ML classique pour détecter les textes générés par LLM
Original : Detecting LLM-Generated Texts with “Classical” Machine Learning
Pourquoi c'est important
Montre que la détection AIGC reste accessible sans infrastructure LLM lourde.
Un développeur a conçu un détecteur de textes générés par IA en utilisant un SVM scikit-learn classique. L'outil, publié début 2026, atteint environ 85 % de précision par phrase sur le jeu de test, sans optimisation poussée ni données générales.
Face à l'afflux de fanfictions générées par IA sur la plateforme Lofter, le développeur lyc8503 a relancé un projet personnel : détecter les textes AIGC (AI-Generated Content) sans recourir à de grands modèles de langage.
Après avoir testé l'approche par « perplexité » (mesurer la probabilité de chaque mot selon un LLM), il a conclu que cette méthode produisait trop de faux positifs et de faux négatifs, avec un coût d'inférence élevé.
Il s'est alors tourné vers un SVM (Support Vector Machine) de la bibliothèque scikit-learn, entraîné sur des données générées pour l'occasion. Le modèle final atteint ~85 % de précision par phrase sur le jeu de test. Une démo en ligne est disponible sur lyc8503.github.io/AITextDetector, et le code source ainsi que les fichiers de modèle sont publiés sur GitHub (lyc8503/AITextDetector).
L'article explore également les méthodes de contournement : traduction classique et reformulation via prompt LLM. L'auteur note que les LLM courants début 2026 présentent des patterns statistiques suffisamment forts pour être distingués des textes humains par des algorithmes traditionnels.