Les mots que ChatGPT utilise trop (et qui te trahissent)

L’essentiel
Un texte généré en français ne se reconnaît pas à une impression vague. Il se reconnaît à une vingtaine de mots et de structures précises, récurrentes, qu’on peut lister et traquer.
On applique cette grille sur nos propres textes avant chaque publication. La voici, avec le prompt pour la faire tourner sur les tiens.

Un texte écrit par une IA en français ne sonne pas faux. Il sonne poli.

C’est le vrai problème. Les idées peuvent être justes, la grammaire impeccable, la structure logique — et le texte reste mort. Pas parce qu’il ment. Parce qu’il choisit systématiquement le mot le plus prudent, jamais le plus précis.

En 2019, mes boutiques Shopify disaient exactement ce que dix mille autres pages de dropshipping disaient. “Qualité premium.” “Livraison rapide.” “Satisfaction garantie.” Le produit n’était pas le problème. Le texte ne disait rien de vérifiable, donc il ne convainquait personne. J’ai mis des mois à comprendre que la généricité tue avant le prix.

Le même mécanisme opère aujourd’hui avec un texte généré par ChatGPT ou Claude. Et il se traque, mot par mot.

Quels mots utilisés par ChatGPT trahissent un texte IA en français ?

On produit une soixantaine d’articles sur ce projet. Chacun passe par une grille de mots bannis avant publication. Ce n’est pas une théorie éditoriale qu’on brandit pour faire sérieux. C’est un filtre qu’on applique nous-mêmes, tous les jours, avant de cliquer sur “publier”.

La plupart des listes de “mots IA” qui circulent sont traduites de l’anglais. Elles pointent “delve” et “tapestry” — des mots que personne n’emploie en français de toute façon. Le vrai problème, ce sont les équivalents français que les modèles ont appris à sur-utiliser parce qu’ils sont polis, sûrs, et grammaticalement toujours corrects. Un modèle de langage optimise pour ne jamais se tromper. Résultat : il choisit systématiquement le mot le plus consensuel, jamais le plus précis.

Voici les six familles qu’on repère le plus souvent — dans nos brouillons, dans ceux des membres de la communauté, dans à peu près tout ce qui sort d’un prompt trop court.

Les verbes valises

Une poignée de verbes reviennent sans arrêt parce qu’ils peuvent s’appliquer à n’importe quel sujet sans jamais rien dire de précis : tirer parti de, exploiter, capitaliser sur, favoriser, cultiver, encourager, mettre en avant, valoriser, souligner, recueillir, susciter, attirer, améliorer, optimiser, enrichir.

Le test est simple. Remplace le verbe par n’importe quel autre verbe vague. Si le sens de la phrase ne change pas, c’est un verbe valise. “Cet outil permet d’optimiser ta productivité” ne dit rien. “Cet outil te fait gagner 40 minutes par semaine sur la relecture” dit quelque chose.

Les adjectifs valises

Crucial, pivot, central, vibrant, dynamique, vivant, complexe, sophistiqué, ingénieux, précieux, de valeur, durable, pérenne. Ces adjectifs ont un point commun : ils sonnent impressionnants sans jamais être démontrés. Un modèle IA les utilise parce qu’ils ajoutent un vernis de sérieux sans engager de fait vérifiable derrière.

Le test : retire l’adjectif. Si la phrase perd un fait concret, il servait à quelque chose. Si elle perd juste du volume, il était creux.

Les connecteurs paresseux

En outre, de plus, par ailleurs, qui plus est. Ce sont des connecteurs additifs qui empilent des idées sans jamais les relier vraiment. Un texte qui sonne humain pivote — il utilise “par contre”, “en réalité”, “or”, “sauf que”, des connecteurs qui font tourner l’argument, pas juste l’allonger.

Les phrases d’installation

“Il est important de noter que…”, “il convient de souligner que…”, “dans un monde où…”, “à l’ère du numérique…” Ces phrases ne disent rien et retardent le point réel de trois lignes. Un modèle les utilise pour se donner le temps de réchauffer sa réponse. Un texte humain ouvre sur le point, directement.

Les clôtures corporate

“En conclusion…”, “pour résumer…”, “n’hésitez pas à…”, “j’espère que cet article vous a plu…” Ces formules signalent presque à coup sûr un texte généré sans retouche, parce qu’elles viennent d’un réflexe de politesse professionnelle que personne n’a en écriture naturelle. Personne ne parle comme ça à un ami.

La structure qui trahit encore plus que le vocabulaire

Le point-virgule utilisé de façon académique. Le tiret cadratin comme connecteur mécanique (“le texte est clair — il va à l’essentiel — il convainc”). Le parallélisme “pas seulement X, mais Y”, devenu un tic depuis que tout le monde l’a repéré. La chaîne d’adjectifs en règle de trois (“clair, concis et efficace”). Et le pire de tous : le balisage scolaire — “tout d’abord, ensuite, enfin” — qui trahit un plan de dissertation plutôt qu’une pensée qui avance.

Une phrase peut cocher zéro mot banni et rester générique à cause d’une seule de ces structures. C’est souvent elle qu’on rate en relisant vite.

Comment repérer et corriger ces tics dans ton propre texte ?

Le plus rapide pour voir lesquels te trahissent vraiment, sur ton propre texte : passe-le au détecteur de style robot — score sur 100, mots-robots surlignés, sans compte, en dix secondes. Il ne devine pas si un texte “vient d’une IA”. Il mesure les marques de style qu’on vient de lister.

Avant ça, un exemple, parce qu’une liste sans démonstration reste abstraite.

Version qui sonne IA :
“Il est important de noter que l’intelligence artificielle représente un outil précieux permettant aux entrepreneurs de tirer parti de nombreuses opportunités afin d’optimiser leur productivité et de favoriser leur croissance.”

Version à moitié corrigée (le piège du milieu) :
“L’IA est un outil qui aide les entrepreneurs à améliorer leur productivité et à développer leur activité plus efficacement.”

Version retravaillée :
“L’IA ne te rend pas plus productif par magie. Elle te fait gagner du temps sur trois tâches précises : trier, résumer, réécrire. Le reste, c’est toujours toi.”

La deuxième version a supprimé les adjectifs valises, mais elle reste vide. Elle ne nomme toujours rien de vérifiable — “plus efficacement” ne veut rien dire de plus que “optimiser”. La troisième fait deux choses que les deux précédentes ratent : elle nomme des faits précis (trois tâches) et elle prend position (“par magie” pivote la phrase). C’est là que se joue la vraie correction. Pas dans le vocabulaire seul — dans ce que la phrase ose affirmer.

6 prompts pour traquer et corriger ces tics

1. Diagnostic complet

2. Traque du point-virgule et du tiret mécanique

3. Chasse aux verbes valises

4. Chasse aux adjectifs sans preuve

5. Reformulation de l’ouverture

6. Audit de clôture

Fais tourner les six dans l’ordre sur un même brouillon. Le diagnostic d’abord, sans rien corriger — sinon tu répares au feeling ce que tu devrais réparer avec la liste sous les yeux.

Limite nommée

Un mot banni de cette liste n’est pas, à lui seul, la preuve qu’un texte est généré par IA. Le contexte compte. Un texte B2B très formel peut légitimement utiliser “dans le cadre de” sans que ce soit un tic. La liste sert de radar, pas de verdict automatique — elle indique où regarder de plus près, pas ce qu’il faut condamner à l’aveugle. Et un texte qui coche zéro mot de cette liste peut quand même rester interchangeable, si aucune position ni aucun exemple vérifiable ne le porte.

FAQ

Q : Est-ce que ces mots sont interdits partout ?
R : Non. Ils sont bannis dans notre propre production éditoriale parce qu’ils diluent la voix. Dans un contexte B2B très formel, certains restent justifiés — un rapport administratif n’a pas la même charge de preuve qu’un article destiné à convaincre.

Q : Pourquoi cette liste précise, et pas la liste anglaise habituelle (“delve”, “tapestry”) ?
R : Parce que ces mots-là n’existent quasiment jamais en français naturel. Les vrais tics français sont différents et beaucoup moins documentés en ligne — c’est cette liste-ci qui manquait.

Q : Un texte sans aucun de ces mots est-il garanti “humain” ?
R : Non. Le vocabulaire n’est qu’un des signaux. Le rythme des phrases, la présence d’une position assumée et d’un exemple vérifiable comptent tout autant — voir la méthode complète pour humaniser un texte IA.

Outil du jour : Claude / ChatGPT — se traquer soi-même

Claude ou ChatGPT, utilisés pour se traquer eux-mêmes : demande-lui directement de scanner un de ses propres brouillons avec le prompt de diagnostic ci-dessus. C’est le test le plus rapide et le plus honnête que tu puisses faire avant de publier.

⚡ Test express : colle ton dernier brouillon dans Claude avec le prompt 1, sans rien corriger encore. Compte le nombre d’occurrences repérées.

⚠️ Limite : le modèle qui a écrit le texte est aussi celui à qui tu demandes de le corriger. Il rate parfois ses propres tics les plus discrets — surtout les phrases d’installation, qu’il considère “normales” parce qu’il les a apprises comme telles.

→ Explorer Claude + voir les alternatives → iasignal.com/outils/claude

Cette liste rejoint directement notre méthode de rétro-ingénierie de contenu et l’atelier pour cloner ta voix avec Claude : repérer les tics est la première étape, la voix vient après. On a détaillé la suite — la méthode en 4 étapes pour aller du diagnostic à un texte qui tient — dans l’article sur l’humanisation d’un texte IA, et le cas spécifique de LinkedIn dans pourquoi tes posts sonnent IA.

Repère ces mots dans ton prochain brouillon avant de le publier. Tu verras le texte changer de nature en quelques minutes.

Télécharge les ressources gratuites des Éclaireurs → iasignal.com/ressources

Explore tous les outils IA comparés → iasignal.com/outils

Rejoins Les Éclaireurs → skool.com/les-eclaireurs

L’IA qui apprend ta voix et écrit comme toi (démo 30 s) → app.iasignal.com/demo