Affaire Thélyson Orélien : comment retrouver des traces laissées par l'IA dans un document ?

La situation s'est aggravée pour Thélyson Orélien. Après plusieurs semaines de soutien, les Éditions du Boréal ont annoncé, ce mercredi soir, qu'elles se séparaient de l'auteur canado-haïtien, connu pour son livre "C'était ça ou mourir". Dans un communiqué, l'éditeur québécois a déclaré : "De nouveaux éléments, confirmés ces derniers jours, indiquent que l'intelligence artificielle a été utilisée dans le processus d'écriture de C'était ça ou mourir, alors que l'auteur nous avait assuré à plusieurs reprises qu'il n'avait jamais eu recours à cette technologie pour son roman." Les Éditions du Boréal ont ajouté qu'elles avaient examiné toutes les versions de travail du livre et commandé une analyse externe approfondie, révélant des traces de balises d'IA dans les métadonnées de certains documents.

Parallèlement, la Fnac envisage de réévaluer l'attribution de son Prix du Roman à Thélyson Orélien, selon Ouest-France. La Libre a tenté de joindre l'éditeur québécois pour obtenir des éclaircissements sur sa décision et sur l'enquête menée, mais n'a pas réussi à obtenir de réponse. Audrey Noiseux, directrice du cabinet de conseil Syrus, mandatée par l'éditeur pour gérer cette crise, a indiqué que les Éditions du Boréal ne feraient pas de commentaire supplémentaire sur le sujet.

Pour mieux comprendre comment l'intelligence artificielle peut laisser des traces dans un document, nous avons consulté Fabian Bocart, docteur en statistiques à l'UCLouvain et directeur général de Globalco, une entreprise spécialisée dans le développement de logiciels d'intelligence artificielle et l'analyse de données. Il a expliqué qu'il existe deux méthodes principales pour détecter des traces d'IA dans un document. La première repose sur les métadonnées. Lorsque l'on crée un document à l'aide d'un logiciel d'intelligence artificielle, comme Claude, ChatGPT ou Gemini, des données supplémentaires sont ajoutées au fichier, telles que l'auteur, la date de création et le logiciel utilisé. Ces traces, spécifiques à chaque outil d'IA, sont généralement présentes dans les fichiers Word ou PDF. Si l'éditeur a trouvé des balises d'IA, il a probablement fait appel à des experts en analyse forensique.

Fabian Bocart a également précisé que si un utilisateur effectue une recherche sur Google et copie-colle un nom dans un document, cela n'affecte pas les métadonnées. Seul un fichier généré directement par un outil d'intelligence artificielle pourrait contenir ces informations. Ainsi, même si Thélyson Orélien a pu modifier le document manuellement après l'avoir généré avec l'IA, les métadonnées pourraient indiquer une utilisation de cette technologie, ce qui est problématique.

Concernant la possibilité d'effacer ces traces, Bocart a mentionné que les métadonnées peuvent effectivement être modifiées. Certains systèmes d'exploitation permettent cette édition, et des logiciels existent pour ce faire. En ce qui concerne le texte lui-même, il est également possible d'identifier des traces d'IA. L'écriture d'une IA repose sur des processus statistiques qui déterminent la suite de mots la plus probable en fonction des précédents. Des outils tels que Pangram ou GPTZero peuvent analyser la probabilité que certains passages aient été générés par une IA, en se basant sur des caractéristiques syntaxiques.

Il a également été souligné que des logiciels peuvent brouiller les détecteurs d'IA pour donner aux phrases un aspect plus aléatoire tout en conservant un sens, rendant ainsi le texte moins détectable comme étant généré par une machine. Cependant, si un document est clairement marqué comme ayant été créé par une IA, cela ne laisse guère de place au doute.

Bocart a également évoqué le risque de faux positifs dans les détections d'IA, expliquant que les textes classiques, souvent reproduits en ligne, sont intégrés dans de vastes bases de données utilisées par les IA. Cela peut rendre difficile la distinction entre un texte original écrit par un humain et un texte généré par une IA. Bien que certains problèmes de détection aient été résolus, des confusions peuvent encore survenir, notamment avec des textes très connus. Pour les nouveaux textes, les détecteurs sont généralement plus fiables.