Pangram : ce que vaut le détecteur d’IA, ses erreurs et le roman primé signalé à 99 %

Pangram est un détecteur de texte généré par IA, édité par la société Pangram Labs, dont la version 4.1 date du 19 octobre 2026. L’éditeur annonce 0,009 % de faux positifs en anglais. Son verdict reste une estimation statistique : un roman primé vient d’être signalé à 99 %, et sa maison d’édition a maintenu le prix.

(Le mot désigne aussi, en anglais, le pangramme, cette phrase qui contient toutes les lettres de l’alphabet) Nous n’avons pas essayé l’outil. Ce qui suit vient de sa documentation, lue le 18 novembre 2026, de travaux universitaires et d’articles de presse cités comme tels.

Comment fonctionne Pangram, détecteur de texte IA

Manuscrit imprimé et annoté au crayon, posé près d’un ordinateur portable sur un bureau
Un manuscrit, un écran : le soupçon se règle de plus en plus souvent par logiciel. Illustration générée par IA.

D’après la page de méthode de l’éditeur, Pangram est un réseau de neurones de type classificateur. Il lit un passage et estime, à partir de motifs appris, s’il sort d’un modèle de langage. L’entreprise décrit une sorte de carte où les auteurs au style voisin se retrouvent proches : textes humains d’un côté, textes générés de l’autre. Aucun trait isolé ne décide du résultat. Le tiret long qu’affectionne ChatGPT ? Un signal parmi des centaines de milliers, écrit-elle.

La méthode s’écarte de celle des premiers détecteurs, fondés sur la perplexité : ils demandaient à un modèle si chaque mot était prévisible. On connaît la suite. La Déclaration d’indépendance américaine ou la Bible sortaient « 100 % IA », parce que les modèles les ont lues des milliers de fois.

L’entraînement part d’environ un million de documents, humains et générés. Le modèle fouille ensuite de grands corpus à la recherche de ses propres faux positifs, qu’on lui redonne à apprendre, cycle après cycle.

À l’arrivée, le texte est découpé en segments, et chacun reçoit l’une des trois étiquettes : humain, assisté par l’IA, généré par l’IA. La version 4.1 y ajoute la probabilité de chaque étiquette. Il faut au moins 50 mots, et l’interface en accepte 18 725 par analyse. Vingt-quatre langues sont officiellement prises en charge, dont le français. Les images et les vidéos relèvent d’un autre modèle, décrit dans notre comparatif des détecteurs d’images générées.

Vidéo en anglais (Pangram Labs, 27 mars 2025, 2 min 46) : l’éditeur présente le fonctionnement de sa détection de textes générés par IA. Elle précède la version 4.1. La vidéo ne se charge qu’au clic.

Tarifs : gratuit jusqu’à 2 000 mots par jour

Le compte gratuit donne 20 crédits par jour, soit 2 000 mots, sans moyen de paiement. La formule Individual coûte 20 dollars par mois pour 300 000 mots, la formule Professional 65 dollars. Par l’API, comptez 0,05 dollar les 100 mots. La grille tarifaire, même en français, n’affiche que des dollars.

Pangram fiabilité : ce que disent les taux d’erreur publiés

Deux erreurs sont possibles, et elles n’ont pas le même coût. Le faux positif attribue à une machine un texte écrit par une personne. Le faux négatif laisse passer un texte généré. La fiche du modèle 4.1 donne les deux, mesurés par l’éditeur sur ses propres jeux d’essai.

Jeu d’évaluationTextesErreursTaux
Faux positifs, anglais781 981700,0090 %
Faux positifs, 104 langues1 000 000330,0033 %
Faux négatifs, anglais (26 modèles)520 0001 8990,3652 %
Faux négatifs, 18 langues190 1493 7931,99 %

En français, la fiche indique 0,0052 % de faux positifs ; en espagnol, 0,0026 %. Soixante-dix erreurs sur 781 981 textes anglais, cela fait à peu près un texte humain sur 11 000 accusé à tort. C’est très peu. Mais Pangram est réglé dans ce sens : il manque environ quarante fois plus de textes générés qu’il n’accuse d’innocents, et hors de l’anglais près d’un texte généré sur cinquante lui échappe.

Ces chiffres ont une limite évidente : l’éditeur note sa propre copie, sur des textes du web antérieurs à ChatGPT qu’il a nettoyés lui-même. Des contrôles extérieurs existent. Le 26 mai 2026, l’Authors Guild, principale organisation d’auteurs aux États-Unis, a soumis dix de ses articles antérieurs à 2023 à cinq détecteurs. Pangram a rendu 0 % sur les dix, quand un concurrent les classait tous comme majoritairement générés. Dix textes, c’est mince, et le test de l’Authors Guild ne mesure que les fausses accusations.

El País ajoute une réserve : sur un fragment court, changer un mot suffit parfois à retourner le verdict. La fiche 4.1 chiffre ce défaut. Sur 29 103 paires de textes à peine retouchés, le verdict basculait dans 1,08 % des cas avec la version 4, contre 0,15 % désormais.

Ce que mesure vraiment le pourcentage affiché

Le malentendu le plus répandu tient au chiffre lui-même. Un résultat de 99 % ne veut pas dire que le logiciel est sûr à 99 %. D’après l’aide en ligne de Pangram, le pourcentage est la part du texte, comptée en caractères, que le modèle a étiquetée comme générée. La confiance se lit ailleurs : chaque segment porte sa propre mention, haute, moyenne ou basse, dans l’onglet des détails. Un gros pourcentage fait de segments peu sûrs pèse moins que le même pourcentage bien assuré.

Schéma : comment lire un score Pangram, part du texte signalée et taux d’erreur publiés
Le pourcentage donne une part du texte ; les taux d’erreur sont ceux de la fiche du modèle 4.1.

L’étiquette « assisté par l’IA » va de la correction d’orthographe ou de la traduction (assistance légère) aux passages réécrits ou ajoutés (assistance modérée). Où passe la limite ? L’entreprise admet que la tracer relève « plus de l’art que de la science ». Et le logiciel ignore tout du rôle de la personne. Il ne sépare pas le texte commandé en une ligne du brouillon personnel qu’un assistant a remis en phrases, relevait El País.

La fiche liste aussi les textes hors périmètre, sur lesquels le résultat est moins fiable : code, sommaires et bibliographies, écrits à gabarit, recettes, modes d’emploi. Les traductions automatiques en font partie, ce qui concerne quiconque fait d’abord passer sa prose par un traducteur. Sous 150 mots, l’interface affiche elle-même une certitude réduite.

« Donde el agua trabaja » : le roman primé signalé à 99 %

Le 29 juillet 2026, le Péruvien David Silva Rojas remporte le premier Prix international de roman bref Almadía-Ventosa Arrufat, doté de 20 000 euros, parmi 2 204 manuscrits. Le règlement excluait toute œuvre écrite « partiellement ou totalement » à l’aide d’une IA. Le 23 octobre, El País publie son enquête : passé en entier dans Pangram 4.1, le livre, environ 26 000 mots, ressort généré à 99 %.

Le journal ne s’arrête pas au roman. Les réponses de l’auteur dans un entretien donné à la revue Ulrica sortent à 97 %, alors que les questions de la journaliste sont classées humaines. Un texte de 924 mots où il raconte la naissance du livre : 80 %. L’auteur dit avoir cherché un style inspiré du haïku, aux phrases très brèves. Rien ne prouve que ce style trompe Pangram, écrit El País, mais on ne peut pas l’exclure. Almadía suspend le jour même la tournée espagnole et annonce un examen.

Le 6 novembre, la maison mexicaine maintient le prix. Son communiqué, cosigné par Ventosa Arrufat et les trois jurées (Cristina Rivera Garza, Selva Almada, Mónica Ojeda), dit s’être appuyé sur « des critères humains » : les documents fournis par l’auteur sur l’écriture du roman, et des échanges avec des technologues, des avocats et des experts en linguistique. Pour Almadía, le résultat d’un outil de détection ne démontre pas à lui seul comment une œuvre a été écrite. Quels documents ont convaincu ? Le communiqué se tait là-dessus, relève l’essayiste péruvienne Brunella Tipismana Urbano dans The Point Magazine, le 17 novembre.

Son essai, repris le lendemain par The Decoder, défend Pangram contre ceux qui le disent inopérant, tout en lui concédant deux faiblesses : les textes courts, et la facilité à le contourner avec un peu d’effort. Chaque camp tient donc un morceau de vérité. Le score est un indice sérieux, et personne, hors de la maison d’édition, n’a vu les brouillons.

Goncourt, Gallimard : ce qui est établi en France

La France a eu son affaire avant le Pérou. Le 25 septembre 2026, l’Académie Goncourt a retiré de sa première sélection « C’était ça ou mourir », de Thélyson Orélien (Grasset). Son communiqué, cité par Livres Hebdo, invoque des plagiats antérieurs et les « résultats convergents de plusieurs analyses de chercheurs et journalistes », selon lesquels le livre serait « très largement le produit d’une Intelligence Artificielle ». L’auteur conteste. Le communiqué ne nomme aucun logiciel.

Reste Gallimard. La télévision publique suédoise SVT écrivait le 28 octobre que la maison ferait contrôler par IA tous les manuscrits reçus à partir de 2027, et l’essai de The Point précise que ce serait avec Pangram. Nous n’avons trouvé aucune confirmation, ni chez Gallimard ni chez Pangram Labs, dont la page consacrée à l’édition ne cite aucune maison de livres. L’information est donc à prendre au conditionnel. (Sur ce que l’IA change à la fiction, voyez notre article sur l’idée d’écrire un roman avec l’aide d’un modèle.)

L’Authors Guild, elle, a déjà fixé sa ligne pour les éditeurs : ne jamais s’en remettre à un détecteur IA seul, publier la méthode employée, laisser à l’auteur une occasion réelle de se défendre. Rompre un contrat sur la seule foi d’un score serait, selon elle, une faute contractuelle.

Au MIT, un détecteur IA qui continue d’apprendre après sa sortie

Le 18 novembre 2026, MIT News a présenté le travail de Kevin Ren et Nikhil Garg (Cornell Tech) avec Manish Raghavan (MIT). Leur constat : un détecteur est entraîné une fois, puis le monde bouge. De nouveaux modèles sortent, les gens écrivent autrement, et des « humaniseurs » maquillent les textes générés.

Leur réponse s’appelle l’adaptation au moment du test : le modèle déployé continue d’apprendre sur les textes qu’on lui soumet, sans étiquettes. Dans leur article, Pangram ne repère que 27 % des textes maquillés par les chercheurs, contre 93,3 % pour leur méthode. L’étude a utilisé des crédits d’API offerts par Pangram Labs, précise MIT News.

Ce 27 % ne contredit pas la fiche du modèle : elle mesure des textes générés ordinaires, les chercheurs ont fabriqué des textes faits pour tromper. Mais il donne l’écart entre un banc d’essai et un adversaire motivé. Sur le versant opposé, notre article sur le fait d’humaniser un texte produit par une IA décrit ce que les détecteurs en perçoivent encore.

Ce que le droit européen dit d’un verdict automatique

Aucun texte européen n’interdit à un éditeur ou à une école de passer un écrit dans un détecteur IA. Le RGPD encadre en revanche ce qu’on fait du résultat. Son article 22 donne à chacun le droit de ne pas faire l’objet d’une décision fondée exclusivement sur un traitement automatisé qui produit des effets juridiques ou l’affecte de manière significative. Quand une telle décision est admise par exception, la personne garde le droit d’obtenir une intervention humaine, d’exprimer son point de vue et de contester. Un refus de manuscrit ou une sanction prononcés sur un simple score entrent dans cette zone.

Les données comptent aussi. Pangram indique stocker tous les textes aux États-Unis, encadrer les transferts par des clauses contractuelles types et ne jamais entraîner ses modèles sur les textes soumis. Un manuscrit inédit ou une copie d’élève restent des documents sensibles : la prudence que nous conseillons pour protéger ses données dans les outils d’IA vaut ici.

L’AI Act prend le problème par l’autre bout. Depuis le 2 août 2026, son article 50 impose aux fournisseurs de systèmes génératifs de marquer leurs sorties, texte compris, « dans un format lisible par machine ». Nous avons détaillé ces règles à propos des photos retouchées par IA.

Texte humain signalé par Pangram : les démarches utiles

Pangram le répète dans ses guides : une détection ouvre une discussion, elle ne suffit jamais à sanctionner. Si votre texte est signalé à tort, voici ce qui pèse.

  1. Demandez le rapport complet : version du modèle, segments signalés, niveau de confiance de chacun.
  2. Rassemblez les traces de l’écriture : notes, plans, brouillons datés, historique des versions du traitement de texte. C’est ce qu’El País a demandé à Almadía, et ce que les guides de Pangram conseillent aux enseignants d’examiner.
  3. Vérifiez que le texte entre dans le périmètre : longueur suffisante, pas de traduction automatique.
  4. Signalez l’erreur par le formulaire prévu pour les résultats contestés ; l’entreprise dit examiner chaque cas.
  5. Exigez qu’une personne reprenne le dossier et vous entende avant toute décision, en rappelant l’article 22 du RGPD.

Un conseil manque dans cette liste, et c’est voulu : réécrire son texte pour faire baisser le score. Cela ne prouve rien. Mieux vaut travailler d’emblée dans un logiciel qui garde l’historique, et dire sans détour quel rôle un assistant a joué. Nos repères pour écrire avec l’IA en gardant sa voix et pour rédiger avec ChatGPT partent du même principe.

Foire aux questions

Pangram détecteur IA : est-il gratuit ?

En partie. Le compte gratuit de Pangram donne 20 crédits par jour, de quoi analyser jusqu’à 2 000 mots, sans carte bancaire. Au-delà, comptez 20 ou 65 dollars par mois selon la formule, d’après la grille lue le 18 novembre 2026.

Pangram fonctionne-t-il en français ?

Oui, le français figure parmi les 24 langues officiellement prises en charge. La fiche du modèle 4.1 annonce 0,0052 % de faux positifs sur des textes français antérieurs à 2022. Elle ne donne pas de taux de faux négatifs propre au français : seulement 1,99 % en moyenne sur 18 langues.

Un détecteur de texte IA peut-il servir de preuve ?

Non, pas seul. Il estime une probabilité à partir du style. Pangram demande lui-même d’autres éléments avant toute sanction, l’Authors Guild déconseille de rompre un contrat sur cette base, et l’article 22 du RGPD ouvre un droit à l’intervention humaine quand une décision automatisée produit des effets significatifs.

Pourquoi un texte humain peut-il être signalé ?

Parce que le taux de faux positifs, très bas, n’est pas nul : environ un texte sur 11 000 en anglais selon Pangram. Le risque monte pour les textes courts, traduits automatiquement ou à gabarit, que la fiche du modèle classe hors périmètre ou signale comme moins sûrs.

Sources

Articles les plus consultés