La formule « ce n'est pas seulement X, c'est Y » devient un marqueur infaillible des textes d'IA

Il existe une méthode simple pour vérifier si un texte a été écrit par une IA : chercher la tournure « ce n'est pas seulement X, c'est aussi Y ». Si elle apparaît ne serait-ce qu'une fois, la probabilité d'une paternité synthétique tend vers cent pour cent. C'est la conclusion qui découle des observations que TechCrunch a résumées en avril 2026. La construction d'opposition « non seulement... mais aussi... » est devenue un trait si caractéristique des contenus générés par IA qu'elle n'est plus un simple indice indirect : c'est désormais presque une garantie.

Pourquoi celle-ci en particulier ? Les modèles de langage ont été entraînés sur des milliards de textes, dont des reportages de fond, des analyses et des contenus marketing. Dans ces genres, la tournure est fréquente : elle donne une impression de profondeur et de nuance. Le modèle l'a assimilée comme un signal d'« écriture intelligente » et la reproduit désormais automatiquement chaque fois qu'il faut renforcer un argument ou montrer qu'un sujet a été examiné sous tous les angles.

Le problème, c'est la dose. Dans un texte humain, cette construction apparaît rarement et au bon endroit. Lorsqu'un modèle de langage l'emploie plusieurs fois de suite dans un même contenu, ce n'est plus du style : c'est un dysfonctionnement qui saute aux yeux de tout rédacteur en chef.

Ce n'est ni le premier ni le dernier « indice » de ce genre. Avant elle, les chercheurs avaient relevé d'autres marqueurs d'IA : le mot « delve » (plonger, approfondir) dans des contextes inadaptés, les entrées en matière « Certainly! » et « Great question! », les listes bien rangées d'exactement cinq points, les conclusions du type « cela ouvre de nouveaux horizons pour de futures recherches ». Chaque motif suit la même trajectoire : les éditeurs le remarquent d'abord, puis il entre dans la liste des détecteurs, puis les développeurs tentent de l'éliminer, et le cycle recommence.

L'ampleur du phénomène est considérable. Selon plusieurs estimations, dans certaines niches (blogs marketing, actualités d'entreprise, fermes de contenu), la part des contenus générés par IA dépasse déjà 60-70 %. Ces motifs se sont répandus sur tout Internet, et les lecteurs commencent à les reconnaître intuitivement, sans savoir formuler ce qui les gêne exactement.

Pour les entreprises et les auteurs qui utilisent des modèles de langage dans leur travail, c'est un signal pratique à plusieurs niveaux.

Premier point : la relecture finale n'est pas optionnelle. Passer un texte dans un modèle et le publier aussitôt, c'est risquer sa réputation. Le lecteur qui repère une tournure stéréotypée juge non seulement la qualité du texte concerné, mais aussi l'attitude de l'auteur envers son public.

Deuxième point : le réglage des prompts fonctionne. Une interdiction explicite des clichés dans le prompt système (« n'utilise pas la construction X », « évite les oppositions symétriques ») réduit radicalement leur fréquence. Ce n'est pas une garantie, mais c'est une amélioration substantielle.

Troisième point : la liste des marqueurs doit être mise à jour. Les motifs évoluent avec les modèles. Ce qui servait de détecteur il y a un an peut déjà être corrigé dans les nouvelles versions. Et inversement : les nouveaux modèles apportent de nouveaux clichés que personne n'a encore remarqués.

L'histoire de « ce n'est pas seulement X, c'est Y » illustre bien la nature de la course entre les modèles de langage et ceux qui les relisent. Les modèles maîtrisent vite des procédés stylistiques qui paraissent convaincants sur le plan statistique, mais c'est précisément pour cela qu'ils les emploient trop souvent et de façon trop prévisible. Un bon rédacteur garde encore une longueur d'avance sur l'algorithme. Pour l'instant.