Aujourd'hui, OpenAI a lancé GPT-4.5 : le modèle linguistique de pointe le plus récent et le plus puissant à ce jour, ainsi qu'une mise à jour majeure de ChatGPT. Bien qu'il n'atteigne pas des performances comparables à celles de modèles de raisonnement tels que DeepSeek R1 et OpenAI O3, GPT-4.5 représente le lancement de modèle le plus important et le plus attendu de l'année jusqu'à présent, et nous sommes impatients de le tester. OpenAI affirme que la qualité de l'écriture a été considérablement améliorée, et les premières réactions sur ses performances envahissent déjà les réseaux sociaux.
Nous avons voulu répondre à la question que beaucoup se posent : alors que les modèles ne cessent de s'améliorer, est-il encore possible de détecter un texte généré par l'IA avec GPT-4.5 ? Nous avons effectué un petit test aujourd'hui pour le vérifier.
Nous avons commencé par sélectionner 11 exemples de requêtes représentatives des tâches d'écriture quotidiennes que l'on pourrait confier à ChatGPT.
Voici les consignes que nous avons utilisées :
Nous avons cherché à rendre les prompts aussi variés et diversifiés que possible ; de plus, nous avons veillé à rédiger des prompts qui se démarquent nettement, sur le plan qualitatif, des modèles GPT précédents : en d'autres termes, chaque fois que le modèle avait l'occasion de faire preuve de créativité et de surprendre, nous avons fait tout notre possible pour offrir cette opportunité à GPT-4.5.
| Invite | Pangram | Principal concurrent 1 | Principal concurrent 2 |
|---|---|---|---|
| Conservation des koalas | 100% | 100% | 100% |
| Courriel du journal | 100% | 100% | 67% |
| Semi-conducteur à température ambiante | 100% | 56% | 86% |
| Uniformes scolaires | 85% | 100% | 80% |
| Journal poétique | 100% | 100% | 15% |
| Critique d'Escape Room | 100% | 81% | 56% |
| Film russe E-mail | 100% | 100% | 91% |
| Scène d'atterrissage sur Mars | 100% | 43% | 7% |
| Script Komodo Dragon | 98% | 88% | 0% |
| Poème de rupture pour Halloween | 100% | 100% | 0% |
| Scène de poursuite à Venise | 100% | 49% | 9% |
Pangram est capable de détecter l'ensemble des 11 essais rédigés par GPT-4.5, même en l'absence totale de données GPT-4.5 dans l'ensemble d'apprentissage. En comparaison, deux principaux concurrents dans le domaine de la détection de l'IA présentent au mieux des résultats inégaux. Alors que Pangram est capable de prédire avec certitude que 10 des 11 échantillons ont une probabilité d'origine IA de 98 % ou plus, la concurrence exprime souvent un degré élevé d'incertitude ou, dans le pire des cas, prédit avec un haut degré de confiance que le texte a été généré par un humain.
Pangram est lui-même un modèle d'apprentissage automatique de grande envergure qui a été alimenté par des millions d'exemples de textes, qu'ils soient rédigés par des humains ou générés par l'IA. Les modèles de grande envergure ont tendance à mieux généraliser et à détecter des schémas subtils dans les textes générés par l'IA que d'autres ne parviennent pas à repérer. Notre approche d'apprentissage actif réduit encore davantage notre taux de faux positifs tout en augmentant notre sensibilité, ce qui permet au modèle de fonctionner efficacement à grande échelle et de s'adapter à de nouveaux modèles de langage (LLM) bien plus efficacement que nos concurrents. De plus, l'importance que nous accordons à la qualité et à la diversité des données aboutit finalement à un modèle qui possède une bien plus grande expertise dans la compréhension des détails les plus fins que d'autres modèles ne peuvent pas saisir.
Oui, notre outil de détection par IA reste très efficace pour repérer les textes générés par GPT-4.5.
Si vous vous demandez comment Pangram se comportera lors de la sortie d'un nouveau modèle plus performant, sachez qu'il passe haut la main le test face à la version d'IA la plus attendue depuis longtemps, et ce sans aucun réentraînement. Si vous ne voulez pas que votre logiciel de détection d'IA cesse soudainement de fonctionner lors de la prochaine mise à jour du modèle d'OpenAI, essayez Pangram dès aujourd'hui.
Pour plus d'informations sur nos travaux de recherche ou pour obtenir des crédits gratuits afin de tester notre modèle sur GPT-4.5, veuillez nous contacter à l'adresse info@pangram.com.

Elyas Masrour est ingénieur fondateur chez Pangram. Depuis qu’il a rejoint Pangram en tant que deuxième employé, tout juste sorti de l’université du Maryland, il a mis en place des infrastructures essentielles telles que l’API de service des modèles, les contrôles d’accès basés sur les rôles et les pipelines de données justificatives. Elyas travaille également en étroite collaboration avec l’équipe de recherche sur des projets tels que la robustesse face aux attaques adversaires, l’interprétabilité des modèles et la détection de contenus mixtes hétérogènes. En dehors du travail, Elyas apprécie toute la diversité de la créativité et de l'expression humaines, notamment le cinéma, la lecture et la découverte de la ville.

Bradley est chercheur en intelligence artificielle et spécialiste du développement de produits basés sur l'apprentissage profond dans le secteur industriel. Il a récemment dirigé le groupe de recherche sur l'apprentissage profond chez Absci, une entreprise spécialisée dans la découverte de médicaments par l'IA générative, et faisait auparavant partie de l'équipe principale chargée de la vision par ordinateur chez Tesla Autopilot.
Pendant ses études supérieures, Bradley a rédigé plusieurs articles de recherche sur l'apprentissage profond au sein du Stanford Vision Lab. Il est titulaire d'une licence en physique et d'un master en intelligence artificielle de l'université de Stanford. Outre l'IA, il s'intéresse également à l'éducation et à la philosophie, et est un passionné de golf.






