait IA”, il ne parle pas toujours de l’origine réelle du texte. Il parle souvent d’un style : formules plates, transitions mécaniques, promesses vagues, vocabulaire sans friction, aucune scène concrète.
C’est le piège dans lequel je vois tomber beaucoup de créateurs : ils cherchent un tampon “non IA” alors que leur vrai problème est plus simple et plus dur à la fois. Le texte est propre, mais il n’a pas de peau. Il n’a pas de respiration. Il pourrait être publié par ton concurrent demain avec trois mots changés.
Et c’est aussi pour ça que les deux nombres de Kaneme ne se remplacent pas. Le verdict peut très bien indiquer une forte ressemblance avec ta voix dans un texte parfaitement ennuyeux. Le relevé d’automatismes, lui, montre où la voix disparaît, puis l’atelier aide à la reconstruire. Le but n’est pas de cacher que tu as utilisé une IA. Le but est de ne pas laisser l’IA parler à ta place.
Peu importe le modèle dont vient le brouillon — ChatGPT, Claude ou un autre : la logique ne change pas. Ce qui change, c’est ce que ta référence de voix permet d’exiger du résultat, et la méthode détaille comment cette exigence est mesurée.
Lequel des trois utiliser, concrètement ?
Comparer n’a de sens que si on dit clairement quand chacun gagne. Un détecteur IA reste utile quand tu ne connais pas les auteurs et que tu dois filtrer du volume. Ce n’est pas absurde. Ce qui est absurde, c’est de transformer ce signal invérifiable en vérité morale sur une personne.
Utilise un détecteur IA
si tu dois appliquer une règle interne, documenter un risque ou filtrer un très gros volume sans connaître les auteurs. Même là, garde une marge humaine : le verdict reste probabiliste, et sa fiabilité sur ton cas n’est pas mesurable.
Utilise le verdict Kaneme
si c’est TA paternité qui est en jeu et que tu as tes propres textes sous la main. Tu obtiens une probabilité dont on publie la valeur réelle — et une explication plutôt qu’une approximation quand la mesure ne tient pas.
Utilise le relevé d’automatismes
si ton problème n’est pas l’origine mais l’écriture : ton texte est correct, mais il pourrait venir de n’importe qui. Là, tu n’as pas besoin d’un juge. Tu as besoin d’un miroir de style.
Mettre la comparaison en pratique
Le travail de réécriture mérite sa propre lecture
Les prompts et la méthode de réécriture ne changent pas le verdict entre outils. Ils vivent désormais dans un article dédié : tu peux les utiliser sans traverser toute cette comparaison.
Lire le guide et les 6 promptsMesure la tienne
Commence par ta voix : quelques-uns de tes vrais textes, sans carte bancaire. Le tampon arrive ensuite, mesuré contre elle — c’est la condition pour qu’il veuille dire quelque chose.
Pour aller plus loin
Notre méthode, à découvert
Le protocole complet, le corpus, l’échantillon de contrôle et les endroits où notre chiffre sur-promet.
Lire la méthodeLe tampon, avec un compte gratuit
Ton passeport, tes écrits, ta perspective, puis un autre texte à tester : un seul parcours avec un compte gratuit.
Créer ma voixLes Éclaireurs
La communauté pour partager tes résultats d’audit de voix et voir ceux des autres.
Rejoindre la communautéL’autre confusion, symétrique : on nous prend aussi pour un générateur ou pour un correcteur. Kaneme comparé à Jasper et Grammarly — ni l’un ni l’autre ne sait à quoi ta voix ressemble.
Questions fréquentes
Kaneme est-il un détecteur d’IA ?+
Non, et la nuance compte. Un détecteur d’IA répond à une question universelle — « ce texte sort-il d’un modèle ? » — sans rien savoir de l’auteur. Kaneme répond à une AUTRE question, et seulement si tu lui as donné tes textes : « Ce texte porte-t-il ta voix ? » Qu’un modèle ait écrit ne nous intéresse pas : c’est le cas d’usage. Ce qu’on mesure, c’est si ça s’entend.
Le détail, chiffres à l’appuiPourquoi Kaneme peut-il chiffrer sa fiabilité et pas un détecteur universel ?+
Parce que nous avons une vérité terrain que le détecteur n'a pas : tes vrais textes. On peut donc fabriquer des milliers de couples dont on connaît la réponse, puis compter combien de fois le score a eu raison. Sur les textes notés 80, la bonne réponse tombe 99 fois sur 100 pour « toi ou une IA ».
Quelle est la fiabilité mesurée de Kaneme ?+
Indice de séparation 0,92 pour distinguer ta voix de celle de l'IA, 0,82 sur notre corpus le plus dur — des auteurs de la même communauté écrivant sur les mêmes sujets. Comparée à des imitations IA des auteurs du banc, réalisées à partir de leurs textes de référence. Ces notes sont des médianes hors-échantillon, sur des genres tenus à l’écart de l’entraînement. Nous publions les deux.
Le Voice Match Score dit-il qui a écrit un texte ?+
Non. Le Voice Match Score mesure la fidélité d’un texte à ta voix de référence ; il ne prouve pas qui l’a écrit. Le tampon est une opération séparée, avec ses propres contrastes, et exige lui aussi ton corpus.
Peut-on utiliser Kaneme pour accuser quelqu’un ?+
Un verdict Kaneme ne prouve pas qui a écrit un texte et ne justifie pas une accusation. Fournir des textes de référence ne vérifie ni l’identité de leur auteur ni son consentement : cela n’empêche pas techniquement l’analyse d’un tiers. Utilise tes propres textes ou des textes que tu es autorisé à analyser. Le verdict peut afficher un pourcentage ; les certificats publics présentent une bande et la provenance. Et notre propre stress-test montre qu'un tricheur outillé fait tomber notre 96 % à 88 % : c'est un indice, jamais une preuve opposable.
Kaneme est-il un humanizer ?+
Non, et c’est structurel, pas une promesse. Un humanizer optimise un texte contre un détecteur : il maquille l’origine. Kaneme ne cherche pas l’indétectabilité, ne teste rien contre les détecteurs et n’a aucun réglage qui aille dans ce sens. On publie même l’inverse : quand un texte a été formulé par une IA, on l’affiche à côté de la mesure de ressemblance au lieu de le taire. Un texte peut porter ta voix ET avoir été rédigé par un modèle — on le dit nous-mêmes.
Un texte 100 % fidèle à ma voix peut-il être classé « IA » par un détecteur ?+
Oui, et ce n'est pas une contradiction. Un détecteur mesure qui a formulé les phrases ; nous mesurons si le texte porte votre voix. Les deux axes sont indépendants : un contenu peut être écrit par vous et sonner générique, ou sortir d'un modèle en restant entièrement le vôtre — vos idées, votre vécu, vos formulations. Nous ne promettrons jamais qu'un texte Kaneme passe pour humain auprès d'un détecteur, parce que ce n'est ni mesurable ni ce que nous vendons.
Un texte court suffit-il ?+
Cela dépend du sens de la réponse : un signal fort peut étayer une ressemblance, même sur un texte court. Il n’établit pas qui l’a écrit. Un signal faible sur un texte court ne permet pas de conclure à une différence. Nous ne dirons donc jamais « ce n’est pas toi » sur trois lignes ; nous dirons que nous ne pouvons pas trancher.
Puis-je utiliser Kaneme après ChatGPT ou Claude ?+
Oui, c'est même le cas d'usage principal : partir d'un brouillon IA, puis le retravailler jusqu'à ce qu'il porte ta voix. Le relevé d’automatismes te montre où la voix disparaît ; le verdict, lui, te dit si le texte final passe encore pour toi.
Ne demande pas à un outil de deviner si tu as utilisé une IA — il ne peut pas te dire ce que sa réponse vaut. Demande-lui si ta voix est encore là, et combien de fois il a eu raison quand il l’a dit. C’est la seule question à laquelle on accepte de répondre par un chiffre.