DeepMind : IdeaLens identifie l'origine des idées
Le développement de l'IA dans la rédaction académique pousse les éditeurs comme Elsevier et Springer Nature à renforcer leurs politiques de transparence, créant un besoin urgent d'outils de détection plus précis. Face à cette nécessité, des chercheurs de l'Université du Maryland, de Google DeepMind et de l'Université Simon Fraser ont conçu IdeaLens, un nouveau système capable d'identifier l'origine des idées dans les textes longs, qu'elles proviennent de l'IA ou d'un humain. Contrairement aux détecteurs traditionnels qui analysent uniquement le style linguistique ou la structure des phrases, IdeaLens se concentre sur la provenance conceptuelle et organisationnelle du contenu. Pour y parvenir, l'algorithme transforme d'abord les articles en plans structurés, extrayant les idées clés, les arguments et leur enchaînement logique. Ces plans sont ensuite utilisés pour entraîner un modèle basé sur l'architecture NVIDIA Nemotron-3.5-Lightning, sur un corpus de près d'un million de textes. Les données d'étiquetage proviennent de détecteurs existants, ce qui permet au système de distinguer les schémas de raisonnement typiques de l'IA de ceux issus d'une réflexion humaine. Les résultats montrent une nette supériorité d'IdeaLens dans les scénarios de collaboration mixte. Lorsque l'IA rédige un texte en suivant un plan entièrement conçu par un humain, le système classe correctement l'origine des idées comme humaine dans plus de 93 % des cas, contre moins de 10 % pour les outils standards. Inversement, lorsqu'un humain réécrit un texte à partir d'un plan généré par l'IA, IdeaLens détecte la trace du raisonnement artificiel dans 68 % des écritures, contre seulement 8 % pour les détecteurs classiques basés sur le style textuel. Publiée en prépublication sur arXiv en 2026, cette approche ouvre la voie à une gestion plus rigoureuse des contributions dans la recherche académique. Des experts du secteur saluent l'innovation, soulignant que le système parvient à repérer des marques distinctives de l'IA, telles que des généralités applicables à plusieurs sujets ou des affirmations déconnectées des données vérifiables. Cependant, les auteurs précisent les limites de leur travail : l'absence de données annotées manuellement, la taille modeste des tests sur les réécritures humaines et la complexité des collaborations itératives entre chercheurs et assistants IA, qui peuvent brouiller les frontières entre les contributions. Malgré ces réserves, IdeaLens représente une avancée significative pour les éditeurs scientifiques qui cherchent à garantir l'intégrité conceptuelle des publications, en complétant les outils actuels par une analyse véritablement centrée sur la pensée plutôt que sur le vocabulaire.
