Humanize-Text : Humaniseur de Texte IA Open-Source qui Contourne GPTZero et Turnitin
Découvrez Humanize-Text, une boîte à outils open-source gratuite qui réécrit le contenu généré par IA en écriture indétectable et humaine grâce à une chaîne de traduction multi-étapes et une réécriture par LLM.
Qu'est-ce que Humanize-Text ?
Humanize-Text est une boîte à outils Python open-source conçue pour convertir le texte généré par IA en écriture naturelle et humaine, contournant les principaux détecteurs d'IA comme Turnitin, GPTZero et autres. Développé par Lynote AI, ce projet propose un pipeline de qualité production qui combine la réécriture par LLM avec une traduction multi-moteur pour briser les empreintes statistiques de l'IA tout en préservant le sens et le style originaux.
Le dépôt a évolué à travers deux versions majeures :
- v1.0 — A documenté quatre méthodologies d'humanisation comme implémentations de référence : chaîne de traduction, réécriture multi-tours par LLM, boucle de rétroaction guidée par détection, et traduction multi-moteur.
- v1.5 (actuelle) — A introduit le Pipeline Standard, une intégration de qualité production de la Méthode 1 (Chaîne de Traduction) et de la Méthode 2 (Réécriture par LLM), fixée comme une chaîne en 5 étapes recommandée pour une utilisation réelle.
Comment fonctionne le Pipeline Standard
Le Pipeline Standard achemine le texte à travers une chaîne en 4 étapes :
- DeepSeek (temp 1.3) — Entrée → Chinois (Réécriture en chinois)
- DeepSeek (temp 1.3) — Chinois → Japonais (Réécriture en japonais)
- Google Translate — Japonais → Finnois (Premier saut de traduction)
- Niutrans — Finnois → Anglais (Deuxième saut de traduction)
Cette chaîne exploite deux stratégies clés :
- Réécriture par LLM (Étapes 1–2) : DeepSeek à température 1.3 réécrit tout en traduisant, brisant les empreintes statistiques de l'IA avec des variations créatives. L'étape 2 conserve l'étape 1 comme historique de conversation pour une humanisation cohérente.
- Traduction Multi-Moteur (Étapes 3–4) : Deux moteurs NMT différents (Google → Niutrans) introduisent des changements structurels composés. Aucune empreinte de moteur unique ne survit.
- Langues Éloignées : Chinois → Japonais → Finnois maximise la distance linguistique à chaque saut, assurant une restructuration approfondie avant la reconstruction en anglais.
Métriques de Qualité
Testé sur 50 paires de textes avec évaluation experte :
| Dimension | Score (sur 10) |
|---|---|
| Complétude de l'Information | 10.0 |
| Fluidité Linguistique | 9.0 |
| Adaptabilité du Style | 8.8 |
| Lisibilité | 9.2 |
| Créativité & Impact | 8.5 |
| Global | 9.1 |
Rétention des Informations Clés : 100% (50/50 paires) — tous les textes ont préservé les informations clés originales sans distorsion.
Résultats de Démonstration
Le pipeline a été testé sur 5 textes d'entrée réels, et toutes les sorties finales ont été classées comme humaines par le détecteur d'IA :
| # | Sujet | Détection | Confiance |
|---|---|---|---|
| 01 | Informatique Quantique | humain | 0.9997 |
| 02 | Stratégie de Préparation Quantique | humain | 0.9982 |
| 03 | Chaînes d'Approvisionnement Durables | humain | 0.7810 |
| 04 | Éducation Financière | humain | 0.9924 |
| 05 | Révision par les Pairs en Science | humain | 0.7218 |
Chaque exemple montre la trace complète : entrée originale → Étape 1 (中文改写) → Étape 2 (日语改写) → Étape 3 (一轮翻译) → Étape 4 (二轮翻译, final). Voir examples/showcase/ pour les traces complètes.
Démarrage Rapide
Script Python
git clone https://github.com/lynote-ai/humanize-text.git
cd humanize-text
pip install -r requirements.txt
cp config/config.example.toml config/config.toml
# Remplissez vos clés API dans config.toml
python -m src.standard.pipeline --input "Votre texte généré par IA ici"
Workflow n8n
Importez n8n/humanize_standard.json dans votre instance n8n, configurez la clé API DeepSeek dans les nœuds de requête HTTP, et exécutez.
Lynote.ai (Sans Configuration)
Visitez lynote.ai pour une expérience sans configuration qui combine les trois niveaux (Standard, Avancé, Ciblé) et sélectionne automatiquement l'approche optimale pour chaque passage de texte.
Comparaison avec d'Autres Niveaux
| Fonctionnalité | Standard (ce dépôt) | Lynote.ai |
|---|---|---|
| Niveaux Disponibles | Standard uniquement | Standard + Avancé + Ciblé |
| Sélection du Niveau | Manuelle | Automatique par passage |
| Préservation du Style | Meilleure | Adaptative — meilleure possible par passage |
| Configuration | Python + clés API | Aucune configuration |
| Meilleur Pour | Contenu sensible au style | Tout type de contenu |
Structure du Dépôt
src/
├── standard/ # ★ v1.5.1 Pipeline Standard de production (recommandé)
│ ├── pipeline.py # Chaîne en 4 étapes, entrée CLI
│ ├── llm_rewriter.py # Réécriture d'humanisation DeepSeek
│ └── translators.py # Moteurs Google + Niutrans
│
└── methodologies/ # Implémentations de référence des quatre méthodologies v1.0
├── humanizer.py # Distributeur v1.0 + application FastAPI
├── translation_chain.py # Méthode 1
├── llm_rewriter.py # Méthode 2
├── detection_pipeline.py # Méthode 3
├── mixed_engine.py # Méthode 4
├── postprocess.py
├── detectors/ # Détecteurs de la Méthode 3
└── utils/
examples/
├── example_usage.py # ★ Entrée minimale v1.5.1
├── showcase/ # ★ 5 échantillons réels avec sorties intermédiaires
└── legacy/ # Exemples v1.0 + sorties de comparaison des 4 méthodes
Pourquoi C'est Important
Alors que le contenu généré par IA devient omniprésent, la capacité à humaniser le texte est cruciale pour maintenir l'authenticité et éviter la détection dans des contextes académiques, professionnels et créatifs. Humanize-Text fournit une solution transparente, personnalisable et efficace que les développeurs peuvent intégrer dans leurs workflows ou utiliser comme référence pour construire leurs propres pipelines d'humanisation.
Licence
Licence MIT. Voir LICENSE pour les détails.