Саймон Уиллисон сделал на Fable 5 детектор клише из текстов нейросетей

Le développeur Simon Willison a publié le 17 juillet 2026 un outil web gratuit appelé LLM cliché highlighter, qui met en évidence environ 11 tics de langage typiques des textes générés par des réseaux de neurones.

Comment l'outil est né

Simon Willison a conçu le LLM cliché highlighter après être tombé une fois de plus sur un article truffé de clichés d'IA comme « no fluff, no filler, no jargon » (« sans blabla, sans remplissage, sans jargon »). Il a créé l'application par vibe-coding, c'est-à-dire en demandant au modèle Fable 5 d'Anthropic d'écrire tout le code à partir de la description de la tâche, plutôt qu'en programmant à la main.

Willison est l'un des auteurs les plus cités sur les LLM, créateur de la bibliothèque Datasette et de l'outil en ligne de commande `llm`. Sur son blog simonwillison.net, il analyse régulièrement la façon dont les grands modèles de langage écrivent, se trompent et se trahissent par des tournures caractéristiques.

« J'en ai assez de lire un énième article truffé de clichés de textes écrits par des LLM », —

Simon Willison, sur le blog simonwillison.net.

Comment fonctionne l'outil ?

Le LLM cliché highlighter analyse le texte collé et met en jaune les passages qui correspondent à des modèles prédéfinis d'écriture automatique. Une capture d'écran du blog de Willison montre que l'ensemble compte 11 règles, qui peuvent être activées et désactivées séparément.

• Publication — 17 juillet 2026, par Simon Willison
• Conçu par vibe-coding avec le modèle Fable 5 d'Anthropic
• Met en évidence environ 11 schémas typiques de clichés de LLM
• Chargement d'un article via un lien — grâce au service r.jina.ai
• Le mode « Show just the highlights » n'affiche que les passages surlignés

Le surlignage se fait à deux niveaux : en jaune pâle est marquée toute la phrase « suspecte » (flagged sentence), et dans une couleur plus soutenue, la tournure précise à l'intérieur de celle-ci (pattern match). Parmi les exemples de schémas figurent des constructions comme « Is real … and/not » et « Worth naming » ; la phrase de démonstration dans l'interface est « That loss is real and it's worth naming », où l'outil met en évidence deux correspondances à la fois.

Il fonctionne aussi avec les articles d'autrui : on colle l'adresse dans le champ URL, la page est récupérée via le service r.jina.ai, puis le texte est passé au crible des mêmes règles. Pour une vérification rapide, il y a un bouton pour charger un exemple prêt à l'emploi et un mode qui n'affiche à l'écran que les passages surlignés.

Pourquoi c'est utile

Le LLM cliché highlighter offre un moyen rapide de vérifier son propre brouillon pour détecter « l'odeur de la machine » avant publication. L'auteur colle le texte, voit les tics de langage surlignés et les réécrit — exactement les tournures que les modèles actuels insèrent le plus souvent et qui font reconnaître un texte comme généré.

Cette approche reflète un problème plus large : à mesure que les LLM rédigent une part croissante du contenu public, l'ensemble de leurs tournures favorites devient un marqueur reconnaissable. Des outils comme celui-ci transforment l'intuition selon laquelle quelque chose « sonne comme ChatGPT » en une liste concrète de règles applicables mécaniquement, et non à l'œil.

Ce que cela signifie

Les clichés des LLM se transforment en checklist mesurable : ce qui relevait autrefois du goût d'un rédacteur en chef peut désormais être vérifié en un clic. Pour les auteurs, c'est un filtre bon marché contre le style machine ; pour les lecteurs, un rappel que des tournures reconnaissables trahissent la génération.

Questions fréquentes

Qu'est-ce que le LLM cliché highlighter ?

Le LLM cliché highlighter est un outil web gratuit créé par Simon Willison, publié le 17 juillet 2026. Il met en évidence dans le texte environ 11 schémas caractéristiques de l'écriture des grands modèles de langage.

Comment vérifier un article pour détecter les clichés d'IA ?

Il faut coller le texte dans le champ de l'outil ou indiquer l'URL de l'article — la page est alors récupérée via le service r.jina.ai et passée au crible des règles. Les correspondances avec les modèles d'écriture automatique sont surlignées en jaune, et le mode « Show just the highlights » n'affiche à l'écran que celles-ci.