Ces termes expliquent en quoi un détecteur d'IA peut avoir raison ou tort. Ils sont utiles pour interpréter n'importe quel résultat de Pangram.
Les termes
- Faux positif (FP) — texte rédigé par un humain et identifié à tort comme provenant d'une IA.
- Faux négatif (FN) — Texte généré par l'IA que le détecteur ne repère pas.
- Précision — parmi tout ce qui a été identifié comme relevant de l'IA, quelle part correspondait réellement à l'IA ? Une grande précision implique peu de faux positifs.
- Précision — fréquence à laquelle le détecteur donne un résultat correct dans l'ensemble, tant pour les textes générés par l'IA que pour les textes rédigés par des humains.
Précision = TP / (TP + FP)
Précision = (TP + TN) / (TP + TN + FP + FN)
Taux de faux positifs (FPR) = FP / (FP + TN)
Taux de faux négatifs (FNR) = FN / (FN + TP)
Pour les chiffres propres à Pangram, voir « Quel est le degré de précision / d'exactitude de Pangram ? »
