Quelle IA sent le moins l’IA ? « Véritable », les tirets cadratins et les meilleurs modèles
Nous avons compté, dans 3 574 textes classés en français, les marques que les lecteurs appellent « de l’IA » : tirets cadratins, formules toutes faites, « non pas X mais Y », listes de trois, calques de l’anglais. Claude Fable 5, alors troisième du classement, en a le plus ; les modèles les plus sobres sont des fichiers locaux en milieu de tableau. Et « véritable » apparaît 494 fois.
On reconnaît un texte « écrit par une IA » bien avant de savoir dire pourquoi. Quand on insiste, les mêmes choses reviennent : le tiret cadratin à chaque paragraphe, « véritable » devant n’importe quel nom, la phrase qui dit ce qu’une chose n’est pas avant de dire ce qu’elle est, la liste qui compte toujours trois éléments, et ces tournures calquées sur l’anglais, « réaliser que », « faire du sens ». Rien de tout cela ne prouve quoi que ce soit. Tout cela se compte. Nous l’avons donc compté, dans chaque texte en français entré au classement, et ramené à un chiffre par modèle : des marques pour 1 000 mots. Cet article explique ce que ce chiffre montre. Les chiffres cités dans le texte datent du 20 septembre 2026 ; les graphiques sont recalculés à chaque mise à jour du classement et peuvent s’en écarter.
Au 20 septembre, le troisième du classement laissait le plus de marques, les fichiers locaux le moins
À quel point les 15 meilleurs modèles sentent l’IA
Marques de prose machine pour 1 000 mots dans les textes classés : tirets cadratins, formules toutes faites, « non pas X mais Y », listes de trois, calques de l’anglais. Plus bas, c’est mieux ; n° = rang au classement.
Voir les données en tableau
| Marques pour 1 000 mots | Rang | Textes | |
|---|---|---|---|
| Claude Sonnet 5.5 💡 adaptive high | 2,1 | 6 | 37 |
| Claude Opus 5.5 💡 adaptive high | 2,5 | 2 | 37 |
| GPT-6 Sol 💡 high | 3,0 | 8 | 35 |
| GPT-5.6 Terra 💡 high | 4,7 | 24 | 30 |
| GPT-6 Luna 💡 high | 5,0 | 16 | 39 |
| DeepSeek V4 Pro 💡 enabled | 5,0 | 27 | 73 |
| Qwen3.8 27B Q4_K_M 💡 xhigh** 🏠 | 5,2 | 30 | 34 |
| Qwen3.7 Plus 💡 enabled | 5,3 | 36 | 68 |
| Qwen3.7 Max 💡 enabled | 5,7 | 31 | 55 |
| MiMo V2.6 Pro fp8 💡 high | 7,5 | 25 | 38 |
| Kimi K3 💡 enabled | 8,0 | 10 | 39 |
| GLM 5.2 💡 enabled | 8,3 | 38 | 67 |
| GPT-5.6 Sol 💡 high | 8,6 | 15 | 150 |
| MiniMax M3 💡 enabled | 11,1 | 28 | 61 |
| Claude Fable 5 💡 adaptive high | 11,4 | 5 | 229 |
Au 20 septembre, parmi les quinze modèles les mieux classés, celui qui laissait le plus de marques était Claude Fable 5, alors troisième du classement, avec 11,4 marques pour 1 000 mots, presque toutes des tirets cadratins : un tous les 100 mots. Kimi K3, alors cinquième, était à 7,1 ; GPT-5.6 Sol, alors neuvième, à 8,6. À l’autre bout, les fichiers Gemma 4 et Qwen exécutés sur notre machine restaient sous 5 : Gemma 4 31B QAT-Q4_0 en raisonnement, alors 39e, n’avait que 4,0 marques pour 1 000 mots et moins d’un tiret tous les 1 000 mots. Le modèle médian est à 5,1.
Le tiret fait la différence, « véritable » fait le reste
De quoi les marques sont faites, pour les dix meilleurs modèles
Le même indice décomposé par famille, pour 1 000 mots.
- Tirets cadratins
- Formules toutes faites
- « Non pas X, mais Y »
- Listes de trois
- Calques
Voir les données en tableau
| Tirets cadratins | Formules toutes faites | « Non pas X, mais Y » | Listes de trois | Calques | Marques pour 1 000 mots | |
|---|---|---|---|---|---|---|
| Claude Opus 5.5 💡 adaptive high | 1,0 | 0,3 | 0,0 | 1,1 | 0,0 | 2,5 |
| Claude Fable 5 💡 adaptive high | 10,0 | 0,4 | 0,2 | 0,9 | 0,1 | 11,4 |
| Claude Sonnet 5.5 💡 adaptive high | 1,0 | 0,5 | 0,0 | 0,7 | 0,0 | 2,1 |
| GPT-6 Sol 💡 high | 2,1 | 0,0 | 0,3 | 0,6 | 0,0 | 3,0 |
| Kimi K3 💡 enabled | 6,0 | 0,5 | 0,1 | 1,4 | 0,0 | 8,0 |
| GPT-5.6 Sol 💡 high | 6,0 | 0,5 | 0,2 | 1,8 | 0,1 | 8,6 |
| GPT-6 Luna 💡 high | 4,2 | 0,0 | 0,1 | 0,7 | 0,0 | 5,0 |
| GPT-5.6 Terra 💡 high | 2,8 | 0,2 | 0,1 | 1,6 | 0,0 | 4,7 |
| MiMo V2.6 Pro fp8 💡 high | 6,3 | 0,2 | 0,1 | 0,8 | 0,1 | 7,5 |
| DeepSeek V4 Pro 💡 enabled | 2,9 | 1,0 | 0,2 | 0,8 | 0,2 | 5,0 |
Décomposé par famille, l’indice raconte une histoire simple. Sur l’ensemble du corpus français, 1,5 million de mots, les tirets cadratins pèsent 3,3 marques pour 1 000 mots, les formules toutes faites 1,1, les listes de trois 0,9, les « non pas X mais Y » 0,4 et les calques 0,2. Les formules sont rares, mais ce sont toujours les mêmes : « véritable » revient 494 fois, « au cœur de » 114, « n’hésitez pas » 176, « par ailleurs, » 112, « résonne » 70. Le calque le plus fréquent est « réalise que », 77 fois, au sens anglais de « se rendre compte ».
Une curiosité en marge de l’indice : Mistral Medium 3.5 128B, alors 42e, met du gras, des titres et des puces partout, 34 éléments de mise en forme pour 1 000 mots, cinq fois la moyenne. Ce n’est pas compté dans l’indice, parce qu’une consigne peut demander une liste, mais c’est la marque la plus visible de ce modèle.
En français, mieux écrire va avec plus de marques
Score d’écriture et marques de prose machine
Un point par modèle ayant au moins 30 textes classés ; modèles locaux dans la seconde couleur. Corrélation entre les deux : 0,23.
Voir les données en tableau
| Marques pour 1 000 mots | Score d’écriture | |
|---|---|---|
| Claude Opus 5.5 💡 adaptive high | 2,5 | 98,4 |
| Claude Fable 5 💡 adaptive high | 11,4 | 96,8 |
| Claude Sonnet 5.5 💡 adaptive high | 2,1 | 96,7 |
| GPT-6 Sol 💡 high | 3,0 | 96,0 |
| Kimi K3 💡 enabled | 8,0 | 94,0 |
| GPT-5.6 Sol 💡 high | 8,6 | 87,0 |
| GPT-6 Luna 💡 high | 5,0 | 85,7 |
| GPT-5.6 Terra 💡 high | 4,7 | 77,4 |
| MiMo V2.6 Pro fp8 💡 high | 7,5 | 76,0 |
| DeepSeek V4 Pro 💡 enabled | 5,0 | 73,1 |
| MiniMax M3 💡 enabled | 11,1 | 72,7 |
| Qwen3.8 27B Q4_K_M 💡 xhigh** 🏠 | 5,2 | 72,2 |
| Qwen3.7 Max 💡 enabled | 5,7 | 71,8 |
| Qwen3.7 Plus 💡 enabled | 5,3 | 69,3 |
| GLM 5.2 💡 enabled | 8,3 | 64,0 |
| Seed 2.1 Turbo ↯ | 2,8 | 63,8 |
| MiMo V2.5 Pro 💡 enabled | 9,5 | 61,6 |
| Gemma 4 31B Q6_K 💡 on* 🏠 | 4,3 | 59,3 |
| Qwen3.8 27B Q6_K 💡 xhigh** 🏠 | 4,7 | 57,7 |
| Qwen3.6 27B Q8_0 💡 on* 🏠 | 4,2 | 53,2 |
| Gemma 4 26B A4B Q8_0 💡 on* 🏠 | 4,4 | 50,2 |
| Gemma 4 26B A4B QAT-Q4_0 💡 on* 🏠 | 4,9 | 49,8 |
| DeepSeek V4 Flash 💡 enabled | 6,2 | 49,3 |
| Gemma 4 31B QAT-Q4_0 💡 on* 🏠 | 4,2 | 49,3 |
| Mistral Medium 3.5 128B Q4_K_M ↯ 🏠 | 7,8 | 49,2 |
| Gemma 4 12B QAT-Q4_0 💡 on* 🏠 | 5,1 | 47,1 |
| Agnes 3.0 Flash 💡 high | 4,4 | 46,0 |
| Qwen3.6 27B Q4_K_M 💡 on* 🏠 | 4,7 | 45,6 |
| Gemma 4 12B Q8_0 💡 on* 🏠 | 4,9 | 43,3 |
| Gemma 4 26B A4B Q6_K ↯ 🏠 | 4,6 | 42,8 |
| MiMo V2.5 💡 enabled | 6,7 | 42,0 |
| Gemma 4 31B Q8_0 💡 on* 🏠 | 4,3 | 42,0 |
| MiMo V2.6 Flash 💡 high | 9,0 | 37,5 |
| Qwen3.6 35B A3B Q8_0 💡 on* 🏠 | 3,7 | 36,6 |
| Gemma 4 12B Q8_0 ↯ 🏠 | 4,9 | 35,2 |
| Gemma 4 31B Q6_K ↯ 🏠 | 4,9 | 33,0 |
| Gemma 4 31B QAT-Q4_0 ↯ 🏠 | 4,1 | 31,2 |
| Qwen3.6 35B A3B Q4_K_M 💡 on* 🏠 | 3,5 | 30,3 |
| Qwen3.8 27B Q4_K_M ↯ 🏠 | 4,4 | 27,9 |
| Qwen3.6 27B Q8_0 ↯ 🏠 | 4,7 | 17,4 |
| Qwen3.6 35B A3B Q8_0 ↯ 🏠 | 5,2 | 15,1 |
| Gemma 4 E2B Q4_K_M ↯ 🏠 | 3,2 | 5,4 |
C’est le résultat le plus inattendu de cette série : sur les 26 modèles ayant au moins 30 textes classés, la corrélation entre l’indice et le score d’écriture est de 0,65, franchement positive. Les modèles que les juges préfèrent sont ceux qui ponctuent le plus. Le tiret cadratin, en français, est une marque de prose soignée autant qu’une marque de machine, et les juges, qui ne voient jamais les noms, ne le sanctionnent pas. En anglais, la même corrélation est nulle ; en allemand et en espagnol, légèrement positive.
Ce que l’indice dit, et ce qu’il ne dit pas
L’indice compte des marques de surface, rien d’autre. Ce n’est pas un détecteur d’IA : un texte humain plein de tirets obtiendrait le même chiffre. Il dépend aussi de la consigne, une demande de liste produit une liste ; c’est pourquoi la mise en forme et les émojis sont donnés à part dans les données et pas ajoutés à l’indice.
Ce qu’il dit est pratique : quel premier jet demandera le moins de travail avant de ne plus sentir la machine. En français, ce n’est pas le meilleur modèle. C’est soit un fichier local sobre, soit le meilleur modèle suivi d’un rechercher-remplacer sur le tiret, une minute qui efface l’essentiel du signal. Le nuage de points ci-dessus place les deux chiffres face à face, modèle par modèle.
Le même comptage en anglais, en allemand et en espagnol
Les quatre éditions ne sentent pas l’IA de la même façon. Les textes allemands portent le plus de marques, 11,7 pour 1 000 mots ; l’anglais 10,5 ; le français 5,8 ; l’espagnol 4,9, où le tiret est rare et où les marques sont « además, » et les listes de trois. Chaque édition a sa propre version de cet article et sa propre liste de formules, parce qu’un lecteur français tique sur « véritable » et un lecteur allemand sur « zudem ».
Conclusion
Sentir l’IA et bien écrire sont deux choses différentes, et en français elles vont même dans le même sens : plus un modèle est haut au classement, plus il laisse de marques, surtout des tirets cadratins. Claude Fable 5 en met un tous les 100 mots, Kimi K3 un tous les 200, les fichiers Gemma et Qwen presque aucun. Les formules toutes faites sont rares, une tous les 900 mots, mais toujours les mêmes : « véritable », « au cœur de », « n’hésitez pas ». Pour un brouillon qui ne doit pas sentir la machine, prenez un bon modèle et supprimez les tirets, ou choisissez-le d’après l’indice de chaque modèle dans les graphiques de cet article.
