Seuil minimal de mots pour un détecteur d'IA : combien de mots Turnitin, GPTZero et d'autres exigent

Le nombre minimum de mots requis par un détecteur d'IA dépend de l'outil. Certains outils, comme Turnitin, exigent au moins 300 mots de prose admissible, mais d'autres, comme ZeroGPT, recommandent d'écrire au moins 150 à 200 mots pour produire un résultat cohérent. Que votre détecteur affiche ou non un résultat en dessous de quelques centaines de mots, votre résultat est moins fiable.

Certains fournissent encore un pourcentage pour chaque paragraphe, et les scores ont tendance à être moins précis pour les textes courts. Des chercheurs de TextPulse Research ont testé cela avec 25,561 paires de textes universitaires rédigés par des humains et leurs réécritures par IA. À 300 mots, ils ont réglé un classificateur pour détecter 95% des réécritures par IA. Il a également signalé 33.9% des textes humains. À 25 mots, il a signalé 67.6%.

De combien de mots la détection de l'IA a-t-elle besoin ?

La détection de l'IA nécessite quelques centaines de mots pour être fiable, c'est-à-dire pour produire un résultat stable. La fiabilité chute le plus rapidement en dessous d'environ 100 mots. L'essentiel de la fiabilité a été établi dans l'étude TextPulse autour de 150 mots. Après cela, la précision a augmenté plus lentement, de 84.0% à 150 mots à 86.8% à 300 mots.

D'autres recherches indiquent des seuils similaires. Une enquête de 2025 dans le Journal of Artificial Intelligence Research, citée dans l'article TextPulse, rassemble les chiffres rapportés jusqu'à présent. Les classificateurs statistiques et affinés nécessitent de l'ordre de 100 mots pour fonctionner avec précision. Plusieurs détecteurs standard ont besoin d'environ 120 mots pour atteindre leur pleine performance, et la détection des modèles les plus puissants prend environ 200 mots.

À mesure qu'un détecteur voit davantage de jetons, c'est-à-dire les fragments de mots avec lesquels un modèle de langage travaille, il devient plus facile de distinguer un texte humain d'un texte d'IA. Lorsqu'un détecteur n'a vu que quelques jetons dans une réponse courte, il n'existe pas beaucoup d'éléments probants pour l'un ou l'autre verdict. La perplexité, la burstiness et les autres mesures impliquées sont expliquées dans le guide sur le fonctionnement des détecteurs d'IA.

Nombre minimum de mots requis par les détecteurs d'IA selon l'outil, Turnitin, GPTZero et autres

Chaque éditeur fixe son propre seuil ou ses propres recommandations, et ils n'utilisent pas tous la même unité. Turnitin compte les mots de prose admissible. D'autres éditeurs recommandent une longueur ou décrivent comment la précision évolue à mesure qu'un texte s'allonge.

Detector	Ce que le fournisseur indique à propos de la longueur du texte
Turnitin	Au moins 300 mots de prose admissible avant qu'un score d'IA ne soit généré, contre un minimum antérieur de 150 mots, car la précision augmente avec davantage de texte
GPTZero	La précision s'améliore à mesure que davantage de texte est soumis. Les documents entiers sont classés avec plus de précision que les paragraphes, et les paragraphes avec plus de précision que les phrases isolées
ZeroGPT	Au moins 150 à 200 mots sont recommandés pour un résultat stable, et 500 à 1 000 mots ou plus améliorent encore la fiabilité. Les extraits très courts ou fortement modifiés "contiennent moins de signaux"
Pangram	Fonctionne mieux sur un texte plus long rédigé en phrases complètes. L'entreprise déconseille de soumettre à l'analyse des listes à puces courtes ou un texte très formulé de manière stéréotypée
Sapling	Ses chiffres publiés de détection et de faux positifs s'appliquent aux textes plus longs. Les textes plus courts "peuvent avoir des taux de précision différents"

C'est le seuil que la plupart des étudiants rencontrent, car Turnitin est le détecteur intégré dans les plateformes d'apprentissage de nombreuses universités. Aucun score n'est attribué en dessous de 300 mots de prose admissible dans le rapport de rédaction par IA. Le segment noté en dessous de ce seuil et l'astérisque que Turnitin affiche pour les scores inférieurs à 20% sont traités dans le guide sur comment Turnitin détecte l'IA.

Un pourcentage affiché à l'écran ne signifie pas qu'un texte a atteint la longueur recommandée par l'outil, car de nombreux vérificateurs grand public attribuent un score à un seul paragraphe. En 2023, le classificateur de texte IA de OpenAI nécessitait un minimum de 1 000 caractères en entrée. OpenAI a indiqué qu'il était très peu fiable sur les textes courts et l'a supprimé six mois plus tard en raison de son faible taux de précision.

Précision des détecteurs d'IA selon la longueur du texte, ce que la recherche de TextPulse a révélé

Le document de travail de TextPulse sur la longueur du texte et la fiabilité de la détection de l'IA examine la longueur seule, indépendamment de toutes les autres caractéristiques des textes. L'ensemble de données comprend 25,561 paires de textes où le texte humain et sa réécriture par IA comptent tous deux au moins 300 mots. Chaque texte a été réduit à 25, 50, 100, 150, 200, 250 et 300 mots. Pour chaque longueur de mot, le classifieur a été entraîné et testé.

Les mêmes textes apparaissent à chaque longueur, c'est-à-dire que le sujet, la discipline et le modèle d'IA restent constants. Les réécritures proviennent de huit combinaisons différentes de modèles d'IA sur six familles de modèles. Le classifieur évalue 45 caractéristiques de style, telles que la longueur des mots et la variété du vocabulaire. Il s'agit d'un outil de recherche, l'article ne formule aucune affirmation sur la manière dont les détecteurs commerciaux pourraient utiliser ces caractéristiques ou ces seuils. Voir le guide sur la question de savoir si les détecteurs d'IA sont précis pour des tests d'outils commerciaux.

Longueur du texte	Précision	Textes humains signalés à tort lorsque 95% des réécritures par IA sont détectées	Réécritures par IA détectées lorsque 1% des textes humains sont signalés à tort
25 words	73.9%	67.6%	17.2%
50 words	78.2%	58.8%	28.0%
100 words	82.3%	49.4%	40.5%
150 words	84.0%	44.1%	47.9%
200 words	85.2%	40.1%	50.5%
250 words	86.1%	36.7%	54.2%
300 words	86.8%	33.9%	56.5%
Full text	88.4%	28.6%	60.6%

Pour la détection de l'IA, la précision sur les textes courts est plus faible dans chaque colonne du tableau, et la colonne de précision sous-estime la perte. Un verdict exploitable nécessite un score proche de l'une ou l'autre extrémité de l'échelle, et les textes plus courts poussent à la fois les scores humains et les scores IA vers le milieu. Avec le seuil fixé pour détecter 95% des réécritures par l'IA, le classifieur signale à tort environ la moitié des textes humains à 100 mots. Avec le seuil fixé pour signaler seulement 1% des textes humains, il détecte 17.2% des réécritures par l'IA à 25 mots.

AUC, la principale mesure de l'article pour évaluer dans quelle mesure le classifieur sépare les deux groupes, est passée de 0.817 à 25 mots à 0.940 à 300 mots. Sur les textes complets, qui comptaient en moyenne 466 mots du côté humain, elle a atteint 0.950. La partie la plus marquée de cette hausse s'est produite en dessous de 100 mots, et chaque palier au-delà de 150 mots a ajouté moins.

Pourquoi les faux positifs sur les textes courts augmentent

Un détecteur construit sur de longs documents a un taux de faux positifs beaucoup plus élevé sur les textes courts. L'article a présenté un classifieur qui a été entraîné sur des textes de longueur complète et utilisé au seuil par défaut pour la classification de textes courts. Le taux de faux positifs du système pour les textes humains allait de 16.1% à 300 mots à 39.1% à 100 mots et 69.8% à 25 mots.

Sa détection des réécritures par l'IA a à peine changé sur la même plage, de 88.4% à 300 mots à 92.4% à 25 mots. Les erreurs supplémentaires étaient des signalements erronés de l'écriture humaine. L'article décrit le classifieur sur des entrées courtes comme systématiquement biaisé en faveur de les qualifier d'IA.

La cause est mécanique. Le rapport type-token, la part des mots distincts dans un texte, augmente à mesure qu'un texte raccourcit, parce qu'un échantillon court offre moins d'occasions de répéter un mot. Les textes humains de l'étude affichaient en moyenne un rapport de 0.47 à longueur complète et de 0.87 à 25 mots. Les réécritures par l'IA à longueur complète affichaient en moyenne 0.55.

Ce classificateur, entraîné sur des textes longs, apprendra qu’un ratio d’environ 0.55 sépare l’écriture de l’AI de l’écriture humaine. Tout texte de 25 mots, quel qu’en soit l’auteur, se situe bien au-dessus de ce ratio et est orienté vers le côté AI. L’article souligne qu’un détecteur déployé n’est pas réentraîné chaque fois que vous modifiez la longueur de l’entrée. Le guide sur le taux de faux positifs publié par Turnitin explique ce que ce chiffre inclut et ce qu’il exclut.

Pourquoi les textes courts sont difficiles à classer

Les textes courts donnent à un détecteur moins de tout ce qu’il mesure. Moins de mots signifie moins de jetons à comparer, et moins de phrases signifie moins de rythme à mesurer. Dans l’étude, un texte de 25 mots comptait en moyenne 1.6 phrase, un texte de 50 mots 2.7 phrases, et un texte de 300 mots 13.4 phrases.

La variation de longueur des phrases, souvent appelée burstiness, dépend de la comparaison des phrases entre elles. Dans l’étude, elle séparait les textes humains et AI de 0.71 écarts types sur les textes longs et de 0.31 à 100 mots. À 50 mots, la différence était pratiquement nulle. Un détecteur qui s’appuie sur la burstiness a besoin de plusieurs phrases pour la mesurer de manière fiable.

Une plus grande part de ce pouvoir est conservée au niveau des mots. La longueur moyenne des mots et le taux de mots longs conservaient environ les deux tiers de leur pouvoir de séparation à 25 mots. Mais il y avait aussi une augmentation du chevauchement, à 50 mots les scores des deux groupes tendent à se regrouper vers le centre. Une grande proportion de chaque groupe se retrouve dans la zone de chevauchement.

Le libellé cité ou stéréotypé compte aussi davantage dans un texte court. Une réponse de 50 mots comporte environ trois phrases, donc chaque phrase représente à peu près un tiers de ce que le détecteur observe. Une définition citée dans l’une d’elles pèse bien plus que la même phrase insérée dans un essai de 2,000 mots.

Billets de discussion, résumés, examens à réponse courte et lettres de motivation

Billets de forum de discussion

Un billet rédigé pour une consigne de 200 mots se situe en dessous du seuil de 300 mots de Turnitin, donc Turnitin ne lui attribue aucun AI score. D’autres outils peuvent toutefois lui attribuer un score. À 200 mots, le classificateur de l’étude signalait à tort 40.1% des textes humains lorsqu’il était réglé pour détecter 95% des réécritures AI, contre 28.6% sur les textes longs.

Résumés

Un résumé de journal de 250 mots est proche du seuil minimal, et les résumés sont des textes denses et formels. Une étude antérieure de TextPulse a montré que les textes humains que le classifieur classe mal sont les plus formels. L'article sur la longueur ajoute la longueur du texte comme deuxième cause distincte de faux signalements, et un résumé court et formel est exposé aux deux. Si un résumé est mis en doute, vérifier l'article complet donne au détecteur la longueur recommandée par son fournisseur.

Examens à réponse courte

Les réponses de 50 à 100 mots se situent dans la plage où les chiffres de l'étude chutent le plus vite. À 50 mots, un classifieur réglé pour détecter 95% des réécritures par IA a faussement signalé 58.8% des textes humains. L'article conclut qu'en dessous de 50 mots, aucun seuil pratique ne donne de résultats utilisables. Il ajoute que refuser de rendre un verdict sur un texte court est plus fiable que de lui attribuer un score.

Lettres de motivation

Une lettre de motivation d'une page pour un emploi ou une soumission à une revue compte quelques centaines de mots, et une grande partie suit des formulations établies. Pangram déconseille de filtrer un texte très stéréotypé. Si une lettre de motivation est vérifiée, considérez tout score comme une estimation avec une large marge.

Que faire lorsque votre texte est en dessous du seuil

Laissez le texte tel que vous l'avez rédigé, et fournissez plutôt le contexte du score. Ces étapes s'appliquent à l'auteur et à la personne qui examine un score.

1. Ne gonflez pas le texte. Des mots supplémentaires écrits pour atteindre un seuil modifient le texte que l'on vous a demandé de rédiger, et le score décrit alors la version gonflée.
2. Vérifiez le document entier lorsque c'est possible. Un essai ou un chapitre complet donne au détecteur la longueur recommandée, et la section courte est évaluée comme partie d'un texte plus long.
3. Regardez la vue par phrase. Les détecteurs qui attribuent un score aux phrases montrent quelles lignes déterminent le résultat, et dans un texte court il s'agit souvent d'une ou deux phrases, comme une définition citée.
4. Conservez vos brouillons et l'historique des versions. Ils montrent comment le texte s'est développé, et un score sur un passage court ne peut pas le montrer.
5. Demandez comment le score sera utilisé. Un résultat obtenu sur un texte en dessous de la longueur recommandée par le fournisseur est un signal faible, et un évaluateur devrait l'interpréter ainsi.

Pour le personnel, la discussion de l'article conduit à une règle simple, exiger davantage de texte, ou ne rendre aucun verdict en dessous d'une longueur indiquée. Le seuil de 300 mots de Turnitin est ce type de règle. Une fois qu'un rapport complet existe, le guide sur ce qu'est un bon score Turnitin explique comment l'interpréter.

Comment TextPulse traite les textes courts

TextPulse n'utilise pas de détecteur d'IA et ne vend pas d'analyses de détecteur. TextPulse affiche un Human Score (0 à 100) après chaque humanisation. Ce score est une estimation faite dans l'application, fondée sur la profondeur de la réécriture, la variété du vocabulaire, la distribution des jetons et la variation de la longueur des phrases de votre texte. Aucun détecteur n'a été utilisé pour calculer ce score.

Le AI Humanizer nécessite au moins 50 mots par humanisation, et il prend en charge jusqu'à 500 mots par passage sur Pro et 1,000 sur Plus. Le Document Humanizer peut traiter un fichier .docx anglais entier jusqu'à 15,000 mots. Il nécessite au moins 50 mots de corps de texte, et il conserve tels quels les titres, les listes, les tableaux, les légendes et les références. Les deux sont conçus pour réduire les scores d'IA sur des brouillons lorsque votre cours ou votre revue autorise l'assistance de l'IA.

Avant de coller votre texte dans un détecteur, vérifiez sa longueur à l'aide du Word Counter gratuit. Cet outil compte les mots, les caractères avec et sans espaces, les phrases et les mots uniques, afin que vous puissiez comparer un texte à un seuil indiqué dans l'une ou l'autre unité. Tous les détails de l'étude sur la longueur, les scores par texte et le code d'analyse, sont librement disponibles sur Zenodo, et le centre de recherche répertorie l'étude avec les autres articles TextPulse.