Pangram lève 9 M$ pour détecter les contenus générés par IA et lance le modèle Pangram 4

Le 29 juillet 2026, la start-up Pangram a levé 9 M$ pour déployer à plus grande échelle son logiciel de détection de contenus générés par intelligence artificielle. En même temps que ce tour de table, l'entreprise a publié Pangram 4, un nouveau modèle de détection de texte, ainsi que son premier détecteur d'images IA, en research preview.

Ce que Pangram a lancé

Pangram présente deux produits à la fois. Le principal est Pangram 4, version mise à jour de son modèle de détection de texte IA, qui détermine si un passage a été écrit par un humain ou par un réseau de neurones. Le second est un détecteur d'images générées par IA, pour l'instant proposé en research preview, c'est-à-dire en version de recherche précoce. Les deux outils répondent au même besoin — distinguer ce qui est créé par un humain de ce qui est généré par une machine — mais ils traitent des types de données différents.

• Tour de table : 9 M$, annoncé le 29 juillet 2026
• Nouveau modèle de texte : Pangram 4
• Détecteur d'images IA : en research preview
• Usage des fonds : déploiement à plus grande échelle du logiciel de détection de contenus IA
• Source de l'information : TechCrunch

Combien Pangram a-t-il levé ?

Pangram a levé 9 M$. Selon TechCrunch, ces fonds serviront à déployer à plus grande échelle le logiciel de détection de contenus générés par IA. Le tour de table coïncide avec la sortie de deux modèles à la fois, ce qui montre que la start-up parie sur une extension du texte vers l'image.

Pour le marché de la détection d'IA, 9 M$ représentent un chèque modeste mais notable : cette somme permet de recruter une équipe, d'augmenter la puissance de calcul consacrée à l'entraînement des détecteurs et de couvrir de nouveaux formats de contenu.

Pourquoi détecter les contenus IA ?

La détection de contenus IA répond à une réalité : les textes et les images créés par des réseaux de neurones sont de plus en plus difficiles à distinguer de ceux produits par des humains. Depuis fin 2022, avec la diffusion massive des modèles génératifs, le volume de ces contenus sur le web a fortement augmenté — des travaux d'étudiants et des articles jusqu'aux images sur les réseaux sociaux et dans la publicité.

La question se pose avec une acuité particulière dans l'éducation : les enseignants doivent savoir si l'étudiant a rédigé lui-même son essai, et les services de détection de plagiat intègrent la détection d'IA à leurs produits. Pangram couvre les deux formats : d'abord le texte, désormais aussi l'image.

Comment fonctionne la détection de texte IA

Les détecteurs comme Pangram 4 analysent les caractéristiques statistiques d'un texte : le degré de prévisibilité des phrases, la répartition des mots et des tournures. Entraînés sur des paires « humain — réseau de neurones », les modèles recherchent les régularités propres à la génération automatique. La précision dépend du volume et de la diversité des données d'entraînement ; c'est pourquoi les versions récentes sont généralement plus précises que les précédentes.

Le détecteur d'images fonctionne différemment : il recherche les artefacts de génération — textures atypiques, incohérences dans les détails, traces de réseaux de neurones précis. Comme le produit de Pangram pour les images est encore en research preview, l'entreprise continuera très probablement à collecter des données et à l'affiner avant une version commerciale complète.

Pourquoi on ne fait pas toujours confiance aux détecteurs

Les détecteurs de texte IA sont critiqués pour leurs faux positifs. Selon une étude de Stanford de 2023, les premiers détecteurs signalaient plus souvent à tort comme « machine » des textes écrits par des personnes dont l'anglais n'est pas la langue maternelle. C'est précisément pour cela que la précision des nouveaux modèles comme Pangram 4 est un paramètre clé : une seule erreur peut valoir à un étudiant une accusation de triche, et à un auteur sa réputation.

«

Les contenus IA envahissent le web — et Pangram a levé 9 M$ pour les détecter », formulation tirée de l'article de TechCrunch.

Ce que cela signifie

Tandis que les modèles génératifs deviennent moins chers et plus nombreux, la demande pour des outils capables de distinguer contenu machine et contenu humain progresse. Le tour de table de Pangram et la sortie de son détecteur d'images indiquent que la détection d'IA devient un marché à part entière, et non plus une fonction annexe. Pour les auteurs, les enseignants et les plateformes, cela signifie que la vérification de l'origine des contenus devient peu à peu une procédure standard, et non plus exotique.