Pangram détecte les romans susceptibles d’avoir été écrits par une intelligence artificielle en analysant les habitudes de langage, mais son verdict ne constitue pas, à lui seul, une preuve. Le logiciel américain se retrouve au centre d’une polémique littéraire autour de C’était ça ou mourir, le roman de Thélyson Orélien, accusé sur les réseaux sociaux d’avoir été produit avec une IA. L’affaire attire l’attention parce que l’outil revendique une grande précision et que le livre a déjà reçu plusieurs prix.
Pour comprendre ce que révèle réellement cette analyse de texte, nous devons distinguer les performances annoncées, les essais indépendants et les limites de la détection. Un résultat peut guider une enquête éditoriale, sans remplacer la traçabilité des manuscrits ni établir les conditions dans lesquelles un livre a été écrit. Voici les repères utiles pour lire cette controverse sans confondre indice technique et preuve.
A voir aussi : France Libre : un porte-avions imaginé pour relever les défis de demain
- Ce que fait Pangram : il classe des extraits selon leur probabilité d’avoir été écrits par un humain, aidés par une IA ou générés par une machine.
- Ce qui nourrit la controverse : un roman primé est mis en cause à partir d’un rapport diffusé en ligne.
- La limite à garder en tête : même un score élevé ne révèle pas, à lui seul, qui a écrit le texte ni comment celui-ci a été produit.
Pangram et les romans attribués à l’intelligence artificielle
Depuis le 23 septembre, un compte anonyme sur X, « Balance ton Claude », affirme que C’était ça ou mourir, de Thélyson Orélien, aurait été écrit avec l’intelligence artificielle. Le roman, vendu à plus de 35 000 exemplaires selon les informations disponibles, a reçu le prix du roman Fnac, le prix Méduse et le prix Première Plume. Il figure aussi dans plusieurs sélections littéraires et est présenté comme un prétendant au prix Renaudot.
Le compte a appuyé son accusation sur une analyse de Pangram. Le cas prend ainsi une ampleur particulière : l’outil ne juge pas seulement un texte anonyme, il intervient dans le débat autour d’un auteur vivant, d’un livre salué par la critique et de distinctions littéraires. Orélien nie avoir utilisé une IA et son éditeur, Grasset, le soutient pour l’instant.
A lire également : Éléonore Crespo : l'étoile montante qui révolutionne la tech française
Pour une éditrice fictive, Claire, un résultat Pangram pourrait justifier de poser des questions sur les brouillons et les versions successives d’un manuscrit. Il ne suffirait pas à accuser un auteur : il faudrait aussi examiner les documents de travail, les dates et les témoignages. Le score lance une vérification, il ne la termine pas.
Comment Pangram analyse les contenus générés par l’IA
Lancé aux États-Unis en 2024 et proposé par abonnement, Pangram est un réseau de neurones entraîné à comparer des textes humains avec des contenus générés par l’IA. Ses concepteurs indiquent que l’outil prend en charge une vingtaine de grandes langues en plus de l’anglais, dont le français. Il vise ainsi aussi bien les romans que les articles et d’autres formes d’écriture.
L’entreprise revendique un taux de réussite supérieur à 99 % et affirme qu’un échantillon sur 24 000 serait mal classé. Ce chiffre est une donnée communiquée par le fabricant : il dépend des textes testés, de leur longueur et des conditions d’évaluation. Des comparaisons de chercheurs placent Pangram devant plusieurs outils concurrents, mais cette performance ne signifie pas qu’il soit infaillible dans chaque situation réelle.
Les évaluations rapportées indiquent aussi que des textes écrits par Claude en imitant le style d’auteurs célèbres ont été identifiés comme artificiels. Les logiciels d’« humanisation », qui reformulent des phrases, et l’ajout volontaire de coquilles n’auraient pas suffi à le tromper dans les essais décrits. Imiter une voix littéraire ou modifier la surface du texte ne garantit donc pas de contourner la détection.
| Élément examiné | Ce que les données indiquent | Ce qu’il faut en déduire |
|---|---|---|
| Performance annoncée | Plus de 99 % de réussite, selon Pangram | Une revendication à distinguer d’une garantie universelle |
| Langues prises en charge | Le français fait partie des langues annoncées | Un roman francophone peut être analysé, sans que chaque particularité linguistique soit automatiquement comprise |
| Textes pastichés | Des imitations produites par Claude ont été signalées comme artificielles lors des essais cités | Le pastiche ne constitue pas une parade fiable |
| Extraits très courts | Les résultats sont peu fiables sous 50 mots | Un passage bref ne permet pas une conclusion solide |
Ces chiffres éclairent les capacités du logiciel, mais ils ne disent pas encore si l’écriture d’un auteur particulier a été mal interprétée. Pour cela, les enquêteurs se sont penchés sur des textes antérieurs d’Orélien.
Le test d’un article de Thélyson Orélien publié en 2015
L’auteur affirme avoir terminé un premier jet de son roman en 2019, soit trois ans avant le lancement de ChatGPT à la fin de 2022. Il avance aussi que sa tradition littéraire haïtienne et caribéenne, marquée par les images, les répétitions et un rythme proche de l’oral, aurait pu induire le détecteur en erreur.
Pour mettre cette explication à l’épreuve, un article d’Orélien publié en 2015 a été soumis à Pangram. L’outil l’a classé comme un texte humain. Ce résultat constitue un élément de comparaison intéressant : il montre que le logiciel n’a pas automatiquement attribué une origine artificielle à cet écrit ancien du même auteur.
La portée de l’essai reste limitée à un seul document. Un article et un roman diffèrent par leur genre, leur longueur et leur travail de réécriture ; cette comparaison ne permet donc pas de trancher l’affaire. Le test affaiblit une explication possible, sans prouver l’origine du roman.
Un biais linguistique à examiner avec prudence
D’autres détecteurs ont déjà eu tendance à mal classer des textes rédigés par des personnes dont l’anglais n’est pas la langue maternelle. Les évaluations de Pangram indiquent que ses concepteurs ont travaillé à réduire ce biais, mais une amélioration générale ne garantit pas l’absence d’erreur pour chaque langue ou chaque registre.
Dans le cas d’un texte francophone nourri de traditions orales et régionales, la question mérite donc un examen propre au passage étudié. Claire, notre éditrice fictive, comparerait plusieurs pages, le manuscrit original et ses versions datées avant de tirer une conclusion. La diversité des voix littéraires impose de vérifier les résultats dans leur contexte.
La quatrième version de Pangram et les limites du contournement
Pangram a connu plusieurs mises à jour depuis son lancement. Selon les chercheurs cités dans les informations disponibles, sa quatrième version représente un progrès marqué par rapport aux précédentes, comparable au saut observé entre deux générations de modèles de langage. Une évaluation doit donc préciser la version utilisée : un ancien résultat ne décrit pas nécessairement les capacités de l’outil actuel.
Les essais rapportés suggèrent que les méthodes accessibles aux utilisateurs ordinaires — insérer des fautes ou demander à un logiciel de « rendre le texte plus humain » — ne suffisent pas toujours à masquer une écriture automatisée. Une technique plus avancée, l’ajustement fin d’un modèle sur l’œuvre complète d’un auteur, pourrait rendre la détection plus difficile. Elle exige du temps, des compétences techniques et des ressources qui dépassent la simple rédaction d’une consigne dans un assistant conversationnel.
Les auteurs qui demandent à un chatbot de produire un chapitre après l’autre ne disposent pas nécessairement de ce type de modèle adapté. Cette différence entre une méthode de laboratoire et des usages courants aide à comprendre pourquoi un détecteur peut réussir certains tests sans être invulnérable. La robustesse dépend à la fois de la version, du texte et de la méthode de génération.
La sophistication de l’outil ne supprime pas le rôle du jugement humain : elle rend surtout nécessaire une procédure de vérification mieux documentée.
Les jurys littéraires face à l’écriture automatisée
Les critiques et les jurys ont pu louer un texte sans envisager qu’il ait été produit par une machine, notamment parce qu’ils ne sont pas forcément habitués à lire des exemples de prose générée. Les spécialistes de ces systèmes, eux, ne siègent pas nécessairement dans les jurys littéraires. Cette distance peut compliquer le repérage de certains procédés, sans transformer une impression stylistique en preuve.
Les textes générés par IA peuvent présenter des signes récurrents : oppositions formulées en parallèle, métaphores qui se contredisent, clichés ou accumulation d’effets. Ces traits ne sont pas propres aux machines ; un auteur humain peut les employer, les détourner ou les corriger. Leur valeur dépend donc de leur fréquence, de leur cohérence et de leur présence dans l’ensemble du livre.
Pour les jurys, une méthode raisonnable consiste à considérer ces marques comme des pistes de lecture et à demander des éléments de traçabilité si une question sérieuse se pose. Les brouillons, les échanges éditoriaux et les étapes de révision peuvent éclairer la genèse d’une œuvre, sans garantir à eux seuls une réponse complète. Lire les indices stylistiques demande une expertise, et établir l’origine d’un texte demande des éléments vérifiables.
Pangram : croissance rapide, faux positifs et absence de preuve
La base d’utilisateurs de Pangram serait passée de 7 000 personnes en août 2025 à 222 000 en août 2026. Aux États-Unis, des livres et des articles signalés par le service ont déjà déclenché des débats. En juillet 2026, Substack a intégré une analyse Pangram à son application afin de limiter la diffusion de textes générés à grande échelle.
Cette adoption confère au logiciel un rôle d’arbitre de fait : ses résultats peuvent peser sur la réputation d’un texte avant qu’un examen contradictoire ait lieu. Sur les réseaux sociaux, des captures d’écran sont aussi présentées comme des exemples de faux positifs, c’est-à-dire de textes humains classés à tort comme artificiels. Pangram a proposé une récompense de 100 dollars à la personne qui fournirait le texte complet d’un document rédigé en 2020, accompagné d’éléments permettant d’en établir la date.
La longueur de l’extrait compte. Sous 50 mots, le résultat est présenté comme peu fiable ; sa précision tend à augmenter avec la quantité de texte, et l’outil serait plus adapté à l’écriture créative qu’à des contenus utilitaires comme une recette. Un roman analysé dans son intégralité offre donc davantage de matière qu’une phrase isolée, sans faire disparaître le risque d’erreur.
- Pour un extrait court : évitez de tirer une conclusion à partir de quelques lignes, surtout sous le seuil de 50 mots.
- Pour un manuscrit complet : demandez que l’analyse porte sur plusieurs passages et que la version de Pangram utilisée soit précisée.
- Pour une accusation publique : recherchez des preuves indépendantes, comme des brouillons datés ou un historique de révision, et laissez l’auteur répondre.
Un résultat positif répété sur plusieurs chapitres pèse davantage qu’une capture isolée, mais ne démontre pas à lui seul qui a écrit le roman ni quel outil a été utilisé. Sans aveu ni trace vérifiable, le verdict demeure un soupçon, même si celui-ci est techniquement étayé. La détection peut orienter l’enquête ; la preuve repose sur un faisceau d’éléments et une procédure équitable.
