Les détecteurs d'IA signalent-ils plus souvent les auteurs neurodivergents ? Ce que disent les études

Oui. Dans une étude évaluée par les pairs en 2025, un détecteur d'IA a signalé plus souvent des auteurs probablement autistes, 1,7 pour cent de leurs publications contre 1,2 pour cent pour un groupe général, pour 300 mots par publication. Il s'agit de la principale étude sur les faux positifs de détection de l'IA chez les personnes neurodivergentes, et les universités mettent aussi en garde au sujet du TDAH et de la dyslexie.

Il s'agit de détecteurs de texte IA, qui attribuent à l'écriture un score indiquant si elle est humaine ou produite par une machine. Les outils qui dépistent l'autisme chez les personnes apparaissent souvent dans les mêmes recherches et relèvent d'un sujet différent. Ces études mesurent la fréquence à laquelle les détecteurs signalent un texte, sans aucune affirmation concernant un diagnostic.

Recherche sur les faux positifs de la détection de l'IA chez les personnes neurodivergentes, en un coup d'œil

Une étude de 2025 sur des auteurs autistes fournit à ce jour les meilleures données. Elle a mesuré les taux de signalement pour un détecteur d'IA. Les centres d'enseignement universitaires mettent aussi en garde les enseignants au sujet des étudiants atteints de TDAH et de dyslexie. Un test journalistique de 2024 a mesuré l'effet des outils de correction orthographique et de réécriture sur les scores d'IA. D'autres grandes études sur des auteurs dont l'anglais n'est pas la langue maternelle montrent comment les résultats de différents détecteurs varient.

Groupe	Résultat ou recommandation	Source
Auteurs autistes	1,7 pour cent signalés contre 1,2 pour cent d'un groupe général pour 300 mots, sur un détecteur d'IA	Chambers & Kelley, AIED 2025
Auteurs atteints de TDAH	Répertoriés parmi les étudiants "prone to receive false positive ratings"	University of Nebraska-Lincoln teaching center
Auteurs dyslexiques	Répertoriés dans la même recommandation	University of Nebraska-Lincoln teaching center
Étudiants neurodivergents en général	« Plus susceptible d’être signalé à tort »	Northern Illinois University teaching center
Auteurs qui utilisent des outils de révision	La correction orthographique et les suggestions grammaticales ont à peine modifié les scores d'IA, et les réécritures de textes entiers les ont beaucoup modifiés	Bloomberg Businessweek test, 2024
Auteurs dont l'anglais n'est pas la langue maternelle	Taux de faux positifs de 0.0 à 100.0 pour cent sur 13 détecteurs	Park, Jeong & Kim, EMNLP 2026

Environ deux tiers des enseignants disent utiliser régulièrement un vérificateur d’IA, selon une enquête menée auprès de plus de 450 enseignants. Le Center for Democracy & Technology l’a publiée en mars 2024. Même un faible taux d’erreur peut s’accumuler au fil du nombre de travaux que les étudiants rédigent chaque année, a rapporté Bloomberg Businessweek.

Étude sur le détecteur d’IA et l’autisme, ce que les auteurs ont trouvé

L’article s’intitule "The Misclassification of Autistic Writing as AI-Generated" de Summer Chambers et Matthew C. Kelley, de George Mason University. Il a fait l’objet d’une évaluation par les pairs, et Springer l’a publié dans Artificial Intelligence in Education (AIED 2025). Vous pouvez obtenir une copie gratuite sur arXiv. Les chercheurs écrivent que les anecdotes selon lesquelles les auteurs autistes seraient plus souvent mal identifiés "have not been formally investigated." Ils voulaient tester ces affirmations.

Leur ensemble de données se compose d’environ 60.000 publications Reddit, une publication par utilisateur. Ils ont exclu les publications courtes, de moins de 1.000 caractères. Le groupe probablement autiste provenait de 13 sous-reddits consacrés à l’autisme. Le groupe général provenait de 12 sous-reddits populaires choisis pour être similaires sur le plan stylistique, avec de longs récits à la première personne sur la santé mentale, les situations sociales et les conseils. Les publications générales contenant des mots-clés liés à l’autisme ont été supprimées.

Les publications ont été obtenues à partir de l’API Reddit et couvraient des publications datant d’environ 2021 à 2024, ainsi qu’une collection de publications plus anciennes, de 2010 à 2020. Les publications comprenant à la fois des mots-clés liés à l’autisme et des expressions telles que "my daughter" ou "my nephew" ont également été supprimées afin de conserver les publications rédigées par des auteurs autistes.

Les auteurs appellent le premier groupe "likely-autistic" parce qu’aucun diagnostic n’a été vérifié, et n’importe qui peut publier dans n’importe quel subreddit. Certaines personnes autistes publient aussi dans les sous-reddits généraux, de sorte que les auteurs soupçonnent que l’écart réel entre les auteurs autistes et non autistes peut être plus grand que celui qu’ils ont mesuré.

Le détecteur était le détecteur RoBERTa GPT-2 de OpenAI, publié en 2019 et téléchargeable gratuitement. Un message recevait l’étiquette "Fake", qui compte ici comme un signalement, lorsque le détecteur plaçait sa probabilité d’IA au-dessus de 0.5. Dans la première expérience, les messages plus courts étaient signalés plus souvent que les plus longs, et les messages probablement autistiques étaient plus courts en moyenne. La longueur pouvait expliquer une partie de l’écart, donc pour la deuxième expérience les auteurs n’ont conservé que les messages de plus de 300 mots et ont ramené chacun à exactement 300.

Mesure	Expérience 1	Expérience 2
Messages analysés	59,947	33,216
Texte utilisé	Messages de 1,000 caractères ou plus	Messages ramenés à exactement 300 mots
Groupe probablement autistique signalé	1.9%	1.7%
Groupe général signalé	1.5%	1.2%
Rapport de cotes ajusté	1.246 (p = 0.001)	1.501 (p below 0.001)
Perplexité plus élevée	Moindre probabilité d’un signalement	Non significatif

L’écart persistait lorsque la longueur était égale. Dans l’Expérience 2, 1.7 et 1.2% correspondent à environ 17 contre 12 messages pour 1,000, donc la plupart des messages dans les deux groupes n’ont pas été signalés.

Ils rapportent aussi des cotes, tirées d’une régression (modèle statistique) contrôlant la longueur des phrases, la longueur des mots, la perplexité, la burstiness et la date de publication. Ils parlent d’"une chance 25% plus élevée" d’un signalement dans l’Expérience 1 et d’"une chance 50% plus élevée" dans l’Expérience 2. Ce sont des valeurs relatives sur une base faible. La différence dans l’Expérience 2 est d’un demi-point de pourcentage dans les pourcentages bruts, utilisez les pourcentages si vous voulez savoir combien de messages ont été signalés.

Pourquoi les détecteurs peuvent signaler l’écriture neurodivergente

Les orientations universitaires et les chercheurs mettent en avant le choix des mots. "The Challenge of AI Checkers", un guide destiné aux enseignants de l'University of Nebraska-Lincoln, indique qu'il n'existe pas une seule raison pour laquelle les étudiants neurodivergents reçoivent des faux positifs. Il précise qu'ils sont souvent liés à une dépendance à des phrases, termes et mots répétés. Le même guide indique que l'absence de pronoms tels que I, me et we peut être interprétée à tort comme une écriture produite par OpenAI, selon le vérificateur.

Un article de Bloomberg Businessweek d'octobre 2024 indique que les étudiants les plus susceptibles sont "likely" ceux qui écrivent de manière plus générique, y compris les étudiants neurodivergents. Les journalistes ont entendu cela de la part d'étudiants, d'universitaires et de développeurs d'OpenAI. James Zou de Stanford était l'auteur principal de l'étude de 2023 sur les rédacteurs non natifs. Le même article le cite ainsi : "If the word choices tend to be more generic and formulaic, that work has a higher chance of being flagged by AI detectors."

Dans l'étude sur l'autisme, un taux plus élevé de signalements était associé à aucune réduction de la perplexité ou de la burstiness. Les deux scores étaient presque identiques pour les deux groupes, mais avaient tendance à être légèrement plus élevés pour le groupe probablement autiste. Les auteurs notent que les relations entre les caractéristiques du texte des auteurs susceptibles d'avoir l'autisme et celles du texte généré par OpenAI "were not straightforward".

Notre guide sur le fonctionnement des détecteurs d'IA explique la perplexité et la burstiness si ces notions vous sont nouvelles.

L'écriture TDAH signalée comme produite par OpenAI, ce que les universités disent aux enseignants

Les centres d'enseignement universitaires ont commencé à avertir les enseignants au sujet des étudiants atteints de TDAH. Le guide du Nebraska indique : "Students that are neurodivergent (autism, ADHD, dyslexia, etc...) are also prone to receive false positive ratings". "AI detectors: An ethical minefield", de Northern Illinois University, datant de décembre 2024, indique : "Neurodiverse students are also more likely to be falsely flagged for AI-generated writing".

Whitney Gegg-Harrison et Claire Quarterman ont rédigé un chapitre de livre de 2024 dans Academic Integrity in the Age of Artificial Intelligence (IGI Global). Sa petite étude de corpus a mis en évidence des taux de faux positifs bien plus élevés que ceux annoncés pour plusieurs outils de détection populaires. En s’appuyant sur cette étude, sur des reportages et sur des témoignages d’étudiants, le chapitre « présente la possibilité que les auteurs neurodivergents, ainsi que les auteurs L2, soient plus susceptibles d’être touchés par des faux positifs ». L2 signifie langue seconde.

Un résultat de l’étude sur l’autisme s’applique à toute personne qui rédige des textes courts, comme des messages de discussion. Dans l’Expérience 1, les messages plus courts étaient signalés plus souvent que les plus longs. Nous expliquons ce que les détecteurs disent de la longueur dans notre article sur le nombre minimal de mots d’un détecteur d’IA. Enregistrer vos brouillons et vos notes au fur et à mesure de l’écriture est un bon moyen de conserver une trace de votre processus de rédaction. Cela répond mieux à un signalement que n’importe quel score.

Outils de détection et de correction de l’IA pour la dyslexie

Le guide du Nebraska inclut les étudiants dyslexiques dans son avertissement sur les faux positifs. De nombreux auteurs utilisent la correction orthographique, les suggestions grammaticales ou des outils de réécriture au moment de la rédaction, et deux études montrent comment ces outils modifient les scores d’IA.

Dans un test de Bloomberg Businessweek de 2024, le correcteur orthographique et les suggestions grammaticales d’un assistant d’écriture populaire n’ont eu qu’un impact marginal sur la tendance des documents à paraître davantage rédigés par l’IA. Les réécritures de texte intégral étaient différentes, demander au même assistant d’« améliorer » un essai ou de « le faire sonner académique » a transformé un travail évalué comme 100% human-written en 100% AI-written.

Hyeonchu Park, Gahye Jeong et Bugeun Kim ont étudié la révision professionnelle dans "Style as a Confound", présenté à EMNLP 2026. Ils ont utilisé 135,389 paires de documents provenant d’un service de révision de l’anglais académique, de 2018 à 2025. Chaque paire est constituée du manuscrit d’un auteur non natif avant et après sa révision par un éditeur natif. Sur 13 détecteurs, les mêmes modifications ont augmenté les scores de certains détecteurs et les ont abaissés sur d’autres, et les variations de score ont augmenté avec l’ampleur de la révision.

Ils ont ensuite décomposé les modifications par type sur l’un des détecteurs, un modèle OpenAI RoBERTa. Les modifications grammaticales ont produit une légère baisse de son score, tandis que les modifications syntaxiques, qui changent la structure des phrases, ont produit la hausse positive la plus importante. Ils concluent que les résultats des détecteurs ne doivent pas être considérés comme une preuve définitive d’utilisation de l’IA, en particulier lorsque la révision est courante. Si vous utilisez un outil qui réécrit des passages entiers, conservez vos versions antérieures et vérifiez ce que votre cours autorise.

Les taux de faux positifs dépendent du détecteur

Le taux de faux positifs varie selon chaque détecteur. Le taux concerne le détecteur particulier que l’étude testait. L’étude de Liang et collègues de 2023 dans Patterns a trouvé une précision presque parfaite sur des dissertations rédigées par des élèves américains de huitième année. En revanche, les détecteurs ont signalé plus de la moitié des dissertations TOEFL rédigées par des auteurs non natifs. Voir notre article sur le biais des détecteurs à l’encontre des auteurs non natifs pour les détails.

Notre article de travail sur les auteurs non natifs et les faux positifs, issu de TextPulse Research en 2026, a évalué 5,600 dissertations ICNALE rédigées avant les outils modernes d’IA. Un classificateur de recherche, une régression logistique, a signalé 2.7 pour cent des dissertations d’apprenants et 3.3 pour cent des dissertations de locuteurs natifs. Un modèle de gradient boosting entraîné sur les mêmes caractéristiques et les mêmes dissertations a signalé 12.5 pour cent des apprenants et 3.8 pour cent des natifs. Ainsi, le fait qu’un groupe soit signalé plus souvent dépend du détecteur.

Dans l’étude de Park, les taux de faux positifs des 13 détecteurs variaient fortement pour les textes rédigés par des humains, allant de 0.0% à 100.0%. Deux détecteurs de premier plan ont été testés par Bloomberg Businessweek sur un échantillon aléatoire de 500 dissertations de candidature universitaire envoyées à Texas A&M à l’été 2022, avant ChatGPT. Les services ont classé à tort 1% à 2% des dissertations comme probablement rédigées par une IA.

Dans le même rapport, Turnitin a indiqué que son taux de faux positifs au niveau du document était inférieur à 1% et que son taux au niveau de la phrase était de 4%. Ainsi, la valeur qui compte pour un étudiant est celle du détecteur utilisé par son établissement.

Si vous êtes signalé, ou si vous examinez un signalement

Pour les étudiants

L’historique de vos brouillons est le point de départ. Il montre les brouillons antérieurs et des notes sur l’évolution de votre texte, et un score ne le peut pas. Demandez par écrit le rapport complet ainsi que la politique applicable. Les étapes sont détaillées dans nos articles sur ce qu’il faut faire en premier si vous êtes accusé et sur la rédaction d’une lettre d’appel d’une détection d’IA.

La meilleure réponse à un signalement consiste à montrer votre travail. Conservez une trace de ce que vous avez écrit. Utilisez Google Docs ou Microsoft Word (avec l’historique des versions activé) pour rédiger et suivre vos notes, vos plans et les sources que vous avez consultées. Si vous utilisez une technologie d’assistance comme le correcteur orthographique, la dictée ou la synthèse vocale, vous pouvez indiquer à votre enseignant ou au service d’accessibilité lesquels vous utilisez et comment.

Vous pouvez aussi souhaiter contacter le service universitaire chargé du handicap ou de l’accessibilité. Décidez si vous voulez informer votre enseignant ou le comité de votre diagnostic. Vous pourriez dire quelque chose comme ceci : les taux varient d’un détecteur à l’autre. Une étude évaluée par des pairs a montré un taux de signalement plus élevé pour des auteurs probablement autistes sur l’un d’eux. Vos brouillons sont plus importants que les recherches sur des groupes, car les recherches sur des groupes ne peuvent pas montrer comment votre propre dissertation a été rédigée.

Pour le personnel

Le score n’est qu’une estimation. C’est une raison de s’interroger sur le processus d’écriture. Demandez à voir les brouillons et les notes s’ils existent. Demandez à l’étudiant comment il a rédigé le texte. Un diagnostic ou un style d’écriture ne constituent pas une preuve en faveur ou à l’encontre de l’usage de l’IA. Demandez quels outils l’étudiant a utilisés, comme le correcteur orthographique ou la dictée. Le correcteur orthographique et les suggestions grammaticales n’ont que très peu modifié les scores d’IA dans le test de Bloomberg de 2024, mais les réécritures de texte intégral les ont beaucoup modifiés. Le même rapport de Bloomberg indique que les fabricants de détecteurs disent que leurs scores ne sont qu’un point de données destiné à guider un enseignant. Chambers et Kelley recommandent un examen critique plus approfondi de ces modèles et de leur usage dans les contextes académiques.

Outils sur ce site

Le vérificateur de perplexité gratuit estime la variation lexicale dans votre brouillon, et le vérificateur de burstiness gratuit trace les longueurs de vos phrases. Aucun de ces deux nombres ne prouve quoi que ce soit sur l’auteur du texte. Le humaniseur d’IA TextPulse est conçu pour abaisser les scores d’IA d’un brouillon que vous avez rédigé vous-même tout en préservant les citations et les termes. Si vous l’utilisez, vérifiez que votre cours autorise un tel outil, et lisez le résultat. Rien dans cette recherche n’indique que vous devez modifier votre manière d’écrire.