# Mon extension Chrome étiquette chaque post LinkedIn : IA ou humain

Elle étiquette chaque post LinkedIn au fil du défilement, raisons de Claude à un clic, et n’a classé « Likely AI » aucun des 355 textes humains de mes tests.

- Auteur : Marchis Rares-Bogdan (https://www.linkedin.com/in/marchis-rares-464245177/)
- Publié : 2026-11-17
- Genre : Démo en direct
- Démo : https://ai-text-detector.x2labs.ai/?embed=1 (Démo en direct · un fil fictif avec les vraies étiquettes de Claude Sonnet, enregistrées le 18 nov. 2026 ; le texte que vous collez est vérifié en direct)
- Page : https://x2labs.ai/fr/notes/ai-text-detector

**En bref**

- Question : une extension Chrome peut-elle vous dire quels posts LinkedIn ont été écrits par une IA, sans jamais accuser une vraie personne ?
- Résultat : elle étiquette chaque post du fil au fur et à mesure que vous faites défiler. Sur mon jeu de test, Claude Sonnet, qui pose les étiquettes, a classé 0 des 355 textes humains « Likely AI » et repéré 39 % des 160 textes d’IA.
- Comment : d’abord des vérifications gratuites dans le navigateur, puis Claude lit chaque post de 30 mots ou plus et explique sa décision ; seul Claude peut dire « Likely AI ».
- Mon avis : utilisez-la comme un indice, jamais comme une preuve. Elle rate plus de la moitié des textes d’IA, et toutes les réécritures par IA de textes de vraies personnes de mon test.

Mon fil LinkedIn est plein de posts qui donnent l’impression d’avoir été écrits par une IA, et je voulais savoir lesquels l’étaient vraiment. Mon impression des détecteurs dont j’avais lu des descriptions, c’est qu’ils donnent un pourcentage très assuré et signalent trop souvent de vraies personnes, ce qui est la pire erreur que puisse commettre un tel outil. Je me suis donc fixé une règle avant tout le reste : il peut rater de l’IA, mais il ne doit jamais accuser un humain. La question était de savoir combien il pouvait encore repérer avec cette règle.

La démo ci-dessus est un fil fictif, étiqueté comme l’extension étiquette linkedin.com. Cliquez sur une étiquette pour voir les raisons de Claude, collez l’un de vos propres posts dans « Try your own text », ou appuyez sur « Download for Chrome » pour installer l’extension.

## Des étiquettes sur chaque post LinkedIn

Une fois l’extension activée, chaque post que LinkedIn charge reçoit une étiquette dans son coin supérieur droit, à côté du bouton « … » : Likely AI, Uncertain ou Likely human avec le score de Claude, ou « Too short to judge » pour les posts de moins de 30 mots. Cliquez sur une étiquette et une fiche s’ouvre avec les raisons de Claude. La fenêtre de l’extension comporte un seul bouton On/Off.

- **Chaque post, dans l’ordre :** les vérifications gratuites s’exécutent sur chaque post dès que LinkedIn le charge. Ensuite, Claude Sonnet 5.5 vérifie un par un les posts de 30 mots ou plus, du haut du fil vers le bas.
- **Le post entier :** LinkedIn replie les longs posts derrière « …more », mais le texte complet est déjà dans la page, donc Claude le lit en entier. Sur un post qui affichait 3 lignes, il a reçu les 180 mots.
- **Limites :** au plus 40 vérifications par Claude par heure, et un post n’est jamais envoyé deux fois : son résultat est conservé dans le navigateur pendant 7 jours.
- **Coût :** une vérification d’un post typique de 150 mots a coûté 0,004 $ sur l’API lors de mon test du 16 novembre 2026.

Lorsque les 40 vérifications d’une heure sont épuisées, les posts restants reçoivent l’étiquette des vérifications gratuites (Uncertain ou Likely human, jamais Likely AI), avec la mention « Claude paused for this hour », et Claude reprend dès que l’heure le permet.

Sur mon propre fil, le 18 novembre 2026, les 20 posts chargés ont tous reçu une étiquette : 1 Likely AI, 12 Uncertain, 2 Likely human et 5 Too short to judge, et aucune vérification n’a échoué.

![Deux posts de mon fil LinkedIn, noms et photos floutés, étiquetés Uncertain · 35 et Uncertain · 40](https://x2labs.ai/_astro/feed-labels.DHFZiNOD_Z28AhAk.webp)

Lors d’un passage plus tôt dans la matinée, 2 posts étaient revenus avec « Claude failed » : Sonnet avait écrit son raisonnement avant sa réponse, ce que l’extension refuse délibérément, pour qu’une page ne puisse pas glisser une fausse réponse dans le texte. Le serveur demande désormais à l’API d’imposer à Claude la forme de la réponse. Cela a réglé le problème, mais a aussi modifié les scores, alors j’ai refait les mesures (voir plus bas).

Claude tourne sur un petit serveur de X2 Labs qui détient la clé d’API du lab, si bien que l’extension ne demande ni clé ni configuration. Le serveur n’envoie à Claude que le texte du post et ne conserve rien. L’extension n’est pas sur le Chrome Web Store, et Chrome ne permet pas à un site web d’installer une extension, donc l’installation demande trois clics : décompresser le téléchargement, activer le mode développeur dans `chrome://extensions`, puis choisir « Load unpacked ».

## Trois vérifications, un verdict

Les mêmes vérifications fonctionnent partout : surlignez du texte, faites un clic droit et choisissez « Check for AI ». Une fiche s’ouvre à côté du texte avec l’une de quatre réponses : Likely AI, Uncertain, Likely human ou Too short to judge, ainsi que les raisons qui la justifient.

L’extension empile plusieurs vérifications :

- **Empreintes :** des traces que seuls les outils d’IA laissent, comme un lien `utm_source=chatgpt.com`, des marqueurs de citation oubliés ou « As an AI language model ».
- **Style d’écriture :** la variété de longueur des phrases, les mots que l’IA surutilise, les tirets cadratins, et les signes de décontraction comme l’argot, qui pointent dans l’autre sens.
- **Claude Sonnet 5.5 :** sur LinkedIn pour chaque post de 30 mots ou plus, partout ailleurs d’un clic sur « Check deeper with Claude » ; les deux font appel au même modèle. Claude répond avec une probabilité de 0 à 100 et jusqu’à trois raisons, qui peuvent peser dans un sens comme dans l’autre.

![La fiche de résultat sous mes propres messages de ce projet : Likely human · 4, avec les raisons de Claude citant mes fautes de frappe](https://x2labs.ai/_astro/card-human.JgONUd1i_2uRvAy.webp)

Cette fiche porte sur mes propres messages à Claude pendant que je construisais l’outil, fautes de frappe comprises. Claude a cité ces fautes comme raisons, et les vérifications gratuites n’ont ajouté qu’un seul indice : un style décontracté.

![La fiche sous un paragraphe écrit par une IA sur le télétravail : Likely AI · 96, avec Claude qui nomme ses formules toutes faites](https://x2labs.ai/_astro/card-ai.CtgtXj83_1ciCJ9.webp)

Ce paragraphe a été écrit par Claude pour cette capture d’écran ; il ne fait pas partie des textes de test. Remarquez que les raisons nomment les formules, pas seulement un score.

## Ce que 565 textes ont montré

J’ai tout mesuré sur 565 textes étiquetés. Le jeu principal compte 155 textes humains écrits avant novembre 2022, tirés de sources publiques : commentaires [Hacker News](https://news.ycombinator.com/), articles de [Wikipédia](https://en.wikipedia.org/), romans classiques du [Project Gutenberg](https://www.gutenberg.org/), avis [Yelp](https://huggingface.co/datasets/Yelp/yelp_review_full) et [Amazon](https://huggingface.co/datasets/fancyzhx/amazon_polarity), [commentaires Reddit](https://huggingface.co/datasets/webis/tldr-17), [SMS](https://huggingface.co/datasets/ucirvine/sms_spam), [journaux de conversations](https://huggingface.co/datasets/spawn99/PersuasionForGood) et [e-mails d’Enron](https://huggingface.co/datasets/Yale-LILY/aeslc). Aucun d’eux n’est un post LinkedIn.

Ses 160 textes d’IA ont été écrits les 3 et 4 novembre 2026 par Claude Opus 5.5 via Claude Code. J’ai demandé les mêmes types de textes que côté humain : e-mails, avis, messages de chat et de style Reddit, posts de forum, quelques textes formels et des histoires, de 12 à 864 mots (105 en général). Beaucoup de prompts lui demandaient d’avoir l’air décontracté, en minuscules avec de l’argot et une faute de frappe, comme le ferait une personne.

Un second jeu comprend 200 autres e-mails du [corpus public d’e-mails Enron](https://www.cs.cmu.edu/~enron/) (1999–2002) et 50 réécritures de certains d’entre eux par le même modèle Claude. J’ai comparé des prompts et exploré des seuils sur une moitié du jeu principal, séparée par un hachage fixe de l’identifiant de chaque texte, et je les ai vérifiés sur l’autre moitié. Les 200 e-mails du second jeu n’ont jamais servi à ajuster le prompt de Claude ni son seuil.

**La vérification de Claude sur le jeu principal, avant et après l’ajustement du prompt**

Exécutée en novembre 2026. Jeu principal : 155 textes humains et 160 textes d’IA ; la moitié réservée contient 88 textes humains et 85 textes d’IA. « Likely AI » à 60 partout. Sonnet exécuté avec le prompt final le 12 novembre, puis le 18 novembre via le serveur du lab tel qu’il est livré.

| Exécution              | Modèle | Humains classés « Likely AI » | Textes d’IA repérés |
| ---------------------- | ------ | ----------------------------- | ------------------- |
| Premier prompt         | Opus   | 0 sur 155                     | 14 % des 160        |
| Prompt final           | Opus   | 0 sur 155                     | 64 % des 160        |
| Final, moitié réservée | Opus   | 0 sur 88                      | 66 % des 85         |
| Final, 12 nov.         | Sonnet | 0 sur 155                     | 47 % des 160        |
| Livré, 18 nov.         | Sonnet | 0 sur 155                     | 39 % des 160        |
| Livré, moitié réservée | Sonnet | 0 sur 88                      | 44 % des 85         |

**C’est Claude qui a fait le repérage.** Demander une probabilité de 0 à 100 et lister les signes d’une IA qui fait semblant d’être décontractée a fait passer le taux de repérage d’Opus de 14 % à 64 % : 58 des 70 textes d’IA de 120 mots ou plus (83 %), mais seulement 7 des 30 de 30 à 59 mots (23 %). J’ai fixé « Likely AI » à 60 en laissant une large marge au-dessus du score le plus élevé obtenu par un texte humain dans l’ensemble du jeu principal, à savoir 30. Comme cet examen incluait la moitié réservée, la ligne correspondante n’est pas totalement à l’aveugle ; les 200 e-mails d’Enron le sont, et aucun d’eux n’a été signalé non plus, ce qui fait 0 sur 355 textes humains au total.

**Sonnet est le modèle qu’utilise l’extension, et il repère moins.** J’ai confié l’étiquetage à Claude Sonnet 5.5 pour que la vérification d’un fil entier reste bon marché. Le 18 novembre, je l’ai mesuré via le serveur tel qu’il est livré et j’ai fixé le seuil sur une moitié du jeu principal, où le score humain le plus élevé était 55 : le seuil est resté à 60. Il a classé 0 des 355 textes humains « Likely AI », et les 4 textes humains qui ont obtenu 40 ou plus n’ont jamais dépassé 55 en cinq réexécutions chacun. Il a repéré 62 des 160 textes d’IA (39 %) et 37 des 85 de la moitié réservée (44 %) : 43 des 70 de 120 mots ou plus, et 3 des 30 de 30 à 59 mots.

Y arriver a demandé un détour. Le 12 novembre, avec le même prompt et le même seuil, Sonnet repérait 47 %. Les correctifs des vérifications échouées ont désactivé sa réflexion, le réglage de l’API qui laisse le modèle raisonner avant de répondre, et figé la forme de la réponse ; ses scores se sont alors regroupés sur 62, et un message de chat humain a atteint 62 lors d’une des cinq réexécutions, si bien que j’ai dû relever le seuil (tableau ci-dessous). Laisser la réflexion au réglage par défaut de Sonnet a de nouveau étalé les scores, pour le même coût par vérification.

Les plus petits modèles Haiku échouent nettement à ma règle : ils classent de vraies personnes « Likely AI ». Opus a écrit tous les textes d’IA, et j’ai ajusté le prompt sur les réponses d’Opus, ce qui peut avantager Opus ; pour Sonnet, je n’ai choisi que le réglage de réflexion et le seuil.

**Chaque modèle Claude avec la même règle**

Même prompt, mêmes 565 textes. Opus mesuré via Claude Code en novembre 2026 ; les autres via le serveur du lab le 18 novembre 2026. Un modèle qui classe un seul texte humain « Likely AI » est inutilisable.

| Modèle                           | Seuil | Humains classés « Likely AI » | Textes d’IA repérés |
| -------------------------------- | ----- | ----------------------------- | ------------------- |
| Opus 5.5                         | 60    | 0 sur 355                     | 64 % des 160        |
| Sonnet 5.5 (livré)               | 60    | 0 sur 355                     | 39 % des 160        |
| Sonnet 5.5, réflexion désactivée | 65    | 0 sur 355                     | 16 % des 160        |
| Haiku 4.5                        | 60    | 56 sur 355                    | 24 % des 160        |
| Haiku 5.5                        | 60    | 25 sur 355                    | 46 % des 160        |

**Les modèles locaux n’ont rien apporté d’exploitable.** Une version antérieure faisait aussi tourner deux petits modèles sur mon Mac : une vérification de la prévisibilité des mots selon la [méthode Binoculars](https://arxiv.org/abs/2401.12070) et un classifieur ouvert de textes d’IA, [desklib/ai-text-detector-v1.01](https://huggingface.co/desklib/ai-text-detector-v1.01). J’ai séparé les deux jeux avec le même hachage fixe, fixé leurs seuils sur une moitié et les ai vérifiés sur l’autre, qui contient 183 textes humains (88 du jeu principal, 95 e-mails d’Enron) et 109 textes d’IA (85 plus 24 réécritures). Sur celle-ci, le classifieur penchait vers l’IA pour 45 % des textes d’IA, mais aussi pour 12 % des textes humains. En exigeant que les deux vérifications locales soient d’accord, réglées assez strictement pour n’accuser aucun de ces 183 humains, elles ont repéré 0 texte d’IA supplémentaire. Comme elles n’ont jamais rien décidé, je les ai retirées de l’extension pour qu’elle s’installe sans rien d’autre.

**« Compare with this person’s usual writing » n’a presque pas fonctionné.** Vous enregistrez quelques messages dont vous savez que quelqu’un les a écrits, et l’extension signale un nouveau message qui ne lui ressemble pas. J’ai ajusté ce mode sur les e-mails de 4 personnes d’Enron et je l’ai testé sur 6 autres : il a marqué 1 de leurs 60 nouveaux e-mails authentiques (2 %) comme « unlike their usual writing » et repéré 1 des 30 réécritures de leurs e-mails par Claude (3 %). Il est livré à titre expérimental et, à lui seul, il ne rend jamais un texte « Likely AI ».

**Les pages malveillantes étaient le vrai danger.** J’ai demandé à des sous-agents de Claude Code de passer l’extension en revue et d’essayer de la casser. Ils trouvaient sans cesse des façons dont une page web pouvait faire passer une vraie personne pour une IA : cacher « As an AI language model » dans le message de quelqu’un avec du CSS, effacer la sélection après le clic droit, insérer des caractères invisibles. La vérification de l’extension pour le texte caché dans la page n’a détecté que 3 des 10 astuces de dissimulation. Avec l’ancien barème, trois caractères invisibles suffisaient à faire basculer en « Likely AI » 237 des 309 textes humains assez longs pour le score de style (60 mots ou plus).

![Un message humain avec une phrase cachée « As an AI language model » insérée par la page : la fiche indique Uncertain et traite la formule comme une citation possible](https://x2labs.ai/_astro/card-hidden.D7Qq2F0n_Z1iezgt.webp)

Cette fiche provient d’une page de test que j’ai construite pour imiter une page malveillante : la phrase cachée est de la couleur du fond, ce que la vérification de la page ne détecte pas, et le surlignage de la sélection la rend visible ici. Contrairement aux deux autres fiches, elle provient de la version antérieure, qui utilisait Claude Opus 5.5 et faisait encore tourner les modèles locaux.

J’ai donc changé la règle : « Likely AI » ne vient jamais que de la vérification de Claude, à 60 ou plus. Les empreintes et le style peuvent dire « Uncertain » ou signaler un indice fort, mais jamais accuser. Cela n’a rien coûté de mesurable : aucun verdict sur les 565 textes n’a changé.

J’ai relancé les attaques sur les mêmes 309 textes humains avec la nouvelle règle, sans Claude : trois caractères invisibles n’en font désormais passer aucun en « Likely AI », et il en va de même si l’on insère une ligne de formules d’IA comme « As an AI language model » et « delve ». Ce que je n’ai pas mesuré, c’est si un texte inséré peut faire passer le propre score de Claude au-dessus de 60.

## Mon avis

Utilisez-la comme un indice, jamais comme une preuve. Quand elle dit « Likely AI », Claude a trouvé des signes clairs ; quand elle dit « Uncertain », c’est une réponse honnête, pas un oui poli. Le point faible que j’ai mesuré, c’est l’IA qui réécrit un vrai texte humain : Sonnet n’a repéré aucune des 50 réécritures par Claude de vrais e-mails d’Enron, qui conservaient les noms et les faits, et en a classé 38 « Likely human » (Opus en a repéré 8 %). Je m’attends à ce qu’un texte d’IA retouché à la main par une personne passe entre les mailles de la même façon, même si je ne l’ai pas testé. En dessous de 30 mots, elle ne se prononce pas du tout.

Un modèle plus gros repère davantage. Avec la même règle, Claude Opus 5.5 a repéré 64 % des mêmes 160 textes d’IA et Sonnet 39 % ; j’ai choisi Sonnet pour que la vérification d’un fil entier reste bon marché. N’interroger Opus que sur les posts dont Sonnet n’est pas sûr pourrait approcher le taux d’Opus pour une fraction du coût, mais je ne l’ai pas encore mesuré.

Je ne l’ai pas mesurée sur de vrais posts LinkedIn, faute d’en avoir un jeu étiqueté, et aucun de mes textes de test n’était en roumain, la langue de nombreux posts de mon fil. Tous les textes d’IA que j’ai testés ont été écrits par Claude, je ne sais donc pas comment elle s’en sort sur des textes de ChatGPT ou de Gemini ; je m’attendrais à ce qu’elle en repère moins.

Si vous envisagez d’en construire un, placez la règle contre les fausses accusations en premier et mesurez par rapport à elle. Les modèles supplémentaires semblaient impressionnants sur le papier et n’ont rien apporté avec cette règle ; l’essentiel de mon travail a consisté à m’assurer qu’une page ne puisse pas faire mentir l’outil au sujet d’une personne.

**Pour aller plus loin**

- [J’ai donné une voix à Claude Code. Voici ce qui s’est passé.](https://x2labs.ai/fr/notes/claude-code-voice) · Laszlo Csiki · 29 sept. 2026
