Bon. Tu veux balancer un truc en ligne sans qu’on sache que c’est toi. Tu changes de pseudo, tu vires ton avatar, tu évites de mentionner que tu bosses chez Machin. Sauf que ton style, tu l’emmènes partout avec toi. Et il y a maintenant des machines qui le lisent très bien.
Un chercheur du nom de Peter Kirby a posé un papier sur arXiv cette semaine. Titre pas glamour pour un sou : « Contrastive Learning for Authorship Verification ». La vérification d’auteur répond à une question bête. Est-ce que ces deux textes sortent du même clavier ? Il ne s’agit pas de mesurer une vague ressemblance avec le style d’Untel. Il s’agit de trancher : oui ou non, c’est lui. La nuance a son importance, parce qu’un soupçon ne tient pas debout devant un tribunal, alors qu’une quasi-certitude, si.
Son résultat : un modèle baptisé ModernBERT Bi-Encoder, entraîné par apprentissage contrastif, décroche 98,4 % de précision sur la tâche d’évaluation PAN21. On te répète tous les jours que l’IA ne sait rien faire de fiable. Là, on parle d’un système qui se trompe moins d’une fois sur soixante.
Mais ce qui est intéressant, ce n’est pas seulement la note. C’est la mécanique. Kirby explique que l’apprentissage contrastif, cette méthode où tu rapproches les textes qui vont ensemble et où tu repousses les autres, bat l’approche classique par simple classification. Et il liste les leviers qui comptent vraiment : la fonction de perte, la taille du lot d’entraînement, la durée du rodage, le modèle de départ, la longueur de contexte avalée d’un coup, et un découpage aléatoire du texte qui sert visiblement à gonfler les performances.
Autrement dit, la stylométrie vient de se payer un saut de plus.
Ça fait des décennies qu’on attribue des textes à leurs auteurs. On a accusé des gens sur des histogrammes de fréquence de mots. On a retrouvé l’Unabomber parce que Ted Kaczynski écrivait « you can’t eat your cake and have it too » au lieu de la formule habituelle. Toute la question, c’est le seuil. Hier, il fallait un faisceau d’indices et un expert humain pour oser trancher. Aujourd’hui, un modèle te sort une probabilité, et cette probabilité va voyager : dans des procès, dans des enquêtes, dans des recrutements, dans des articles signés « la rédaction » dont tout le monde sait qu’ils ont été pondus ailleurs.
Le revers, tu le vois venir d’ici. Le même outil qui démasque un corbeau en ligne sert à démasquer une lanceuse d’alerte. Celui qui repère un plagieur repère aussi un dissident. Et 98,4 %, ça tombe pile quand des plateformes cherchent à éradiquer l’anonymat au nom de la modération. Un chiffre comme ça, ça va vite devenir un argument de vente.
Pendant ce temps, à l’autre bout du spectre, un autre chercheur, Yingzhen Yang, publie une machine théorique encore plus aride : de nouvelles bornes pour l’apprentissage transductif. Son truc s’appelle STLC, pour « Sharper Transductive Local Complexity ». En clair : quand tu apprends en connaissant déjà les points sur lesquels on va te tester (l’apprentissage transductif, quoi), jusqu’où peux-tu garantir que ton modèle ne va pas se viander ? Sa construction part d’une inégalité de concentration de type Bernstein, passe par l’inégalité de log-Sobolev, et arrache au passage les facteurs logarithmiques parasites que les résultats précédents trimballaient dans leurs bornes de risque.
Oui, ça ne fera pas la une. C’est exactement le point. La recherche qui compte ne ressemble pas à une démo de chatbot qui te pond un poème sur ta belle-mère. Elle ressemble à Peter Kirby qui triture la taille de ses lots de données, et à Yingzhen Yang qui retire un logarithme de trop d’une garantie mathématique. Pendant qu’on s’écharpe sur la bulle et les valorisations à douze chiffres, ce petit monde avance, tranquille, et déplace discrètement la ligne rouge de ce qu’on peut savoir de toi.
Alors la prochaine fois que tu publieras un truc sensible sous pseudo, relis-toi. Pas pour corriger les fautes. Pour vérifier que tu n’as pas laissé traîner un tic bien à toi, un mot que tu es le seul à écrire comme ça, une tournure que tu répètes sans t’en rendre compte. Ce détail minuscule, c’est peut-être lui qui te vaudra une convocation. Le style, c’est une empreinte : on en laisse partout. Simplement, maintenant, il y a des machines pour les relever.
Sources :
Comments are closed