Revue du détecteur d'IA Pangram (2026) : précision et faux positifs

Pangram est un détecteur d'IA de Pangram Labs, et l'entreprise affirme qu'il est plus de 99 % précis. Elle indique aussi qu'elle identifie à tort environ 1 humain sur 10 000 textes. Pangram renvoie vers des études externes menées par l'Université de Chicago et l'Université du Maryland, qu'elle affirme avoir abouti à des résultats similaires.

Ci-dessous, nous examinons les chiffres de précision et de faux positifs de Pangram, ainsi que ce que des études indépendantes ont trouvé. Ensuite, nous expliquons comment Pangram détecte le texte généré par IA, comment il se compare à GPTZero, Copyleaks et Turnitin, et ses prix ainsi que ses langues prises en charge.

Ce que fait Pangram

Pangram est un outil de détection conçu pour les écoles, les éditeurs, les cabinets d'avocats et d'autres organisations qui doivent distinguer les écrits humains et ceux assistés ou générés par IA. Vous collez un texte ou téléversez un fichier. Pangram renvoie une prédiction « Humain », « AI-Generated » ou « AI-Assisted », ainsi qu'un score indiquant la part du document associée à chaque libellé.

Pangram Labs a démarré à Brooklyn, New York, en 2023. Ses fondateurs ont travaillé sur la recherche en IA chez Tesla et Google avant de lancer l'entreprise. La gamme de produits inclut désormais un vérificateur de plagiat intégré au détecteur d'IA, un détecteur d'images générées par IA et une extension de navigateur. Elle s'intègre aussi à Gmail, Google Docs et à des systèmes de gestion de l'apprentissage comme Canvas, Moodle, Google Classroom et Brightspace. Une API est également disponible pour les développeurs qui souhaitent intégrer la détection d'IA dans leurs propres applications.

Le dernier modèle de Pangram, Pangram 4, nécessite au moins 50 mots en entrée et fonctionne mieux avec des phrases complètes. Les réponses courtes et les listes à puces lui laissent moins de matière. Chaque résultat inclut un niveau de confiance élevé, moyen ou faible pour chaque segment, ainsi que des sections surlignées indiquant quelles phrases le modèle classe comme AI-Generated, AI-Assisted ou Humain.

Le libellé « AI-Assisted » signifie que Pangram pense que l'IA a modifié ou amélioré un texte que la personne avait commencé. Si vous avez utilisé un outil de grammaire ou un réécrivain par IA sur des parties de votre texte, ce libellé peut apparaître même si les idées et la structure vous appartiennent. Vérifiez ce que votre école ou votre employeur autorise comme outils d'édition par IA avant de considérer ce libellé comme un problème.

Ce que Pangram affirme concernant sa précision

La FAQ de Pangram indique que le détecteur est à plus de 99 % de précision, avec un taux de faux positifs d'environ 1 sur 10 000. Elle précise que ce chiffre est calculé sur des jeux de données publics contenant des dizaines de millions de documents. Pangram compare aussi son modèle à 26 systèmes d'IA et annonce une précision de 99,7 % sur ces échantillons générés par IA, en tant que groupe, avec une re-vérification après chaque grande sortie de modèle.

Pangram publie aussi des chiffres de précision pour des modèles individuels :

Ce sont les chiffres propres à Pangram, mesurés sur ses propres jeux de test. Sa fiche de modèle Pangram 4 décompose davantage les résultats. Sur 519 993 échantillons d'IA en anglais provenant de 26 modèles, Pangram 4 a manqué 0,34% d'entre eux, proche du chiffre phare de 99,7%. La fiche de modèle indique aussi un taux d'erreur de 1,24% sur un jeu multilingue couvrant 18 langues; ainsi, Pangram détecte le texte généré par IA avec un peu moins de fiabilité en dehors de l'anglais.

Taux de faux positifs de Pangram, par domaine et par langue

La FAQ de Pangram donne un taux global unique de faux positifs de 1 sur 10 000. Sa fiche de modèle Pangram 4 indique un chiffre plus précis. Sur 1 000 000 de documents en anglais issus du jeu de données FineWeb, Pangram 4 a enregistré 41 faux positifs, soit 0,0041%, ce qui est proche de 1 sur 24 000. Sur un jeu multilingue de 996 273 documents répartis sur 104 langues, il a eu 14 faux positifs, soit 0,0014%.

Le taux varie selon le domaine. La fiche de modèle de Pangram liste ces taux de faux positifs :

Pour la rédaction universitaire en anglais, la fiche de modèle de Pangram indique un taux de faux positifs de 0,019%, soit environ 1 sur 5 000 documents. C'est plus élevé que le chiffre global, et c'est celui qui compte le plus pour les étudiants et les chercheurs. La prose universitaire formelle suit des schémas établis, et c'est le texte très formulé où les données propres à Pangram montrent davantage de faux positifs.

Dans son article de blog sur les faux positifs, Pangram explique que le taux augmente pour des textes courts, qui ne sont pas rédigés en phrases complètes, ou très formulés, comme les recettes et la poésie. Il indique que le taux reste faible sur des textes longs et originaux, tels que les essais, les critiques et les rapports, car ce type d'écriture offre davantage de matière au modèle.

La langue influence aussi le taux. La fiche de modèle de Pangram indique un support officiel pour 24 langues : l'anglais, l'espagnol, le français, le portugais, l'arabe, le chinois, le japonais, le coréen, le russe, le turc, le hongrois, l'allemand, le néerlandais, le suédois, le roumain, l'ukrainien, le polonais, l'italien, le tchèque, le grec, l'hindi, le persan, l'ourdou et le vietnamien. Son taux mesuré de faux positifs varie de 0,0000% pour des langues comme l'arabe, le chinois et le japonais, jusqu'à 0,0078% pour le portugais et 0,0361% pour l'ukrainien. Pour toutes ces langues, on reste toutefois très loin de 1 sur 1 000. Pangram indique aussi qu'il peut généraliser à des langues en dehors de cette liste et invite à faire des demandes pour évaluer une nouvelle langue.

Pangram publie également des comparaisons avec d'autres détecteurs. Sur des avis de produits issus de la recherche de l'Université de Chicago, il rapporte des taux de faux positifs de 0,5% pour lui-même, 1,7% pour Originality.ai et 2,4% pour GPTZero. Il s'agit des chiffres de Pangram, provenant de son propre blog.

Études externes citées par Pangram

Une étude 2025 University of Chicago Booth a trouvé que les principaux détecteurs d'IA ont signalé plus de 90% de texte d'IA non modifié. La plupart d'entre eux ont signalé moins de la moitié lorsque le texte a été passé par un humanizer d'IA. Pangram faisait partie des quatre détecteurs testés, avec GPTZero, Originality.ai et le détecteur open source RoBERTa. Pangram affirme être le seul qui a maintenu son taux de faux positifs sous 0,5% tout en détectant encore le texte généré par IA.

Pangram cite aussi une étude de juin 2026 de la Vrije Universiteit Brussel. Elle a testé Pangram, GPTZero, Turnitin et Copyleaks sur 160 articles universitaires rédigés par des locuteurs non natifs d'anglais, répartis entre texte humain, texte généré par IA, texte hybride et texte humanisé. Pangram indique qu'aucun des quatre outils n'a signalé les articles rédigés par des humains dans cette étude.

Une étude 2025 : Pangram face à des lecteurs humains experts

Un article 2025 de Jenna Russell, Marzena Karpinska et Mohit Iyyer a été publié à la conférence ACL 2025. Il a testé si des personnes qui utilisent souvent des outils d'écriture fondés sur l'IA peuvent détecter le texte généré par IA aussi bien que le font des détecteurs automatiques. Cinq annotateurs, qui ont déclaré utiliser fréquemment des LLM pour leur propre rédaction, ont lu 300 articles non fictifs en anglais. L'ensemble mélangeait des textes écrits par des humains et des textes provenant de GPT-4o, Claude et o1-Pro, incluant certains articles passés par un humanizer. La majorité des votes de ces cinq annotateurs a mal classé seulement 1 des 300 articles.

L'étude a comparé ce panel à cinq détecteurs automatiques: Pangram, GPTZero, Binoculars, Fast-DetectGPT et RADAR. Les chercheurs ont fait tourner deux modèles Pangram, son détecteur de base et un modèle distinct appelé Pangram Humanizers, qui est entraîné pour détecter le texte passé par un humanizer. Pangram Humanizers a été le seul détecteur à correspondre au panel d'experts, avec un taux moyen de vrais positifs de 99,3% et un taux de faux positifs de 2,7% sur l'ensemble du test. Le modèle de base de Pangram a atteint un taux moyen de vrais positifs de 98,0% avec un taux de faux positifs de 2% sur le même ensemble.

Un taux de faux positifs de 2,7% est plus élevé que le chiffre de 1 sur 10 000 que Pangram indique dans ses propres évaluations. Ce test utilisait un ensemble d'articles bien plus réduit, 300 plutôt que les millions que Pangram cite ailleurs. L'article a également évalué Pangram en n'utilisant que ses libellés Human et AI-Generated, sans lui donner de crédit pour son libellé neutre "Possibly AI". Pangram et GPTZero ont tous deux fourni aux chercheurs des crédits d'API pour exécuter le test.

Comment Pangram détecte l'écriture par IA

Pangram affirme qu'il n'utilise ni la perplexité, ni la burstiness, les deux signaux sur lesquels reposent la plupart des anciens détecteurs d'IA. La perplexité mesure à quel point chaque mot est prévisible pour un modèle de langage, et la burstiness mesure dans quelle mesure cette prévisibilité varie au cours d'un document. Nous expliquons les deux dans notre propre article sur la perplexité dans la détection par IA.

Pangram soutient que les détecteurs fondés sur la perplexité se trompent dès que le modèle a mémorisé un texte pendant l'entraînement, y compris la Déclaration d'indépendance et de larges parties de Wikipedia. Les modèles apprennent à prédire le texte mémorisé avec une perplexité très faible, quelle que soit la personne qui l'a écrit. Pangram affirme aussi que les méthodes fondées sur la perplexité présentent un taux plus élevé de faux positifs dans les textes en anglais non natif, car des structures de phrases plus simples sont également plus prévisibles. Nous couvrons la même configuration de faux positifs pour les auteurs non natifs dans un article qui examine d'autres détecteurs.

Au lieu de cela, Pangram entraîne directement un modèle d'apprentissage profond sur de vastes ensembles de textes écrits par des humains et par une IA. Il utilise une méthode qu'il appelle hard negative mining pour trouver des textes humains qui ressemblent par hasard à une sortie d'IA. Pangram traite des documents complets au niveau des tokens. Il étiquette chaque segment comme Human, AI-Assisted ou AI-Generated, avec une note continue indiquant à quel point le segment semble avoir été rédigé par une IA. Pangram affirme que le modèle s'améliore à mesure qu'il est entraîné sur davantage de données.

Pangram vs GPTZero, Copyleaks et Turnitin

Pangram, GPTZero et Copyleaks sont accessibles à tous ceux qui s'inscrivent. Turnitin ne fonctionne que via un compte d'école ou d'éditeur, et une personne qui passe un test ne voit généralement un score Turnitin que si un enseignant le transmet.

Nous avons abordé chacun de ces détecteurs séparément : voir Pangram est-il fiable, Copyleaks détecte-t-il l'IA et Turnitin peut-il détecter un texte d'IA humanisée. Les chiffres de faux positifs du tableau correspondent à chaque affirmation propre à l'entreprise, comme Pangram et les autres fournisseurs le déclarent.

Pangram est un détecteur autonome. Grammarly et Scribbr proposent la détection d'IA dans le cadre de leurs outils d'écriture, et nous avons examiné séparément le détecteur d'IA de Grammarly et le détecteur d'IA de Scribbr.

Tarifs et limites de l'offre gratuite

L'offre Gratuite de Pangram ne nécessite aucune méthode de paiement. Elle couvre 2 000 mots d'analyse par jour et 3 analyses de détection d'image par jour. Cela inclut le téléversement de fichiers avec OCR, l'extension de navigateur, l'intégration à Google Docs et l'accès à l'API, dans plus de 20 langues.

L'offre Individuel inclut un essai gratuit de 7 jours avant que la facturation mensuelle de US$20 ne démarre, et la facturation annuelle permet d'économiser US$60 par an par rapport au tarif mensuel. L'offre Professionnel est facturée US$65 immédiatement plutôt que via un essai, et permet d'économiser US$240 par an avec une facturation annuelle. Pangram indique aussi des tarifs distincts pour les entreprises, destinés aux équipes, affichés une fois l'onglet Business sélectionné sur sa page de tarification.

Qui utilise Pangram

Les écoles et les universités constituent la plus grande base de clients de Pangram. Ses intégrations LMS se connectent directement à Canvas, Moodle, Google Classroom et Brightspace. Un enseignant peut voir un résultat Pangram à côté de la soumission d'un étudiant, sans quitter la plateforme qu'il utilise déjà pour corriger.

Les maisons d'édition, les cabinets d'avocats et les équipes RH utilisent Pangram pour différentes raisons : vérifier des manuscrits soumis, examiner des documents dans le cadre d'une affaire, ou filtrer des dossiers de candidature. L'API permet à chacune de ces organisations d'intégrer la détection de Pangram dans ses propres outils internes. Les intégrations Gmail et Google Docs permettent à une seule personne de vérifier le texte sans quitter sa boîte de réception ni le document.

Pour un étudiant, cela signifie généralement qu'un score Pangram apparaît dans le même tableau de bord que celui que votre enseignant utilise déjà pour les notes et les retours. Ce n'est pas un rapport distinct que vous demandez vous-même. Si votre établissement déploie Pangram via un LMS, demandez à votre enseignant ou à votre département quel score est considéré comme préoccupant et ce qui se passe ensuite.

Si un résultat Pangram signale votre production, un historique de votre propre processus de rédaction compte davantage que de débattre uniquement du score. Nous abordons ce sujet dans des articles distincts : constituer un historique de votre processus de rédaction et les étapes pour un recours formel.

Si l'IA a aidé à rédiger une partie de votre travail, notre humanizer d'IA réécrit cette section dans votre propre style. Les citations, les termes techniques et les nombres restent exactement tels que vous les avez écrits, et l'outil est conçu pour faire baisser les scores d'IA sur les sections qu'il modifie.

Questions fréquemment posées

Q: Pangram est-il fiable ?

Pangram affirme être fiable à plus de 99 % et cite des études externes aux résultats similaires. Sa propre fiche de modèle montre toutefois une précision plus faible sur les textes de moins de 50 mots et sur certaines langues autres que l'anglais.

Q: Quel est le taux de faux positifs de Pangram ?

L FAQ de Pangram indique un taux global d environ 1 sur 10 000. La fiche du modèle Pangram 4 rapporte un chiffre plus précis de 0,0041 % soit environ 1 sur 24 000, mesuré sur 1 000 000 documents en anglais, avec un taux qui varie selon le domaine et la langue.

Q: En quoi Pangram se compare à GPTZero ?

Pangram indique que son taux de faux positifs est d environ 1 sur 10 000, et GPTZero affirme environ 1 % sur le benchmark RAID. Les deux proposent des formules gratuites et une inscription ouverte. Nous couvrons les chiffres propres à GPTZero dans notre revue de l exactitude de GPTZero.

Q: En quoi Pangram se compare à Turnitin ?

Turnitin ne fonctionne que via un compte d établissement scolaire ou d éditeur, tandis que chacun peut s inscrire directement à Pangram. Pangram cite un taux de faux positifs de 0,51 % sur l écriture académique, provenant du livre blanc de Turnitin, et indique pour son service un taux plus faible.

Q: En quoi Pangram se compare à Copyleaks ?

Copyleaks indique un taux de faux positifs d environ 0,2 %, et Pangram annonce un taux plus faible pour son propre outil. Les deux proposent des analyses gratuites, et nous couvrons Copyleaks dans Copyleaks détecte t il l IA.

Q: Comment Pangram détecte t il l écriture assistée par IA ?

Pangram utilise un modèle d apprentissage profond entraîné sur du texte humain et du texte généré par IA. Il n utilise pas la perplexité et la burstiness, des mesures sur lesquelles s appuient beaucoup d anciens détecteurs. Il étiquette chaque segment d un document comme Humain, Assisté par IA ou Généré par IA, et fournit un niveau de confiance pour le résultat.

Q: Le détecteur d IA de Pangram est il gratuit ?

Oui, la formule gratuite ne nécessite aucun moyen de paiement et couvre 2 000 mots de numérisation de texte par jour, plus 3 analyses d images. Les formules payantes commencent à US$20 par mois, facturés annuellement, pour 300 000 mots par mois et la détection de plagiat.

Q: Pangram détecte t il le texte passé par un humanizer d IA ?

Pangram indique que oui, et s appuie sur l étude Chicago Booth de 2025 comme preuve. Les détecteurs et les humanizers évoluent tous deux souvent, de sorte que les résultats sur du texte humanisé peuvent changer avec le temps.

Q: Que révèle l étude de l University of Maryland à propos de Pangram ?

Un article de 2025 de l University of Maryland a constaté que le modèle de Pangram prenant en compte l humanizer, Pangram Humanizers, était le seul détecteur automatique à correspondre à un panel de cinq lecteurs humains experts. Les deux atteignaient un taux moyen de vrais positifs de 99,3 % sur 300 articles de test. Le taux de faux positifs de Pangram dans ce test précis était de 2,7 %, bien supérieur au ratio d 1 sur 10 000 qu il annonce à partir de ses évaluations plus larges.

Q: Qui fabrique Pangram ?

Pangram Labs est l entreprise à l origine de Pangram. Fondée en 2023 à Brooklyn, New York, par d anciens chercheurs en IA issus de Tesla et de Google, elle vend aussi un outil de vérification de plagiat, un détecteur d images assistées par IA et un accès API, en plus de son détecteur de texte.

Humanizer d IA académique

Réécrit des brouillons académiques assistés par IA dans votre propre voix, en laissant les citations, les termes techniques et les chiffres exactement tels que vous les avez écrits.