Une étude publiée dans Judgment and Decision Making par Sydney Sears et Deena Skolnick Weisberg a soumis plus de 2.500 lecteurs à six nouvelles courtes d’environ 1.000 mots : trois provenant de revues littéraires, trois générées par ChatGPT 4.0 avec des invites basées sur le thème, le style et la perspective des nouvelles humaines originales. Les participants ne parviennent pas à distinguer qui a écrit quoi : leur performance reste au niveau du hasard, même lors de comparaisons directes entre une histoire humaine et une histoire générée par IA.

Les histoires de ChatGPT reçoivent des scores plus élevés tant pour la qualité perçue (1,54 contre 0,97 sur une échelle de -3 à +3) que pour l’immersion (1,42 contre 1,00). Le biais réside dans l’étiquette : lorsque les lecteurs pensent que l’auteur est humain, les scores augmentent pour les deux groupes. Lorsqu’ils pensent que c’est une IA, ils baissent, indépendamment de qui a réellement écrit.

Pourquoi cela vous concerne. Si vous utilisez l’IA pour écrire, le goulot d’étranglement n’est pas la qualité de la production : c’est la perception du lecteur. Les textes générés par l’IA tendent à être plus fluides, plus faciles à traiter et plus optimistes. Les gens confondent la fluidité avec la qualité. Déclarez l’utilisation de l’IA et attendez-vous à une pénalité de perception qui n’a rien à voir avec le contenu.

L’attitude personnelle envers l’IA compte autant que le texte lui-même. Ceux qui ont une opinion positive des modèles donnent des scores plus élevés à tout, et encore plus élevés aux textes IA lorsqu’ils savent d’où ils proviennent. Les sceptiques font l’inverse. L’expérience en narration n’aide pas à distinguer ; l’expérience avec les systèmes IA aide, mais faiblement.

En détail

L’étude comprend trois expériences. Dans la première, 1.682 participants lisent une nouvelle chacun et l’évaluent selon la qualité perçue et l’immersion. La moitié reçoit l’information correcte sur l’auteur, l’autre moitié reçoit une fausse information. Le protocole est rigoureux : il sépare l’effet du texte de celui de l’étiquette, et les deux pèsent d’un poids équivalent.

Dans les deux expériences suivantes (905 participants au total), les chercheurs compliquent la tâche : chaque participant lit à la fois une histoire humaine et une histoire IA et doit indiquer laquelle est laquelle. Même avec la comparaison directe, la performance reste au niveau du hasard. C’est le résultat le plus convaincant : la distinction n’est pas difficile, elle est pratiquement impossible pour un lecteur moyen sur des textes courts.

Ce qui rend les textes IA plus appréciés.

Les chercheurs formulent une hypothèse concrète : les textes générés par l’IA sont plus lisses, plus faciles à lire et plus positivement émotionnels que ceux écrits par des humains. La psychologie cognitive indique que les gens préfèrent le matériel facile à traiter (ce qu’on appelle la processing fluency). La narration littéraire de qualité, en revanche, est souvent intentionnellement difficile, demandant au lecteur de travailler pour extraire le sens. La nouvelle courte joue en faveur de l’IA : maintenir la cohérence sur 1.000 mots est une tâche très différente de soutenir un roman entier.

Le biais d’attribution est double.

L’effet de l’étiquette est symétrique. Si vous dites « c’est écrit par un humain », les scores augmentent pour les deux types de texte. Si vous dites « c’est écrit par ChatGPT », ils baissent. L’attitude préexistante du lecteur envers l’IA module l’effet : ceux qui font confiance aux modèles récompensent les textes IA déclarés, les sceptiques les pénalisent au-delà du raisonnable. Un résultat similaire avait émergé dans une étude antérieure sur des poèmes générés par l’IA.

Ce que cela signifie pour ceux qui écrivent avec l’IA.

Pour ceux qui utilisent l’IA dans l’écriture professionnelle, l’étude sépare deux questions généralement confondues : « la production est-elle bonne ? » et « comment sera-t-elle reçue ? ». Les réponses divergent en fonction de la transparence. Si vous ne déclarez pas l’utilisation de l’IA, le texte est évalué pour ce qu’il est. Si vous le déclarez, il est évalué pour ce que le lecteur pense qu’il est. La différence est mesurable : on parle de variations significatives sur une échelle à sept points.

Une étude antérieure de la Stony Brook University et de la Columbia Law School (octobre 2025) avait montré qu’avec des invites simples, les lecteurs experts préféraient les textes humains. Mais lorsque les modèles ont été entraînés sur le style d’auteurs individuels, les experts préféraient les textes IA huit fois sur dix pour l’imitation de style et deux fois sur deux pour la qualité. La spécialisation du modèle déplace le seuil.

Limites.

Le format court favorise l’IA : 1.000 mots constituent un domaine où la cohérence narrative est gérable pour un modèle. Sur des formats plus longs, la performance change. Les participants ont été recrutés en ligne et n’étaient pas des experts en littérature (et l’expérience littéraire n’aidait pas de toute façon). L’expérience avec les systèmes IA corrélait positivement avec la capacité à reconnaître les textes IA, mais l’effet était modeste. Les données et les matériaux sont disponibles sur l’Open Science Framework.