Nous investissons dans des travaux de recherche rigoureux afin de faire progresser la fiabilité de la détection par IA. Parcourez nos publications pour découvrir comment nous concevons des systèmes à faible taux de faux positifs, étendons notre couverture à de nouvelles modalités et accompagnons les équipes d'entreprises et d'établissements d'enseignement à travers le monde.
Nous présentons Pangram 4, notre tout dernier classificateur de textes générés par l'IA basé sur l'apprentissage profond, qui atteint une précision de pointe avec un taux de faux positifs de 0,0041 %, une meilleure généralisation hors distribution, une robustesse face aux attaques adversaires et une détection fine des textes mixtes générés par l'IA et par des humains.
Lire l'articleUne part importante des requêtes adressées aux grands modèles linguistiques consiste à leur demander de modifier un texte fourni par l'utilisateur, plutôt que de générer un nouveau texte à partir de zéro. Alors que les travaux antérieurs se concentraient sur la détection de textes entièrement générés par l'IA, nous démontrons que les textes modifiés par l'IA se distinguent à la fois des textes rédigés par des humains et de ceux générés par l'IA.
Lire l'articleLes « humaniseurs d'IA » constituent une nouvelle catégorie d'outils logiciels en ligne destinés à paraphraser et à réécrire des textes générés par l'IA de manière à leur permettre d'échapper aux logiciels de détection de l'IA. Nous avons étudié 19 outils de paraphrase et d'« humanisation » de l'IA et évalué de manière qualitative leurs effets ainsi que leur capacité à préserver le sens du texte original.
Lire l'articleDécouvrez Pangram Text, notre détecteur basé sur un modèle Transformer, entraîné à l'aide d'une exploration de données négatives pour offrir une précision inégalée dans le secteur en matière de contenu rédigé par l'IA.
Lire l'article
