Le contenu écrit par l'IA est partout, littéralement.
Une page web en anglais sur dix présente désormais des signes significatifs d'avoir été écrite par une IA, selon une étude du Pew Research Center publiée jeudi. Si l'on restreint l'échantillon aux pages publiées depuis le lancement de ChatGPT en novembre 2022, la proportion passe à 35 %.
Ces conclusions ont été obtenues après que les chercheurs ont extrait environ 490 000 pages de l'archive web Common Crawl, couvrant la période de janvier 2021 à juillet 2026, puis ont fait analyser le texte par Open Pangram, un modèle de détection d'IA.
L'empreinte de l'IA n'est pas uniformément répartie. Les pages des domaines .com montrent des signes de rédaction par IA à un taux environ 10 fois supérieur à celui des domaines .edu ou .gov, qui se situent chacun autour de 1 %, et environ le double du taux de 4,6 % sur les sites .org.
En 2021, les quatre types de domaines semblaient presque identiques.
Comment Pew a repéré les machines
Le détecteur ne signale pas un seul mot ou une seule phrase, mais évalue plutôt des schémas statistiques sur de grandes quantités de texte. Cependant, certains indices sont devenus beaucoup plus courants depuis 2023 : les habituels tirets cadratins (aussi appréciés que nous les aimons nous-mêmes) apparaissent désormais environ deux fois plus souvent, les virgules d'Oxford ont augmenté de 63 %, et les mots favorisés par l'IA comme "approfondir", "interaction" et "témoignage" ont plus que doublé en fréquence.
Le « parallélisme négatif » – des constructions comme « ce n'est pas seulement X, c'est Y » – a presque triplé depuis 2023, bien que Pew note qu'il reste rare dans l'ensemble. Decrypt avait déjà identifié ces mêmes indices, et Merriam-Webster l'a officialisé en décembre, nommant « slop » son mot de l'année.
Pew tient à souligner les limites : les modèles de détection peuvent mal classer des pages individuelles dans les deux sens, et « des signes significatifs de rédaction par IA » ne signifie pas qu'une page a été entièrement écrite par une machine — une grande partie du texte était probablement assistée par l'IA plutôt que générée entièrement par l'IA.
Open Pangram provient de Pangram Labs, dont le détecteur a également été utilisé dans une recherche distincte révélant du texte généré par l'IA dans environ 9 % des articles de journaux américains cette année, y compris des pages d'opinion dans des médias comme The New York Times.
Cela dit, la détection de l'IA pourrait devenir plus facile avec le temps, non pas à cause des schémas, mais à cause de la technologie sous-jacente. De grandes entreprises d'IA comme Anthropic travaillent déjà sur l'empreinte textuelle au niveau du modèle, ce qui rendrait le texte d'IA facile à identifier tout en minimisant les erreurs.
L'écart entre les domaines révèle qui publie et pourquoi. Les sites universitaires et gouvernementaux passent par une révision éditoriale, une validation institutionnelle et des cycles de publication plus lents ; les domaines .com incluent tout, des salles de rédaction aux fermes de contenu de marketing d'affiliation qui produisent des pages à un rythme qu'aucun éditeur humain ne pourrait suivre.
À grande échelle, la tendance est forte, quelle que soit la situation : Le taux de rédaction par IA sur les domaines .com est passé d'environ 1 % en janvier 2021 à 9,35 % cinq ans plus tard, en janvier 2026 seulement.
