Pangram lève 9 M$ pour traquer les contenus IA : la guerre du « slop » est déclarée

Alors que les contenus générés par ChatGPT et autres LLM envahissent Google, provoquant sanctions juridiques et gaffes politiques, la startup new-yorkaise Pangram annonce une levée de 9 millions de dollars. Sa mission : créer le détecteur d’IA le plus fiable du marché pour distinguer l’écriture humaine du « slop » algorithmique.

Le « slop janitor » du web décroche 9 millions

Max Spero, cofondateur de Pangram et diplômé de Stanford, se présente volontiers comme le « slop janitor » — l’éboueur du contenu poubelle — d’internet. Un surnom qui colle à la réalité : depuis l’explosion de ChatGPT fin 2022, le web connaît une inflation massive de contenus générés par intelligence artificielle, souvent de qualité médiocre, que les anglophones ont baptisé « AI slop ».

Cette pollution informationnelle a des conséquences concrètes et parfois dramatiques. Des avocats américains ont été sanctionnés pour avoir cité devant un juge des jurisprudences entièrement inventées par une IA générative. Un politicien canadien a lu en plein discours parlementaire un prompt complet au lieu du texte généré. Google, de son côté, voit ses résultats de recherche envahis par des articles de fond rédigés par des LLM, au détriment de la qualité de l’information.

Face à ce constat, Pangram annonce une levée de fonds de 9 millions de dollars, menée par Menlo Ventures, avec la participation de Haystack, ScOp, Script Capital et Cadenza. Un financement destiné à accélérer le développement de sa technologie de détection et à conquérir un marché naissant mais stratégique.

Pangram 4 : 99% de précision revendiquée

Simultanément à l’annonce de cette levée, Pangram dévoile Pangram 4, sa nouvelle génération de détecteur de textes IA, et lance en version de recherche Pangram Image, un outil d’analyse d’images synthétiques.

Selon l’entreprise, Pangram 4 atteint une précision supérieure à 99% dans l’identification de contenus purement générés par IA ou hybrides (mélange humain-machine). Plus impressionnant encore : le taux de faux positifs — c’est-à-dire des textes humains incorrectement signalés comme IA — serait de seulement 0,0041%, soit environ une erreur pour 24 000 documents analysés. Un chiffre six fois meilleur que la génération précédente.

Le modèle serait également capable de distinguer les contenus « polis » par l’IA (un humain qui utilise ChatGPT pour reformuler) des textes entièrement synthétiques, et même d’identifier les tentatives d’imitation de style humain par les LLM. Des recherches indépendantes de l’Université du Maryland et de Microsoft confirment que Pangram surpasse les experts humains entraînés dans l’identification de contenus IA, une première pour un détecteur automatisé.

Un marché porté par l’urgence et la régulation

Le timing de cette levée n’est pas anodin. Juillet 2026 coïncide avec les premières applications concrètes de l’AI Act européen, qui impose des obligations de transparence sur l’usage de l’IA. Pangram se positionne ainsi comme fournisseur d’infrastructure de compliance, pas seulement comme outil optionnel.

Les secteurs concernés sont multiples : l’éducation (détection de devoirs rédigés par IA), la justice (vérification de l’authenticité des documents), les médias (lutte contre la désinformation), les ressources humaines (candidatures authentiques) et la cybersécurité (détection de campagnes de manipulation). Selon des estimations d’analystes, ce marché de l’« IA de confiance » pourrait atteindre plusieurs milliards de dollars d’ici 2028, avec un taux de croissance annuel supérieur à 40%.

Substack, plateforme de newsletters, a déjà intégré Pangram dans son application pour permettre aux lecteurs de scanner les posts et commentaires. LinkedIn teste un bouton « signaler comme slop IA » sur ses publications. Ces premiers déploiements confirment une demande réelle, même si la fiabilité absolue reste un défi.

Les limites d’une solution technique

Malgré ces avancées, aucun détecteur n’est infaillible. Les faux positifs, même rares, peuvent avoir des conséquences graves : un étudiant accusé à tort de triche, un journaliste discrédité, un candidat éliminé injustement. Des études montrent que certains styles d’écriture — notamment ceux de non-natifs anglophones ou de personnes neurodivergentes — sont parfois faussement signalés comme IA.

Par ailleurs, les LLM évoluent constamment pour contourner les détecteurs. Un chercheur de Princeton a récemment testé une approche où Claude, avec accès à l’API de Pangram, réécrivait itérativement un texte jusqu’à ce qu’il soit classé comme « humain ». Cela a fonctionné en février 2026, mais échoue désormais avec Pangram 4 — preuve d’une amélioration, mais aussi d’une guerre technologique permanente.

Autre paradoxe : les plateformes comme Google déploient massivement leur propre IA (AI Overviews) tout en ayant besoin de détecter l’IA des autres. La détection pourrait devenir un outil de contrôle pour éliminer la concurrence tout en légitimant l’IA « officielle » des géants.

Au-delà de la technologie, un enjeu de formation

Les incidents mentionnés — avocats sanctionnés, politicien lisant un prompt — révèlent un problème plus profond que la simple détection technique : l’analphabétisme IA des professionnels qualifiés. Beaucoup utilisent ChatGPT sans comprendre ses limites, notamment sa tendance aux « hallucinations » (informations inventées mais présentées avec assurance).

La solution durable ne réside pas uniquement dans la surveillance algorithmique, mais dans l’éducation aux IA et l’évolution des pratiques professionnelles. Les détecteurs comme Pangram sont un pansement nécessaire, mais temporaire. À long terme, il faudra repenser les standards de vérification, la formation des professionnels et peut-être même la définition de l’authenticité intellectuelle.

Quatre scénarios pour les 12 prochains mois

L’avenir de Pangram et du marché de la détection reste incertain. Plusieurs trajectoires sont possibles :

Scénario 1 — Adoption rapide : Intégration dans les plateformes majeures (Google Search, systèmes universitaires), Pangram devient la référence du secteur, valorisation multipliée par 5 à 10.

Scénario 2 — Guerre technologique : Les IA génératrices s’adaptent pour contourner la détection, course aux armements technique, efficacité limitée, marché fragmenté avec de nombreux acteurs.

Scénario 3 — Régulation imposée : L’UE ou les États-Unis imposent l’étiquetage obligatoire des contenus IA, explosion de la demande, consolidation autour de 2-3 acteurs certifiés.

Scénario 4 — Disruption : Un géant tech (OpenAI, Google, Microsoft) lance sa propre solution gratuite ou intègre la détection nativement, marginalisant les startups indépendantes.

Questions ouvertes

Plusieurs interrogations stratégiques demeurent. Quelle est la précision réelle de Pangram face aux toutes dernières générations d’IA (GPT-5, Claude 4) ? Comment la solution gère-t-elle les contenus hybrides, où un humain utilise l’IA comme assistant ? Quel modèle économique : SaaS par abonnement, API payante à l’usage, ou licences entreprises ?

Plus fondamentalement : les créateurs de LLM vont-ils coopérer en intégrant du watermarking natif (tatouage numérique invisible), ou résister pour préserver la fluidité de leurs outils ? La régulation imposera-t-elle une obligation de détection, ou laissera-t-elle la liberté de génération ?

Enfin, une question philosophique : dans un monde où l’IA écrit de mieux en mieux, la valeur résiduelle de l’écriture humaine réside-t-elle dans son authenticité (« c’est un humain qui l’a écrit ») ou dans sa qualité intrinsèque (« c’est bien écrit, peu importe qui ») ? La réponse déterminera l’ampleur réelle du marché de la détection.

Conclusion : un marché né de l’échec d’un autre

La détection de contenus IA illustre un paradoxe économique fascinant : plus les IA génératrices réussissent (et génèrent du chiffre d’affaires), plus elles créent un problème nécessitant des détecteurs. C’est un marché qui n’existe que par l’échec partiel — la non-traçabilité — d’un autre marché.

Cette instabilité structurelle suggère que l’équilibre à long terme reste incertain. Soit les générateurs intègrent la traçabilité (tuant le marché de la détection externe), soit la course aux armements devient insoutenable. Dans tous les cas, Pangram et ses 9 millions de dollars incarnent une réalité incontournable : l’ère de la confiance aveugle dans les contenus en ligne est révolue. Reste à savoir si la solution sera technologique, réglementaire, éducative — ou un mélange des trois.