Un écrivain accusé d'avoir utilisé l'IA : ce que peut vraiment dire un détecteur comme Pangram

Le 21 septembre, l'écrivain canado-haïtien Thélyson Orélien recevait le prix du roman Fnac 2026 pour C'était ça ou mourir (Grasset). Le jour même, un compte X baptisé Balance ton Claude l'accusait d'avoir rédigé son livre « presque intégralement » avec l'IA, en s'appuyant sur les résultats du logiciel Pangram.

L'auteur dément. Il affirme constituer, avec son éditeur, un dossier de preuves (brouillons, notes) pour démontrer qu'il est bien l'auteur du texte.

« J'ai toujours aimé la création et l'écriture, je ne vois pas pourquoi je ferais appel à une machine. » — Thélyson Orélien, à Libération

Le président de l'Académie Goncourt, Philippe Claudel, a appelé à la prudence, rappelant n'avoir « à aucun moment » soupçonné une écriture assistée par IA à la lecture du roman.

On ne va pas trancher ici cette question, seuls l'auteur et son éditeur ont les éléments pour ça. Ce qui mérite en revanche d'être expliqué, c'est comment fonctionne réellement l'outil à l'origine de cette accusation, tant certaines affirmations qui circulent depuis sont trompeuses.

Comment fonctionne réellement Pangram

Contrairement aux tout premiers détecteurs d'IA, largement discrédités, Pangram n'essaie pas de deviner ce qu'un modèle de langage aurait statistiquement le plus de chances d'écrire mot après mot (une méthode appelée analyse de perplexité, aujourd'hui abandonnée pour son manque de fiabilité).

Pangram aborde le problème autrement, sous l'angle de l'attribution d'auteur : chaque modèle d'IA a des habitudes d'écriture reconnaissables, des tournures qui reviennent, des choix systématiques, un peu comme un style personnel.

L'entreprise entraîne un classifieur à reconnaître ces habitudes sur d'énormes quantités de textes humains et générés par IA. Pour limiter les erreurs, elle génère aussi des « miroirs synthétiques » de textes humains difficiles à classer, des versions IA de ces mêmes textes, et réentraîne son modèle dessus pour affiner sa capacité à distinguer les deux.

Sur cette base, Pangram revendique un taux de faux positifs très bas, de l'ordre de 0,004 % selon ses propres tests. Ce chiffre vient de l'entreprise elle-même, pas d'un audit indépendant.

Ce que ces outils ne peuvent pas garantir

Pangram reconnaît lui-même certaines limites : l'outil est peu fiable sur les textes de moins de 100 mots, et un même texte peut donner des résultats différents selon la façon dont il est soumis.

Un précédent éclaire bien le risque : cet été, Pangram avait classé à 100 % IA une nouvelle primée au prix Commonwealth 2026, Le Serpent dans le bosquet, à cause d'un style jugé trop lisse et de métaphores abondantes. Son auteur a finalement été blanchi après avoir présenté ses brouillons et ses plans de travail.

Un mot aussi sur le calcul devenu viral autour de cette affaire : le compte à l'origine de l'accusation a élevé le taux de faux positifs de Pangram à la puissance 20 (le nombre de passages testés), pour obtenir une probabilité d'erreur quasi nulle.

Ce raisonnement suppose que chaque test est totalement indépendant des autres. Or, il s'agit du même livre, du même auteur, du même style : si l'outil se trompe sur un style d'écriture particulier, comme cela s'est produit pour la nouvelle primée au Commonwealth, il a de bonnes chances de se tromper de la même façon sur l'ensemble du texte. La probabilité annoncée n'a donc pas la valeur qu'on lui a prêtée.

La vraie différence : la preuve cryptographique, réservée aux éditeurs d'IA

Il existe une méthode nettement plus fiable pour savoir si un texte a été généré par une IA : le filigrane, qu'on vous présentait à l'occasion de son déploiement chez Claude. Contrairement à un outil comme Pangram, qui devine à partir du style, le filigrane s'appuie sur une clé cryptographique intégrée au texte au moment même de sa génération. Ce n'est pas une estimation statistique, c'est une vérification directe.

Mais cette méthode a ses propres limites, qu'on vous détaillait déjà : elle ne fonctionne que sur les textes générés après sa mise en place, uniquement par le modèle qui l'a produit, elle ne prouve pas une implication à 100 % en cas de réécriture poussée, et surtout, elle n'est accessible qu'aux entreprises qui détiennent la clé, Anthropic, OpenAI, Google, pas au grand public, ni même à un éditeur qui voudrait vérifier un manuscrit reçu par e-mail des années plus tôt.

Autrement dit, un outil grand public comme Pangram peut donner une indication utile, mais reste, par construction, une estimation probabiliste. Le seul outil capable d'apporter une preuve technique quasi certaine n'est tout simplement pas conçu pour ce genre de vérification a posteriori, et n'est pas entre les mains du public.

---