Nous sommes ravis d'annoncer que « EditLens », notre dernier article technique, a été évalué par des pairs et accepté pour publication dans le cadre de l'ICLR 2026, considéré comme l'un des principaux événements dans le domaine de la recherche en intelligence artificielle et en apprentissage automatique.
Nous avons présenté EditLens dans un article de blog technique, et les abonnés payants de Pangram utilisent également activement cette technologie, puisqu'elle constitue la base de Pangram 3.0.
Pangram est ainsi la première et unique entreprise commerciale spécialisée dans la détection par IA à publier dans une revue de référence dans le domaine de l'apprentissage automatique.
Outre la mise à disposition d'EditLens aux abonnés payants de Pangram, nous avons également utilisé EditLens en collaboration avec le comité d'organisation de l'ICLR lui-même afin d'identifier les articles et les évaluations par les pairs générés par l'IA. Cette étude de cas a fait l'objet d'une large couverture médiatique, notamment dans Nature News et, plus récemment, dans The Atlantic.
Nous avons fait le buzz sur X en mettant notre technologie à la disposition de tous les utilisateurs de X via un bot Twitter : il suffit de demander à @pangramlabs « Est-ce généré par l'IA ? »
Mais surtout, nous avons suscité un vaste débat au sein de la communauté sur les déchets générés par l'IA et sur les solutions possibles.
Pour que nos résultats et nos travaux soient pris au sérieux, nous devons faire preuve d'ouverture et de transparence quant à nos méthodes et expliquer comment notre modèle parvient à atteindre un haut niveau de précision dans la détection de textes générés par l'IA.
Il est également important que, à mesure que Pangram s'impose comme la norme en matière de détection responsable de l'IA, les travaux de recherche s'appuyant sur ses résultats reposent sur des bases solides. C'est pourquoi nous ne prétendons pas disposer d'une « recette miracle » ou d'une boîte noire capable de détecter l'IA : notre produit s'appuie sur une recherche scientifique solide, reproductible, qui peut être étudiée et développée par la communauté de l'IA.
Dans les prochains jours, nous prévoyons de mettre à disposition en open source une version allégée du modèle EditLens à l'intention de la communauté scientifique. Nous réfléchissons encore en interne à la meilleure façon de déployer ce modèle de manière responsable et éthique, à des fins strictement scientifiques, afin que son taux de faux positifs plus élevé n'ait pas de répercussions négatives sur les étudiants.
Une recherche rigoureuse et transparente est le fondement de la technologie de Pangram, et nous espérons continuer à publier régulièrement et à échanger avec la communauté de l'IA sur ce sujet.
EditLens revêtait une importance particulière à nos yeux, car il s'agissait de l'aboutissement du stage de recherche estival couronné de succès de Katherine Thaichez Pangram, qui a constitué le dernier chapitre de sa soutenance de thèse avant qu'elle ne nous rejoigne à temps plein en tant que chercheuse fondatrice en intelligence artificielle.
Nous avons demandé à Katherine ce que ce projet représentait pour elle :
« EditLens est un projet qui me tient particulièrement à cœur, car lorsque j’y travaillais, j’étais animée par le désir d’offrir davantage de transparence aux auteurs de tous types de textes, mais je ne savais pas si cela aurait finalement un impact. Il est si rare qu’un projet, dès sa sortie, soit mis à l’épreuve de manière aussi naturelle et publique. J’étais ravie de voir tant d’auteurs et de relecteurs interagir avec le tableau de bord ICLR Pangram, la plupart d’entre eux réagissant positivement. Je suis sans doute particulièrement fière des retours que nous avons reçus de la part de mes relecteurs non anglophones, qui ont souligné qu’EditLens ne signalait pas à tort leurs relectures lissées par un modèle de langage (LLM) ou traduites. »
Nous serons à Rio de Janeiro pour intervenir lors de la conférence en avril, alors n'hésitez pas à venir nous voir pour nous dire bonjour ! Nous sommes toujours à la recherche de collaborateurs talentueux, de chercheurs et de stagiaires pour rejoindre notre équipe en pleine expansion. Contactez-nous si cela vous intéresse !

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.






