Déjouer les détecteurs de textes générés par l’IA : approches et limites

Details

Supervisors

Deville, Yves

Faculty

Ecole polytechnique de Louvain

Degree label

Master [60] en sciences informatiques

Abstract

frCe mémoire étudie la robustesse des détecteurs de texte IA à travers différentes attaques. En employant un protocole quasi-expérimental, nous avons constitué pour ce travail un corpus de textes générés par trois LLM différents (Mistral, Gemini 1.5, Gemini 2.0) qui subira des attaques de quatre types : pré-prompt, reformulation simple, reformulation récursive et humanisation. Il apparaîtra que les détecteurs, comme Originality.ai, résistent bien à des attaques conventionnelles, mais qu'avec les outils d'humanisation, ils deviennent complètement inefficaces. Dès lors, cette étude considère qu'aujourd'hui, et dans un contexte académique, la fiabilité de ces détecteurs est très limitée face à des utilisateurs avertis.