ZeroGPT est-il fiable ?

Qu’est-ce que ZeroGPT ?

ZeroGPT (zerogpt.com) est un détecteur de texte IA. Vous collez un texte ou vous importez un fichier, et il renvoie un score de probabilité d’IA pour le document ainsi que les passages qu’il considère comme écrits par une IA. Le détecteur gratuit accepte jusqu’à 15 000 caractères par analyse et l’interface peut générer un rapport PDF du résultat. Sa boîte à outils plus large comprend un détecteur de plagiat, un paraphraseur et un humaniseur.

Sa propre documentation décrit le détecteur comme analysant des signaux linguistiques et statistiques appris sur du texte humain et du texte IA, notamment les motifs de tokens, la burstiness, l’entropie et les caractéristiques d’un classifieur d’ensemble. Ce qu’elle ne publie pas, ce sont les poids entraînés ni les seuils de décision, et c’est pourquoi le chiffre doit être lu comme l’estimation d’un modèle, et non comme une mesure de paternité.

ZeroGPT : détecteur IA (anglais)

ZeroGPT : questions fréquentes (anglais)

ZeroGPT est-il précis ?

Il n’existe pas de pourcentage de précision unique qui s’applique à tout type d’écrit. Les estimations publiées vont de très bonnes à médiocres, et les deux extrémités viennent d’études légitimes, parce que le score d’un détecteur dépend du corpus, du genre, du modèle qui a produit le texte IA, de la longueur de l’échantillon, de l’intensité de la réécriture, du seuil retenu par les chercheurs et de la définition retenue pour « texte généré par IA ».

La FAQ de ZeroGPT indique viser plus de 98 % de précision sur ses évaluations internes, et sa page d’accueil annonce 98,4 % de précision de détection avec un taux de faux positifs inférieur à 1 %. Ces chiffres viennent des tests de l’entreprise elle-même. Les équipes indépendantes qui ont relancé le même outil sur leurs propres corpus ont rapporté des valeurs très différentes, et ce sont ces mesures qu’il faut lire avant de traiter un score comme décisif.

La réponse honnête est donc une fourchette assortie de conditions : ZeroGPT a bien séparé l’écrit humain de l’écrit généré par ChatGPT dans une étude portant sur 1 000 textes, et a nettement moins bien performé sur un corpus de résumés scientifiques dans une autre. La section suivante présente les deux mesures côte à côte.

Ce que disent les recherches indépendantes sur ZeroGPT

La première étude, publiée dans Acta Neurochirurgica en 2025, a réuni 1 000 textes : 250 résumés et introductions rédigés par des humains dans quatre revues de neurochirurgie à fort impact et publiés avant ChatGPT, plus 750 versions du même contenu générées par ChatGPT 3.5, GPT-4 et GPT-4o. Avec ZeroGPT, le score moyen de probabilité d’IA était de 27,55 % pour les textes humains, 81,48 % pour GPT-3.5, 87,39 % pour GPT-4 et 94,35 % pour GPT-4o : une séparation nette entre le groupe humain et le groupe généré. Au seuil retenu par les chercheurs, ZeroGPT atteint 94,4 % de sensibilité et 93,2 % de spécificité : il repérait donc la plupart des textes IA et écartait correctement la plupart des textes humains.

Acta Neurochirurgica : précision et limites des détecteurs de textes IA (anglais)

Le même article mesure GPTZero à 100 % de sensibilité et 99,6 % de spécificité sur ce corpus, ce qui vaut la peine d’être signalé pour deux raisons : une étude classe les outils pour ses propres textes et non dans l’absolu, et un détecteur en tête d’un benchmark garde malgré tout des erreurs dans le tableau d’ensemble décrit par les auteurs.

La deuxième étude, publiée dans PeerJ Computer Science en 2025, a comparé des résumés scientifiques rédigés par des humains à des résumés générés par ChatGPT o1 et Gemini 2.0 Pro Experimental, puis examiné un second scénario où le texte d’origine avait été amélioré par ces modèles pour la lisibilité. Sur le premier corpus, ZeroGPT atteint 64,35 % de précision globale, avec 16,67 % de faux positifs et 45,14 % de faux négatifs. Le sujet de l’article est le compromis entre précision et biais : il indique que les erreurs ne se répartissent pas également, et qu’elles pèsent davantage sur les auteurs non anglophones et sur certaines disciplines.

PeerJ Computer Science : compromis précision / biais des détecteurs de textes IA (anglais)

Une troisième étude, publiée dans Advances in Simulation en 2025, a comparé ZeroGPT, PhraslyAI et le détecteur IA de Grammarly sur cinq conditions d’usage de l’IA, allant d’introductions humaines intactes à des textes largement assistés par IA, à partir de 30 articles publiés avant 2022. Les scores bougeaient avec la condition, et les outils ne concordaient pas entre eux sur le même matériau. Ce désaccord est la leçon pratique de cette section : le chiffre est une propriété d’un texte, d’un modèle et d’un seuil, pas de la paternité d’un écrit.

Advances in Simulation : identification des différentes formes de contenu généré par IA (anglais)

Aucun de ces articles n’a trouvé de détecteur juste à tous les coups, y compris parmi les outils les mieux classés sur leur propre corpus.

ZeroGPT peut-il signaler un texte humain comme écrit par une IA ?

Oui. Un faux positif, c’est un texte humain classé comme généré par une IA, et la recherche indépendante l’a documenté avec ZeroGPT. Dans une petite étude exploratoire publiée dans l’ASEAN Journal of Open and Distance Learning, dix copies authentiques rédigées par des étudiants philippins de premier cycle ont été soumises à ZeroGPT et à un second détecteur. Les dix étaient écrites par des étudiants, et les outils ont coupé l’ensemble en deux : cinq copies étiquetées comme générées par une IA et cinq comme humaines. Les auteurs parlent d’un risque d’erreur de classement et défendent le jugement humain plutôt qu’un résultat de détecteur comme preuve.

ASEAN Journal of Open and Distance Learning : faux positifs dans la détection IA (anglais)

Dix copies, c’est un petit échantillon : lisez cette étude comme une illustration du risque, pas comme une mesure du taux d’erreur de ZeroGPT. Le corpus de PeerJ est l’avertissement plus quantitatif, avec 16,67 % de faux positifs sur des résumés scientifiques et une précision qui varie selon la catégorie d’auteur. La FAQ de ZeroGPT reconnaît d’ailleurs le mécanisme : une écriture très soignée, stéréotypée ou de faible entropie peut ressembler à de l’IA, et elle conseille des détails concrets, des sources et un rythme de phrase varié pour réduire le risque. Or l’écrit formel, stéréotypé ou rédigé dans une langue seconde est précisément le terrain où un détecteur risque le plus de se tromper.

ZeroGPT peut-il manquer un texte généré par IA ?

Oui, dans l’autre sens. Un faux négatif, c’est un texte généré par IA classé comme humain, et la même étude PeerJ mesure 45,14 % de faux négatifs sur son corpus : près de la moitié des résumés générés que le test s’attendait à voir signalés sont revenus comme humains. Dans le corpus d’Acta Neurochirurgica, la séparation était bien meilleure, avec une moyenne de 27,55 % pour le texte humain et de 81,48 % pour le texte GPT-3.5, mais les moyennes cachent la dispersion. Les échantillons individuels se recouvrent entre les deux groupes, ce qui explique précisément pourquoi un classifieur a besoin d’un seuil, et pourquoi ce seuil doit arbitrer entre les deux types d’erreur.

Un texte généré par IA n’est pas non plus une catégorie homogène. Une sortie brute de modèle, un brouillon légèrement reformulé et un texte généré puis réécrit à la main sont des objets différents pour un classifieur, et l’étude d’Advances in Simulation montre des scores qui évoluent avec le degré d’implication de l’IA. Un score faible n’établit donc pas qu’un texte est humain, de la même façon qu’un score élevé n’établit pas qu’il est écrit par une machine.

Pourquoi les résultats de ZeroGPT varient

Si le même passage obtient des scores très différents selon le test, c’est attendu et non un dysfonctionnement. Les variables ci-dessous expliquent l’essentiel de ces écarts, et ce sont aussi les raisons pour lesquelles un score se transpose mal d’un contexte à un autre.

• La longueur du texte : ZeroGPT recommande au moins 150 à 200 mots pour une lecture stable, et indique que 500 à 1 000 mots ou plus améliorent la fiabilité. Un paragraphe court apporte peu d’indices dans un sens comme dans l’autre.
• Le genre : une prose académique, un texte marketing, un essai personnel et une documentation technique ont des rythmes différents, et un modèle entraîné sur des corpus mixtes les traite inégalement.
• Le modèle générateur : GPT-3.5, GPT-4 et GPT-4o écrivent différemment, et l’étude Acta Neurochirurgica mesure des scores de probabilité d’IA de plus en plus élevés selon ces versions.
• La réécriture : un texte généré puis fortement retravaillé se situe entre les deux catégories, là où les détecteurs sont les moins stables.
• Le style humain : une écriture formelle, stéréotypée ou rédigée dans une langue seconde peut correspondre à des schémas statistiques associés au texte machine, et l’étude PeerJ constate des écarts de précision selon la catégorie d’auteur.
• Le seuil : un classifieur doit choisir une frontière de décision, et la déplacer échange des faux positifs contre des faux négatifs. ZeroGPT ne publie pas son propre seuil.
• La version du produit : les systèmes de détection sont réentraînés et mis à jour, donc un résultat d’il y a un an peut ne pas se reproduire aujourd’hui.

Ces variables plaident pour traiter tout score isolé comme provisoire, et pour confronter un résultat important à une seconde lecture plutôt qu’à votre intuition sur l’outil.

Comment interpréter un score ZeroGPT

Un pourcentage ZeroGPT est une estimation produite par un modèle. Il n’établit ni la paternité, ni un plagiat, ni une faute, ni qui a écrit une phrase précise, et il n’a jamais été conçu pour cela. Lisez-le comme un indicateur : il dit où un modèle a réagi au texte, pas ce qui s’est passé pendant sa rédaction.

Quelques questions à se poser avant d’agir sur un score :

• Le texte est-il assez long pour une lecture significative ? En dessous de 150 mots, un score est une preuve faible.
• Quels passages ont été surlignés, et vous semblent-ils stéréotypés lorsque vous les relisez ?
• Un second détecteur signale-t-il les mêmes passages ?
• Existe-t-il des traces du processus de rédaction, comme des brouillons, des notes ou un historique de versions ?
• Ce résultat changerait-il une décision concernant une personne ? Si oui, qui devrait l’interpréter avec vous ?

ZeroGPT peut-il servir de preuve d’une rédaction par IA ?

Non. Un résultat de détecteur est un élément parmi d’autres, et les études citées ci-dessus documentent les deux types d’erreur sur des corpus réels. Une institution qui traite un score isolé comme une preuve s’expose à de fausses accusations, et l’article de PeerJ montre que ces erreurs ne se répartissent pas équitablement : les auteurs non anglophones en portent davantage, ce qui aggrave les conséquences au lieu de les atténuer.

Quand la paternité d’un texte compte, les preuves les plus solides portent sur le processus : brouillons, historique de versions, notes, références, capacité de l’auteur à discuter du travail et règles applicables. Un détecteur peut vous indiquer des passages qui méritent une discussion. Il ne peut pas dire ce qui s’est passé, et il ne faut pas le lui demander.

Que faire si ZeroGPT signale votre texte ?

Si le résultat compte, traitez-le au lieu de le réécrire par réflexe. La plupart des passages signalés relèvent de deux groupes : un écrit qui a réellement besoin d’être retravaillé, et un écrit simplement formel ou prévisible dans son style. Seul le premier mérite des modifications, et les étapes ci-dessous servent à faire la différence.

Parfois, le signalement pointe une faiblesse réelle : des paragraphes construits sur une seule structure de phrase, des transitions qui ne relient rien, des affirmations sans exemple. Dans ce cas, l’humaniseur AI-2-Human peut réécrire le passage répétitif ou stéréotypé en une version plus naturelle tout en conservant votre sens initial, et vous retravaillez ensuite le résultat avec votre propre voix.

Faut-il comparer ZeroGPT avec un autre détecteur IA ?

Oui, en particulier lorsque le résultat a des conséquences. Les détecteurs utilisent des modèles, des données d’entraînement et des seuils différents : le désaccord entre deux outils est donc normal, et non la preuve que l’un est cassé. Cette page en est elle-même l’exemple : le même outil a obtenu des scores très différents selon les corpus, et les outils se classent différemment au sein d’une même étude.

La comparaison aide dans les deux sens. Si deux détecteurs signalent le même passage, ce passage mérite une lecture attentive. S’ils divergent nettement, ce désaccord indique que le texte se situe près d’une frontière de décision et que le chiffre est fragile, ce qui vaut la peine d’être su avant de réécrire quoi que ce soit ou avant qu’une autre personne agisse sur ce résultat.

Le détecteur AI-2-Human restitue sa propre lecture du texte et désigne les passages qui semblent encore générés, ce qui vous permet de mettre deux interprétations côte à côte avant de décider quoi modifier.