Blog TextPulse

26 / 30

Table of common AI words and phrases grouped by register, beside the plainer word a careful writer uses instead
Humanisation IA

40+ mots et expressions qui trahissent ChatGPT

Une référence de travail pour les mots formels et surutilisés qui signalent une prose rédigée par machine, organisée par registre et fondée sur les études réelles à l'origine de ce schéma, avec ce qu'un éditeur attentif utilise à la place de chacun.

22 min read
Illustration answering will I get caught using ChatGPT, showing the stages of a university academic integrity process from report to appeal
Détection IA

Vais-je me faire prendre en utilisant ChatGPT ?

Se faire prendre est rarement un moment unique déclenché par un pourcentage. C'est un processus défini avec des étapes, des normes de preuve et des droits d'appel, dont la plupart n'aboutissent jamais au-delà d'un premier entretien. Voici à quoi ce processus ressemble réellement de bout en bout, en s'appuyant sur une procédure universitaire publiée plutôt que sur une supposition.

8 min read
Illustration answering can professors tell if you use ChatGPT, showing a professor comparing a new essay against a student's earlier drafts
Détection IA

Les professeurs peuvent-ils savoir si vous avez utilisé ChatGPT ?

Les logiciels de détection comptent moins ici que la plupart des étudiants ne le pensent. Ce texte examine ce qu’un professeur qui a déjà lu vos travaux remarque réellement lorsqu’un brouillon cesse de vous ressembler, depuis une étude à l’aveugle marquante sur des examinateurs jusqu’aux signes précis et vérifiables qui apparaissent bien avant quiconque lance une analyse.

6 min read
AI detectors biased against non-native speakers: bar chart of false positive rates for seven detectors on TOEFL versus native-speaker essays
Détection IA

Pourquoi les détecteurs d'IA sont biaisés contre les rédacteurs non natifs de l'anglais

Une étude Stanford de 2023 a constaté que les détecteurs d'IA interprétaient à tort des écrits en anglais fluides de locuteurs non natifs comme générés par machine à un taux bien plus élevé que les écrits de locuteurs natifs. Voici le mécanisme derrière cet écart, et ce qui s'est passé lorsque les mêmes essais ont été réécrits avec un vocabulaire plus riche.

7 min read

Les articles sans traduction dans votre langue se trouvent sur le blog anglais.