Turnitin détecte-t-il QuillBot ? Pourquoi la paraphrase échoue

Souvent, oui. Quand le texte de départ est une production IA, Turnitin classe désormais la paraphrase de type QuillBot dans une catégorie à part, comme décrit plus bas. Les outils de paraphrase en général échouent face à la détection d'IA pour une raison simple : ils changent des mots, alors que les détecteurs réagissent à des schémas situés au-dessus du niveau du mot. Un outil de remplacement par synonymes peut substituer "notable" à "significant" dans chaque phrase sans presque toucher à la longueur des phrases, à l'ordre des propositions, au rythme ni à la prévisibilité générale. Et quand il change suffisamment de choses pour faire bouger un score, il abîme souvent le sens ou la terminologie au passage.

Les éditeurs de détecteurs ont aussi réagi directement. La documentation de Turnitin décrit désormais une catégorie distincte pour les textes probablement générés par IA puis modifiés par un outil de paraphrase IA ou un reformulateur automatique, en citant QuillBot en exemple (guides Turnitin). Cet article explique à quoi réagissent réellement les détecteurs, pourquoi les reformulateurs peinent, et en quoi une révision sélective qui préserve le sens est différente.

Ce à quoi réagit réellement un détecteur

Les détecteurs ne tiennent pas une liste de « mots d'IA ». Ils évaluent la prévisibilité du texte pour un modèle de langage, la régularité de cette prévisibilité d'une phrase à l'autre et, pour les classifieurs entraînés, de nombreuses régularités plus subtiles apprises à partir d'exemples. Nous présentons ces méthodes dans comment fonctionnent les détecteurs d'IA, mais trois signaux comptent surtout ici.

• La prévisibilité. Chaque token suivant ressemble-t-il à ce qu'un modèle aurait choisi ? Remplacer un adjectif par un quasi-synonyme laisse généralement le token à peu près aussi probable qu'avant.
• La structure. Phrase d'idée principale, proposition d'appui, synthèse en "This suggests that". Les paragraphes calqués sur un modèle conservent leur squelette après des retouches au niveau du mot.
• Le rythme. Des longueurs de phrase et des schémas de propositions qui restent uniformes dans un paragraphe. Un reformulateur scinde ou fusionne rarement des phrases.

Un reformulateur agit donc sur la seule couche à laquelle les détecteurs accordent le moins de poids, et laisse intactes celles qui pèsent le plus.

Pourquoi le remplacement par synonymes se retourne contre vous

Les reformulateurs classiques choisissent leurs remplacements dans un dictionnaire de synonymes ou un petit modèle, avec peu de sens du contexte. Dans un texte académique, cela crée deux problèmes à la fois.

D'abord, cela peut accroître la suspicion au lieu de la réduire. Des choix de mots étranges dans une phrase par ailleurs stéréotypée constituent eux-mêmes un schéma, et les classifieurs entraînés peuvent l'apprendre. C'est ainsi qu'un outil comme Turnitin peut seulement proposer une catégorie « paraphrasé ».

Ensuite, cela casse la terminologie. Les disciplines de recherche reposent sur des termes fixes : "confidence interval", "random forest", "informed consent", "grounded theory". Un dictionnaire de synonymes ignore qu'ils sont figés. Cabanac, Labbé et Magazinov ont documenté ces dégâts dans des articles publiés et les ont baptisés « expressions torturées » (tortured phrases), avec pour exemple "counterfeit consciousness" à la place de "artificial intelligence" (Cabanac et al., 2021). Ils ont constaté que ces expressions se concentraient dans les résumés d'une revue établie, ce qui montre à quel point de telles substitutions sautent aux yeux d'un lecteur expert.

Avant

We fitted a random forest model and report the mean absolute error on the held-out test set.

Après

We fitted a haphazard woodland model and report the average total blunder on the kept-back test set.

La structure de la phrase est identique. Le rythme est identique. Seuls les termes ont changé, et chaque changement est faux. Un relecteur arrêterait sa lecture ici.

Quand une paraphrase plus poussée fait bouger les scores

Des paraphraseurs plus puissants existent, et la recherche montre qu'ils peuvent faire nettement baisser les taux de détection. Krishna et ses collègues ont entraîné DIPPER, un paraphraseur capable de réordonner le contenu et de varier la formulation avec une intensité réglable. Paraphraser avec lui a fait chuter le taux de détection de DetectGPT de 70,3 % à 4,6 % pour un taux de faux positifs de 1 %, et il a aussi pénalisé les détecteurs à filigrane et les détecteurs commerciaux (Krishna et al., NeurIPS 2023). Sadasivan et al. sont allés plus loin avec la paraphrase récursive, qui applique un paraphraseur plusieurs fois de suite (Sadasivan et al., TMLR).

• Sortie d'origine du modèle70,3 %
• Après paraphrase DIPPER4,6 %

Source : Krishna et al., "Paraphrasing evades detectors of AI-generated text, but retrieval is an effective defense", NeurIPS 2023

Deux détails de cette littérature comptent pour les auteurs académiques. Les paraphraseurs efficaces changeaient la structure et l'ordre, pas seulement le vocabulaire, ce qui confirme le point précédent. Et il s'agissait de modèles de recherche évalués sur des textes généraux, où la paraphrase devait seulement rester proche du sens. Un article de revue a des contraintes plus strictes : une nuance, une unité ou une citation déplacée d'une proposition peut changer ce qu'affirme l'article. Les détecteurs s'adaptent aussi. Krishna et al. ont proposé une défense par recherche documentaire dans le même article, et le benchmark RAID montre des résultats de détecteurs qui varient fortement selon les attaques et les réglages (Dugan et al., ACL 2024). Pour aller plus loin, consultez notre article sur l'article DIPPER.

Turnitin détecte-t-il la paraphrase de QuillBot ?

Pour un texte généré par IA, Turnitin répond oui. Son guide du rapport d'écriture IA décrit un surlignage distinct pour les textes probablement générés par IA puis modifiés par un paraphraseur IA ou un outil de reformulation, en citant QuillBot comme exemple. Depuis août 2025, Turnitin cherche aussi les textes passés dans des outils de contournement de l'IA. Ces deux vérifications ne portent que sur les textes en anglais.

Il n'en a pas toujours été ainsi. Dans le test mené en 2023 par Weber-Wulff et ses collègues, un texte ChatGPT passé une fois dans QuillBot avec les réglages par défaut n'était correctement classé que 26 % du temps en moyenne sur 14 outils, dont Turnitin. La catégorie paraphrase de Turnitin est arrivée plus tard, avec une mise à jour de juillet 2024.

Deux limites sont à connaître :

• Turnitin décrit cette catégorie pour des textes d'abord générés par IA. Il ne publie aucun chiffre pour des textes humains passés dans un paraphraseur.
• Un surlignage est une prédiction. Turnitin indique que son score IA ne doit pas être la seule base d'une mesure contre un étudiant.

Les humaniseurs posent la même question sous une autre forme ; voir Turnitin peut-il détecter un texte humanisé ?

Le vrai coût : la dérive du sens

La paraphrase d'un document entier traite chaque phrase comme une cible. Cela inclut les phrases que vous avez écrites vous-même, celles qu'aucun détecteur n'a signalées et celles qui portent des affirmations exactes. Plus un outil réécrit de texte, plus il a d'occasions de :

• transformer "may be associated with" en "causes" (dérive des nuances),
• éloigner une citation de l'affirmation qu'elle étaye,
• arrondir 0.047 en "about 0.05" ou supprimer une unité,
• remplacer un terme défini par un mot courant plus flou.

Chacune de ces erreurs passe facilement inaperçue à la lecture rapide et coûte cher lors de l'évaluation par les pairs. Weber-Wulff et ses collègues, en testant 14 outils de détection, ont constaté que le maquillage du contenu, y compris les retouches manuelles et la paraphrase automatique, dégradait nettement les performances des outils (Weber-Wulff et al., 2023). Ce résultat est souvent cité comme une raison de paraphraser. Lisez-le dans l'autre sens : si la détection est à ce point instable, la seule chose que vous maîtrisez avec certitude, c'est que votre article dise toujours ce que vous vouliez dire. Nous traitons le volet relecture dans préserver le sens et les citations lors de l'humanisation.

Ce que fait différemment une réécriture sélective qui préserve le sens

Une meilleure approche part de la vision que le détecteur a du brouillon plutôt que du texte entier. Au lieu de tout réécrire, elle cherche quelles phrases semblent réellement mécaniques, et ne travaille que sur celles-ci.

1. AnalyserNoter chaque phrase et repérer celles que signalent les détecteurs.
2. VerrouillerMarquer comme fixes les chiffres, unités, citations, nuances et termes du domaine.
3. Ne réécrire que les phrases signaléesChanger la structure et le rythme là où c'est nécessaire, en conservant l'affirmation et sa force.
4. RevérifierNoter la nouvelle version selon la même mesure que l'original.
5. Relecture par l'auteurLire chaque modification à côté de l'original avant de l'accepter.

Cette approche diffère d'un reformulateur de trois façons. Elle agit sur les couches auxquelles réagissent les détecteurs (structure et rythme) et pas seulement sur le vocabulaire. Elle laisse intactes les phrases qui se lisent comme humaines, ce qui préserve votre voix et limite la zone où des erreurs peuvent s'introduire. Et elle mesure avant et après, pour que vous voyiez si la modification a aidé au lieu de le deviner.

Cela reste de la révision, pas de la magie. Certaines phrases demanderont un second passage, et l'auteur reste responsable de chaque mot. Si votre cours ou votre revue a des règles sur l'aide de l'IA, respectez-les ; notre guide les questions à se poser avant d'utiliser l'IA pour un devoir est un bon point de départ, et humanizer IA, paraphraseur ou correcteur grammatical compare ces types d'outils côte à côte.

L'approche d'Academic Humanizer

Academic Humanizer suit le modèle sélectif. Le Humanizer analyse votre brouillon pour repérer les phrases signalées par les détecteurs d'IA, ne réécrit que celles-ci et vous rend toutes les autres exactement telles que vous les avez écrites, en conservant argument, chiffres, citations et terminologie du domaine. Si rien n'est signalé, le texte rendu est identique au texte saisi et aucun crédit n'est débité. Le rapport de détection IA associe chaque phrase signalée à sa réécriture et compare les deux versions selon la part de phrases lues comme humaines, avec des vérifications auprès de détecteurs comme Turnitin, GPTZero, Copyleaks et Originality.ai. C'est toujours vous qui lisez et approuvez le texte final.