Un texte généré par IA se repère à sa texture : des phrases toutes calibrées sur la même longueur, des adjectifs par paires, des personnages qui oublient ce qu’ils viennent de vivre. Trois lectures attentives suffisent à entraîner l’œil. Voici les signaux qui trahissent un roman auto-édité passé à la machine, et la marche à suivre quand le doute s’installe.
Pourquoi ton rayon numérique se remplit de slop
Le mot est désormais officiel. L’American Dialect Society a élu « slop » mot de l’année 2025, en le définissant comme un contenu de faible qualité produit en masse par l’IA générative. Le dictionnaire australien Macquarie avait retenu « AI slop » quelques semaines plus tôt, en novembre 2025.
Cette réalité, tu la croises dès que tu ouvres une boutique d’auto-édition. En septembre 2023, Amazon a plafonné à trois le nombre de nouveaux titres qu’un compte Kindle Direct Publishing peut déposer par jour, une limite confirmée par l’Authors Guild. Avant ce garde-fou, certains comptes en déversaient des dizaines chaque matin.
La même année, la plateforme a imposé aux auteurs de déclarer les textes, les images et les traductions produits par une machine. Le problème ? Cette déclaration reste interne. Elle ne s’affiche pas sur la fiche produit que tu consultes avant d’acheter, donc la plateforme sait, et pas toi.
Les dégâts dépassent la déception littéraire. À l’été 2023, des guides de cueillette de champignons fabriqués à la chaîne ont grimpé dans les classements de vente, au point que la New York Mycological Society a alerté publiquement : ces manuels conseillaient d’identifier une espèce au goût et à l’odeur. Un roman raté te vole une soirée, un manuel généré par IA envoie quelqu’un aux urgences.
Les tics d’un texte généré par IA, dès les premières pages
Un modèle de langage choisit à chaque mot celui qui a le plus de chances de suivre. Résultat : une prose lisse, sans aspérité, qui ne surprend jamais. Ta première alerte est physique, tu t’ennuies sans comprendre pourquoi.
Le rythme de métronome
Compte les phrases d’un paragraphe, puis leur longueur. Une autrice humaine alterne : huit mots, puis vingt-cinq, puis trois, parce qu’elle respire en écrivant. À l’inverse, un texte généré aligne des segments de quinze à dix-huit mots, paragraphe après paragraphe, chapitre après chapitre. Les énumérations y arrivent presque toujours par trois. Cette régularité est le signal le plus fiable, parce qu’elle survit à la relecture rapide que subissent ces manuscrits.
Le vocabulaire sans corps
La machine nomme les émotions au lieu de montrer des gestes. La peur y devient « palpable », le silence « assourdissant », l’atmosphère « chargée d’une tension presque électrique ». Personne ne mange un plat identifiable, personne ne jure, personne ne se cogne le genou contre une table basse. Le décor tient en trois notations interchangeables. Ce contenu généré parle de sensations sans jamais en produire une seule.
Les marqueurs qui reviennent le plus souvent :
- Adjectifs par paires systématiques, du type « un sourire doux et bienveillant »
- Émotions annoncées plutôt que montrées, sans détail sensoriel concret
- Fins de chapitre qui promettent toutes un basculement imminent
- Dialogues où chaque personnage reformule la réplique précédente
- Lieux décrits sans odeur, sans bruit ni température
- Absence de références datées : ni marque, ni chanson, ni rue nommée
Aucun de ces signes ne condamne un livre à lui seul. Une jeune plume cumule parfois deux ou trois de ces travers, c’est la densité qui tranche. Notre méthode pour choisir son prochain livre évite déjà une bonne part de ces achats à l’aveugle.
Quand le doute s’installe, vérifie avant d’accuser
Le doute arrive souvent au tiers du livre, quand rien ne s’imprime dans ta mémoire. Avant de laisser un avis assassin, accorde-toi dix minutes.
Copie un chapitre entier, pas trois lignes, car les analyses portant sur des extraits courts sont les moins fiables. Un outil d’AI slop detection mesure la régularité statistique que ton œil a seulement devinée, et IAchecker en propose un accessible sans création de compte, ce qui évite d’ouvrir un profil pour une simple vérification de curiosité. Le score obtenu vient compléter ta lecture, il ne la remplace pas.
Ce qu’un détecteur sait faire, et ce qu’il ignore
Ces outils ne lisent pas, ils mesurent. Une équipe de l’université Stanford, publiée dans la revue Patterns en 2023, a testé sept détecteurs sur des copies d’étudiants : ils ont signalé à tort environ 61 % des essais rédigés par des candidats non anglophones, contre près de 5 % des copies d’élèves américains natifs. Le motif est mécanique, un vocabulaire simple ressemble statistiquement à de la génération automatique.
OpenAI a fermé son propre détecteur le 20 juillet 2023, en reconnaissant qu’il identifiait correctement 26 % des textes produits par une IA et signalait à tort 9 % des textes humains. L’entreprise qui fabrique le modèle échoue donc à reconnaître sa propre production, ce qui situe le niveau de certitude auquel tu peux prétendre.
La bonne méthode tient en quatre gestes :
- Lis un chapitre du milieu, jamais le premier, souvent le plus retravaillé
- Cherche une contradiction factuelle entre deux scènes éloignées
- Soumets un long extrait à un outil d’analyse, puis un extrait d’un roman que tu sais humain
- Compare les deux verdicts avant de conclure quoi que ce soit
Les incohérences narratives qu’une IA ne rattrape pas
Le style se corrige en surface, la mémoire narrative beaucoup moins. Un modèle tient la cohérence tant que le contexte le porte, puis lâche prise sans prévenir. C’est là que la lectrice attentive gagne.
Des personnages sans mémoire
La sœur enterrée au chapitre trois réapparaît au chapitre onze sans un mot d’explication. Les yeux verts virent au noisette. Le chat change de nom. Le héros redécouvre une information qu’il détenait cent pages plus tôt, avec exactement la même stupeur, comme si la scène précédente n’avait jamais eu lieu.
Une chronologie qui se contredit
Compte les jours. Un roman généré perd le fil des saisons, fait tomber la pluie dans une scène et sécher le linge dans la suivante. Les trajets s’étirent ou se contractent selon les besoins du récit, et aucun personnage ne s’en étonne jamais.
C’est la faiblesse structurelle des romans générés : le modèle ne consulte aucune fiche personnage, il rejoue à chaque page ce qu’il a sous les yeux. Une romancière humaine, même brouillonne, garde son intrigue en tête pendant des mois. Deux contradictions franches à cent pages d’écart pèsent donc bien plus lourd qu’un style un peu plat.
Les ratés qui reviennent le plus :
- Prénoms qui glissent d’une orthographe à l’autre
- Personnages secondaires introduits en fanfare puis abandonnés
- Enjeux résolus hors champ, entre deux chapitres
- Décor qui déménage selon les besoins de la scène
- Révélations annoncées trois fois et jamais expliquées
Un éditeur humain traque ces trous, c’est même une part centrale de son métier. Leur accumulation dans un texte propre en surface signale un manuscrit écrit par IA puis relu vite, ou pas relu du tout. Noter les prénoms et les dates au fil des pages, comme quand tu tiens un carnet de lecture, rend ces contradictions impossibles à manquer.
Couvertures, profils et avis : le décor autour du livre
Le livre lui-même ne dit pas tout. Son emballage commercial parle souvent plus vite que ses trois cents pages, et cette inspection se fait avant l’achat, ce qui la rend précieuse. Les fiches produit du slop en série finissent d’ailleurs par se ressembler : résumé au ton publicitaire, promesse de voyage émotionnel, aucun éditeur mentionné, aucune information sur le parcours de l’auteur.
La couverture
Zoome avant d’acheter. Les mains à six doigts ont presque disparu, les erreurs se sont déplacées ailleurs : titres illisibles sur les tranches d’une bibliothèque en arrière-plan, bijou qui fusionne avec la peau, ombres qui partent dans deux directions différentes. Une typographie posée de travers sur une image trop léchée trahit un montage expédié.
Le profil de l’auteur
Cherche le nom ailleurs que sur la fiche produit. Une autrice réelle laisse des traces : entretiens, blog, compte de réseau social avec des années d’archives, passage en salon. Un nom introuvable partout ailleurs, avec une bibliographie entière apparue en quelques semaines dans des genres sans rapport entre eux, raconte une autre histoire. Les chroniqueurs littéraires restent un excellent filet de sécurité, ils lisent avant de recommander.
La grappe d’avis
Les avis fabriqués arrivent groupés, jamais isolés. Voici ce qui doit t’alerter :
- Vague de cinq étoiles publiée sur quelques jours, puis plus rien
- Formulations jumelles d’un avis à l’autre, mêmes adjectifs, même longueur
- Éloges qui ne citent aucun personnage ni aucune scène précise
- Comptes sans historique, ou qui notent uniquement les titres du même auteur
- Mention d’achat vérifié absente sur les commentaires les plus enthousiastes
Le cas le plus documenté reste celui de Jane Friedman. En août 2023, cette autrice américaine spécialiste de l’édition a découvert des livres qu’elle n’avait jamais écrits, vendus sous son nom sur Amazon et ajoutés à son profil Goodreads. Les titres ont été retirés le lendemain de son billet public, après un premier refus de la plateforme. Le nom sur la couverture ne garantit donc rien à lui seul, et les livres générés exploitent précisément cette confiance.
Ce que fait IAchecker quand tu lui soumets un extrait
IAchecker regroupe des outils de détection de contenu produit par intelligence artificielle. L’analyse ne se limite pas au texte : les images, les vidéos et les documents passent par le même service, ce qui couvre aussi la couverture d’un livre ou une photo de profil d’auteur. La vérification se fait gratuitement, sans création de compte. Le résultat prend la forme d’une échelle de probabilité plutôt que d’une réponse binaire, une nuance qui compte pour les manuscrits mêlant passages humains et passages assistés. Cette approche graduée rejoint ce que disent les chercheurs sur la détection : un score oriente une lecture, il ne la remplace jamais.
Ce que la transparence obligatoire va changer pour toi
La réglementation avance, lentement. L’article 50 du règlement européen sur l’intelligence artificielle s’applique depuis le 2 août 2026 : les fournisseurs doivent rendre les contenus générés par IA détectables par machine, via filigrane ou métadonnées, et les déployeurs doivent signaler visiblement certains contenus au public. La Commission européenne a publié la version finale de son code de bonne conduite sur le marquage le 10 juin 2026, avec un délai technique courant jusqu’au 2 décembre 2026 pour les systèmes déjà commercialisés avant août.
Côté auteurs, la profession s’organise en parallèle. L’Authors Guild américaine a lancé en janvier 2025 une certification « Human Authored », d’abord réservée à ses membres puis ouverte plus largement, qui atteste qu’un texte a bien été écrit par des humains. En France, plus de soixante-dix organisations du livre et de la culture, dont le Syndicat national de l’édition et la Société des gens de lettres, ont signé dès septembre 2023 un appel commun à la transparence sur les corpus d’entraînement.
Rien de tout cela ne remplace encore ton jugement de lectrice. Un club de lecture fait d’ailleurs ce travail bien plus vite qu’une lectrice seule, parce que cinq mémoires attrapent les incohérences qu’une seule laisse passer. Prochaine étape concrète : reprends l’auto-édité qui t’a laissée froide le mois dernier, relis un chapitre du milieu et applique cette grille. Dix minutes suffisent à trancher.
Les questions qui reviennent le plus souvent entre lectrices
Sur quoi se base un détecteur pour dire qu’un texte vient d’une IA ?
Il mesure la régularité statistique de l’écriture : longueur des phrases, prévisibilité du mot suivant, variété du vocabulaire. Une machine choisit presque toujours le terme le plus attendu, ce qui produit une prose lisse et étrangement constante. Une autrice humaine casse le rythme, se répète, glisse un mot inattendu au mauvais endroit. Le détecteur repère cette différence de texture et la traduit en indice de probabilité, pas en preuve.
Un détecteur peut-il accuser à tort une autrice bien humaine ?
Oui, régulièrement. Les travaux publiés dans la revue Patterns par une équipe de Stanford ont montré que ces outils signalent massivement des copies rédigées par des personnes dont l’anglais n’est pas la langue maternelle, parce qu’un vocabulaire simple ressemble statistiquement à une production automatique. Un style sobre, scolaire ou très structuré déclenche le même faux signal. Traite le verdict comme un indice à croiser avec ta lecture, jamais comme un jugement définitif.
Que veut dire le pourcentage affiché après l’analyse ?
Il exprime la part du texte qui présente les caractéristiques d’une production automatique, pas la part réellement écrite par une machine. Un extrait relu, réécrit ou traduit par un humain fait chuter ce score sans rien changer à son origine. Un texte entièrement humain mais très formaté peut au contraire le faire grimper. Lis ce résultat comme une échelle d’alerte : plus il monte, plus la relecture attentive s’impose.
Faut-il ouvrir un compte quelque part pour vérifier un extrait ?
Pas nécessairement. Plusieurs services d’analyse, dont IAchecker, acceptent un simple copier-coller sans inscription préalable, ce qui évite de laisser une adresse mail pour une vérification de curiosité. Regarde tout de même ce que devient le texte soumis, surtout s’il s’agit d’un manuscrit inédit qu’une amie t’a confié. Pour un extrait déjà en vente sur une plateforme publique, la question se pose beaucoup moins.
