Présentation
Pangram, société fondée à Brooklyn en 2023 par d'anciens chercheurs de Tesla et Google, commercialise un détecteur d’IA destiné aux textes et aux images. Le service se veut « free », propose trois scans d’image gratuits par jour et accepte les formats PDF, DOCX et RTF, jusqu’à 100 fichiers simultanément. Il affirme couvrir plus de 20 langues et accepter des images d’au moins 512 × 512 px, limitées à 30 Mo chacune.
Mécanismes de détection
Le moteur repose sur du traitement du langage naturel (NLP) couplé à un jeu de données massif contenant des exemples humains et générés par IA. Pangram utilise le hard negative mining et l’active learning pour réduire les faux positifs, évitant les approches basées uniquement sur la perplexité ou la burstiness qui échouent souvent sur du texte « humanisé ». Le système segmente le document, attribue à chaque segment un score de probabilité d’origine IA, et met en évidence les parties où une assistance IA a été ajoutée plutôt que générées intégralement.
Performances et validation
Les résultats publiés indiquent une précision globale de 99,7 % sur un benchmark de 26 modèles, dont les plus récents de OpenAI, Anthropic, Google, Meta, DeepSeek et xAI. Parmi les modèles testés, Claude Sonnet atteint 99,9 % de précision, Claude Opus 99,8 % (juillet 2026), GPT‑5.6 99,6 % (juillet 2026) et Gemini 3 99,5 % (novembre 2025). Les études tierces menées par l’Université du Maryland et l’Université de Chicago confirment ces chiffres et déclarent que le détecteur surpasse même des évaluateurs humains entraînés.
En matière d’image, le service accepte les formats JPG, PNG et WebP, analyse les métadonnées et les artefacts visuels propres aux générateurs d’images IA, et fournit un score de confiance similaire à celui du texte.
Limites et perspectives
Malgré les performances affichées, le produit dépend d’un entraînement continu : chaque nouvelle version de modèle LLM nécessite une mise à jour du jeu de données et un nouveau benchmark. Le texte indique que le système est « always up to date », mais aucune fréquence de mise à jour n’est précisée. De plus, la déclaration d’une précision de 99,7 % ne détaille pas le taux de faux négatifs, ce qui complique l’évaluation de la robustesse face à des techniques d’évasion avancées. Enfin, la prise en charge multilingue, bien que revendiquée pour plus de 20 langues, ne précise pas les performances par langue, un point crucial pour les institutions académiques non anglophones.
