Section Méthodes et détection IA : pourquoi rien n'a été modifié

Les sections Méthodes se comportent différemment face à la détection d'IA. Nous avons soumis à Humanizer v2 une section Méthodes de psychologie rédigée par IA, en nous attendant à une liste de phrases signalées. Au lieu de cela, chaque phrase est ressortie incertaine, le verdict du rapport était « écrit par un humain », et Humanizer v2 n'a rien modifié ni rien facturé.

Les détecteurs n'étaient pourtant pas d'accord entre eux : trois modèles sur cinq ont voté IA et deux ont voté humain. Cet article explique ce que signifie ce partage, pourquoi la prose des Méthodes le provoque et ce qu'un auteur doit retenir d'une analyse qui laisse le texte intact.

Le texte

Le brouillon décrit une expérience inter-sujets 2 x 2 sur le cadrage du message et la crédibilité de la source. Il regorge des détails qu'exigent les normes de rédaction : critères d'éligibilité, taille d'échantillon et exclusions, données démographiques, plan expérimental, randomisation, matériel, mesures avec leur fiabilité, rémunération et approbation éthique. Voici comment l'analyse phrase par phrase l'a lu.

Participants were recruited through an online research platform and were required to be fluent in English and between 18 and 65 years of age. A total of 412 individuals completed the study, of whom 23 were excluded for failing two or more attention checks, resulting in a final sample of 389 participants (M age = 34.7, SD = 11.2; 52% female). The study employed a 2 x 2 between-subjects design, with message framing (gain vs. loss) and source credibility (high vs. low) as independent variables. Participants were randomly assigned to one of the four conditions using the platform's built-in randomization feature. After providing informed consent, participants read a short article about the benefits of regular physical activity, which was manipulated according to the assigned condition. Subsequently, they completed a series of validated measures, including the 7-item Intentions to Exercise Scale (alpha = .89) and a 5-item perceived credibility scale (alpha = .91). Finally, participants were debriefed and compensated with $2.50 for their time. The study protocol was approved by the university's Institutional Review Board, and all procedures were conducted in accordance with the Declaration of Helsinki.

Analyse réelle issue de notre test. Les huit phrases sont incertaines : chacune penchait légèrement vers l'IA, mais aucune n'a été signalée.

Huit phrases, huit marques ambrées. Aucune n'a été lue avec assurance comme écrite par une IA, et aucune avec assurance comme écrite par un humain.

Ce qu'a fait Humanizer v2

1. Recherche de signaux d'IALes huit phrases sont incertaines ; aucune n'est signalée.
2. Réécriture des phrases signaléesAucune phrase signalée, donc aucune phrase modifiée.
3. Nouvelle vérification par les détecteursMême texte, même résultat : écrit par un humain, avec trois modèles sur cinq votant IA.
4. Enregistrement du résultatAucune modification, donc 0 crédit ; sinon, 1 214 caractères auraient coûté 3 crédits.

Humanizer v2 réécrit les phrases que les détecteurs signalent. Une phrase incertaine n'est pas signalée : aucune ne remplissait donc les conditions. Le texte rendu correspond au texte saisi, au caractère près.

• Section Méthodes rédigée par IA3 sur 5
• Texte produit par Humanizer v2 (inchangé)3 sur 5

Source : analyse Humanizer v2 en production. Verdict du rapport dans les deux cas : écrit par un humain.

Pourquoi la prose des Méthodes se comporte ainsi

Les détecteurs recherchent un texte plus prévisible que ce qu'écrivent habituellement les humains. Les sections Méthodes mettent cette hypothèse en défaut, car elles sont censées être prévisibles. Voici quelques raisons pour lesquelles ce texte se situe au milieu :

• Les humains aussi rédigent leurs Méthodes à partir de modèles. "Participants were randomly assigned to one of the four conditions" et "approved by the university's Institutional Review Board" sont des phrases que des milliers de chercheurs ont écrites presque mot pour mot. Les normes de rédaction poussent tout le monde vers la même structure. Quand textes humains et textes machine convergent vers la même formulation, un détecteur a peu d'éléments pour les distinguer.
• Les chiffres et les notations morcellent la prose. "M age = 34.7, SD = 11.2; 52% female" et "alpha = .89" ne relèvent pas du langage fluide et enchaîné sur lequel les détecteurs sont calibrés. Ils diluent le signal stylistique que portent les mots environnants.
• L'emphase rhétorique est faible. Le brouillon présente quelques tics de machine ("employed", "Subsequently", "a series of validated measures"), mais il n'affirme rien sur l'importance de l'étude et ne contient ni "comprehensive" ni "underscore". Ce sont ces expressions qui avaient fait basculer chaque phrase de notre étude de cas sur un résumé dans la colonne des phrases signalées.

Le vote partagé cadre avec ce tableau. Trois modèles sur cinq penchaient vers l'IA pour l'ensemble du texte, deux non, et aucune phrase isolée ne donnait assez d'éléments à la vérification phrase par phrase pour trancher. Pour comprendre pourquoi les modèles divergent précisément sur ce type de texte, consultez pourquoi les détecteurs d'IA ne sont pas d'accord et la détection d'IA phrase par phrase.

Chaque chiffre est resté exactement à sa place

Pour une section Méthodes, une analyse sans aucune modification est le résultat le plus sûr possible. Rien n'a été réécrit, donc rien n'a pu dériver :

Comparez avec un outil qui paraphrase tout. Une section Méthodes contient peut-être une douzaine de chiffres qui ne doivent pas bouger, et une réécriture complète donne à chacun l'occasion d'être arrondi, déplacé ou rattaché à la mauvaise variable. Notre article sur la préservation du sens et des citations liste ce qu'il faut vérifier si un paragraphe de Méthodes est réécrit.

Ce que ce résultat vous apprend, et ce qu'il ne vous apprend pas

Ce brouillon a été rédigé avec une IA, et le rapport l'a jugé écrit par un humain. Cela mérite d'être dit clairement, car cela vaut dans les deux sens.

• Le verdict d'un détecteur ne prouve pas la paternité d'un texte. Les détecteurs estiment la façon dont un texte se lit. Ils laissent passer certains textes machine et signalent certains textes humains, surtout dans des genres très codifiés comme les Méthodes. Voir peut-on détecter de façon fiable un texte généré par IA ?
• La déclaration est une question distincte. L'obligation de déclarer une aide de l'IA dépend de la politique de votre revue ou de votre établissement, pas de ce que dit un détecteur. Un verdict « écrit par un humain » ne change rien à cette obligation. Consultez la politique avant de soumettre.
• Les détails restent sous la responsabilité de l'auteur. La rédaction par IA peut produire des précisions plausibles mais fausses : un coefficient de fiabilité tiré d'une autre étude, une déclaration éthique qui ne correspond pas à votre approbation réelle. Vérifiez chaque valeur par rapport à vos données, quoi qu'en disent les détecteurs.

Si vous souhaitez tout de même retoucher le texte, de petites modifications manuelles suffisent : "used" au lieu de "employed", "Then" au lieu de "Subsequently". Relancez ensuite une vérification ; la prochaine analyse vous dira si quelque chose a bougé.

Ce qu'il faut retenir pour les sections Méthodes

La prose des Méthodes est la partie d'un article où la rédaction par IA fait le moins de dégâts stylistiques et où la réécriture présente le plus de risques factuels. Dans cette analyse, Humanizer v2 a constaté qu'aucune phrase n'était signalée, a laissé les huit phrases intactes et n'a rien facturé. Pour le comportement des autres sections d'un article, voir notre guide section par section sur les articles de recherche et la détection IA.

C'est ainsi qu'Academic Humanizer est censé se comporter : analyser d'abord, ne réécrire que les phrases signalées et vous montrer le résultat dans le rapport de détection IA, y compris les phrases incertaines, pour que vous décidiez ce qui mérite éventuellement votre attention.