Analyse de Signaux IA

Ce que fait ce skill

• Détecte le type de texte et le canal et choisit le bon prisme (e-mail, LinkedIn, site, lettre de motivation, support, SEO, social, Discord, académique, juridique)
• Donne une catégorie d'évaluation (7 niveaux de « semble humain » à « probablement généré par IA ») — toujours une hypothèse, jamais un verdict
• Évalue la force du signal 1–10 comme *force des schémas*, pas comme probabilité d'IA, plus confiance et risque de faux positif, séparément
• Examine huit couches de signaux et les pondère (fort/moyen/faible) via une échelle de preuve — aucun mot isolé comme « preuve »
• Cite des passages précis avec type de signal, justification, explication alternative et direction éditoriale
• Nomme les constructions rhétoriques de l'IA (parallélisme négatif « pas seulement X, mais Y », règle de trois, « témoigne de… », flagornerie) avec le passage et une correction — les schémas auxquels les experts se fient plus qu'aux mots isolés
• Classe les hypothèses d'origine (généré par IA, assisté par IA, lissé par IA, modèle, traduction, purement humain) par plausibilité
• Explique, pour chaque constat, ce qui s'oppose à un verdict tranché d'IA
• Traite avec une prudence accrue les textes courts, formels, traduits et non natifs
• Calibre dans les deux sens — un texte concret et humain obtient un signal faible, sans problèmes inventés
• Se termine de façon utile : recommandation, options suivantes et bloc de transmission pour une réécriture naturelle

Description

Analyse de Signaux IA est un skill pour l'analyse équitable des schémas d'écriture typiques de l'IA — il explique, de façon transparente, pourquoi un texte paraît artificiel, générique ou trop lisse, sans accuser personne d'avoir utilisé l'IA. Sa valeur, c'est **l'orientation, pas la certitude** : non pas « IA oui/non » mais « quels signaux penchent dans quel sens — et quelle est la fiabilité de ce jugement ? » Il est conçu prudemment à dessein, car la détection d'IA est peu fiable : OpenAI a fermé son propre classificateur en 2023 pour faible précision, et les détecteurs signalent à tort environ 6 textes sur 10 de personnes non natives comme de l'IA (Stanford 2023). Analyse de Signaux IA ne donne donc **aucun verdict d'auteur ni pourcentage** comme « 87 % IA » — les pourcentages simulent une objectivité qu'ils n'ont pas. À la place, il renvoie une catégorie d'évaluation (de « semble humain » à « probablement généré par IA », toujours une hypothèse), une force du signal 1–10 (non pas une probabilité d'IA, mais la force des schémas), une confiance et un risque de faux positif — rapportés séparément. Il travaille avec une pondération des signaux et une échelle de preuve selon le principe « un mot n'est pas le problème, le schéma l'est » : un seul mot à la mode ou un tiret cadratin est faible ; seuls plusieurs types de signaux conjoints, sur assez de texte, pèsent vraiment. Il examine huit couches (lissage de la structure, langue/formules, concret, ton, rythme/variance, adéquation au contexte, restes de modèle, diversité lexicale), cite des passages précis et donne à chaque marquage une **explication alternative** (modèle corporate, traduction, auteur non natif, SEO, forme juridique/académique, langue volontairement simple). Des prismes par canal — e-mail, LinkedIn, site web, lettre de motivation/RH, support, social, SEO, communauté — ajustent ce qui compte comme signal, et où le risque de faux positif est élevé parce que le canal est naturellement formulaïque. Les modes vont de la vérification rapide au rapport détaillé et à la revue éditoriale, jusqu'au mode prudence académique (aucune accusation, vérifier le processus d'écriture et pas seulement le texte), la voix de marque, les RH et une réécriture naturelle. Deux principes le distinguent : il **calibre dans les deux sens** — un texte réellement concret et humain obtient un signal faible et un feu vert plutôt que d'être dénigré ; et il **n'aide jamais à contourner les détecteurs** ni à optimiser la tromperie, rendant le texte plus vrai (concret, clair, authentique), pas plus sournois. C'est le skill de diagnostic : vérifier, comprendre, signaler — et, sur demande, transmettre à une étape de réécriture via un bloc structuré.

Exemples

Ce qu’il ne fait pas

• Ne donne aucun verdict d'auteur définitif (« c'est de l'IA » / « c'est humain ») ni pourcentage
• N'accuse personne et ne recommande aucune conséquence scolaire, juridique, professionnelle ou disciplinaire sur la seule base de cette analyse
• Ne surinterprète pas les textes courts, formels, traduits ou non natifs — signale plutôt le risque de faux positif
• N'aide pas à contourner les détecteurs, à rendre un texte « indétectable », à masquer un plagiat ou à optimiser la tromperie
• Ne traite pas un mot isolé ou une liste comme une preuve — la force vient seulement des schémas conjoints
• Ne produit pas un mur de texte ; commence par l'évaluation

Compatibilité & technique

Testé (interne)

6 scénarios

Modes

Vérification rapide des signaux · Rapport de signaux détaillé · Revue éditoriale · Prudence académique · Authenticité de marque · Lettre de motivation / RH · Réécriture naturelle (authenticité, pas camouflage) · Comparaison (deux textes : lequel paraît le plus typique de l'IA ?) · Carte thermique par section (quels paragraphes paraissent les plus typiques de l'IA ?)

Entrées

Texte (tout type) · Canal / public / contexte (optionnel) · Textes de marque / textes exemples (optionnel, pour comparaison de marque) · Texte de comparaison (original vs. version révisée)

Format de sortie

Rapport de signaux structuré (évaluation, force du signal, confiance, risque de faux positif, verdict court, schémas marquants, passages signalés, hypothèses d'origine, ce qui s'oppose à un verdict, recommandation, options suivantes) ; sur demande un tableau de dimensions, un rapport exportable (AI_SIGNAL_REPORT.md) et un bloc de transmission pour la réécriture

Sous-catégorie

Signaux de texte IA & revue d'authenticité

Licence

Proprietär

Profil de sécurité

Contenu livré

• ai-signal-check-1.0.0/10 fichiers
  • .claude-plugin/marketplace.json
  • plugins/ai-signal-check/skills/ai-signal-check/10 fichiers

    • SKILL.md
    • manifest.json
    • references/8 fichiers

      • ai-signal-check-channels.md
      • ai-signal-check-checklist.md
      • ai-signal-check-constructions.md
      • ai-signal-check-evidence.md
      • ai-signal-check-false-positives.md
      • ai-signal-check-modes.md
      • ai-signal-check-output-templates.md
      • ai-signal-check-signals.md
  • .agents/skills/ai-signal-check/→ universel — même contenu (Codex, Cursor, Copilot, Gemini, Windsurf, Cline)
  • LICENSE.txt

Installation

Aussi comme prompt de chat

Remarque

Pas un détecteur d'IA et pas une preuve d'usage d'IA — une analyse éditoriale de signaux. Une évaluation ne remplace jamais une conversation, un regard sur le processus d'écriture ou un examen professionnel ; ne jamais l'utiliser seule comme motif de conséquences scolaires, juridiques ou professionnelles. Plus fort avec le canal/public comme contexte ; pour les textes très courts, il ne donne que des indices grossiers.

Journal des modifications

• v1.0.030.06.2026Première version : une analyse de signaux IA équitable au standard AUTHORING v2 — catégorie d'évaluation + force du signal 1–10 + confiance + risque de faux positif (au lieu de faux pourcentages), passages signalés avec explication alternative, hypothèses d'origine classées, échelle de preuve + pondération des signaux, prismes par canal (e-mail/LinkedIn/site/lettre de motivation/support/SEO/Discord/académique/juridique), modes (rapide/détaillé/éditorial/prudence académique/voix de marque/RH/réécriture naturelle/comparaison/carte thermique), détection des constructions rhétoriques de l'IA (parallélisme négatif, règle de trois, flagornerie) et bloc de transmission. 8 références, exemples réalistes dont un cas de calibrage, et évaluations internes. Résistant aux abus : n'aide pas à contourner les détecteurs.

Questions fréquentes