Cet outil gratuit vous aide à repérer et à supprimer les caractères Unicode cachés de votre texte. Les modèles d’IA tels que ChatGPT peuvent parfois insérer discrètement des caractères cachés comme le tiret cadratin ou l’espace sans chasse. Cet outil vous permet de les trouver et de supprimer ceux dont vous n’avez pas besoin.
Notre outil gratuit détecte et supprime les caractères Unicode cachés de votre texte :
Cet outil vous aide à afficher les caractères Unicode cachés dans votre texte et à les supprimer, soit en sélectionnant des codes précis, soit en les supprimant tous en une seule fois.
Pour utiliser l’outil :
1. Collez votre texte.
2. Affichez les caractères Unicode cachés et découvrez leur fonction.
3. Choisissez les éléments à nettoyer.
– Tout corriger.
– Supprimer tous les caractères invisibles.
– Cibler certains caractères (par ex. : tiret cadratin, tiret demi-cadratin).
4. Copiez le texte nettoyé.
Veuillez noter que si un texte a été créé par un modèle de langage comme ChatGPT, Claude ou Gemini, il peut tout de même être signalé comme généré par l’IA lors d’une vérification avec le détecteur d’IA d’Originality.ai.
Points clés :
– Nettoyage facile – Notre outil gratuit vous aide à trouver et à effacer rapidement les caractères cachés.
– Confidentialité préservée – Tout est traité dans votre navigateur, votre texte reste donc sur votre appareil.
– Pas de filigrane – Les caractères cachés sont ajoutés par des LLM comme ChatGPT, mais ne servent pas à marquer secrètement le contenu.
– Usage excessif de certains caractères – ChatGPT utilise souvent plusieurs caractères Unicode cachés, comme le tiret cadratin.
– De vrais risques – Les caractères invisibles peuvent entraîner des problèmes de sécurité et de mise en forme.
– Les détecteurs fonctionnent – La détection de l’IA reste efficace même si vous supprimez les caractères cachés.
Tous les LLM incluent des caractères cachés.
Que sont les caractères Unicode cachés ?
Les caractères Unicode cachés sont des points de code uniques, différents de l’ASCII standard. Certains sont discrètement visibles, comme les tirets cadratins et les guillemets typographiques. D’autres, comme les espaces sans chasse et les caractères de liaison, sont totalement invisibles. Ces caractères agissent comme une « encre numérique » : ils modifient la façon dont les logiciels renvoient les lignes à la ligne, séparent les mots ou recherchent des correspondances dans le texte, souvent sans que vous vous en rendiez compte.
ChatGPT dissimule-t-il des filigranes dans ses textes ?
Non, c’est une erreur. Certains pensent que ChatGPT ajoute des marques cachées à ses textes, mais c’est faux. Deux raisons rendent cette hypothèse très improbable.
1. Il est facile de supprimer ces marques. Si les utilisateurs peuvent les retirer facilement, leur utilisation n’aurait aucun sens.
2. OpenAI explique qu’il s’agit simplement d’une conséquence du fonctionnement de l’apprentissage par renforcement à grande échelle.
ChatGPT insère-t-il des caractères cachés ?
Oui, les modèles d’IA comme ChatGPT ajoutent bien des caractères cachés. Beaucoup sont inoffensifs, comme les marques de mise en forme telles que les tirets cadratins, mais certains, comme les espaces sans chasse, peuvent perturber la mise en forme.
ChatGPT utilise souvent certains caractères Unicode courants :
Tiret cadratin
Ce long tiret apparaît souvent dans les textes de ChatGPT, notamment dans les modèles les plus récents (versions o3, 4 o, 4.1), pour séparer les phrases ou créer des pauses dramatiques.
- Unicode : U+2014
- Description : Un tiret horizontal long, plus large qu’un trait d’union. Il est utile en typographie pour marquer des ruptures, mais dans le code, les fichiers CSV ou le texte brut, il peut être considéré comme un caractère non standard et entraîner des problèmes lors du copier-coller ou de l’analyse.
- Exemple : word—word ressemble à word-word, mais il s’agit d’un point Unicode différent.
Les guillemets courbes, également appelés guillemets typographiques, sont ces guillemets élégants qui apparaissent à la place des guillemets droits classiques. ChatGPT utilise parfois ces versions courbes.
En Unicode, ils possèdent des codes spécifiques :
– Guillemet double ouvrant : U+201C
– Guillemet double fermant : U+201D
– Guillemet simple ouvrant : U+2018
– Guillemet simple fermant : U+2019
Ils sont courbés et conçus pour les textes imprimés. Ils apparaissent parfois là où des guillemets droits (comme » ou ‘) conviendraient mieux, par exemple dans le code, les fichiers CSV ou le Markdown. Vous pouvez ainsi voir “hello” ou ‘world’.
Espace invisible
Ce caractère se dissimule dans le texte et apparaît souvent lors d’un copier-coller depuis certains éditeurs comme ChatGPT.
– Unicode : U+200B
– Description : Il ne crée pas d’espace visible, mais sépare les caractères. Cela peut perturber la recherche de chaînes, les URL et le comptage des mots. Vous risquez alors de vous demander : « Pourquoi le collage ne fonctionne-t-il pas correctement ? »
– Exemple : wordword ← semble former un seul mot, mais un espace invisible les sépare.
Pourquoi les LLM utilisent-ils des caractères cachés ?
Voici trois raisons pour lesquelles ces caractères invisibles sont davantage utilisés par les LLM :
1. Biais lié à l’entraînement : les LLM apprennent à partir de textes rédigés par des professionnels. Ces textes contiennent souvent des tirets cadratins et des guillemets typographiques ; les LLM les utilisent donc davantage que dans la rédaction courante.
2. Ton formel : les LLM ont tendance à adopter un ton formel ou autoritaire, et ces caractères contribuent à créer ce ton.
3. Aucune contrainte de clavier : nous utilisons rarement ces caractères, car ils ne figurent pas sur les claviers standards. Les LLM n’utilisent pas de clavier pour écrire ; il leur est donc facile d’employer des caractères invisibles.
Caractères invisibles : utilisations et problèmes
Pourquoi les utilise-t-on ?
1. Mise en page soignée – Un espace sans chasse ou un trait d’union conditionnel aide les rédacteurs à décider où couper les lignes et évite que les mots longs ne dépassent maladroitement de la marge.
2. « Espaces » dans les noms d’utilisateur – Certains sites n’autorisent pas les espaces réels. En utilisant un caractère Hangul Filler invisible, des noms comme John Doe restent lisibles tout en respectant la règle « sans espace ».
3. Filigranes cachés – Les éditeurs peuvent intégrer dans un texte un motif unique composé de marques sans chasse. Si le texte est divulgué, ces points invisibles servent d’empreintes numériques.
Pourquoi suscitent-ils des inquiétudes ?
– Mise en forme : ils semblent identiques, mais se comportent différemment. Deux parties qui paraissent identiques peuvent produire un hachage ou un tri différent une fois les caractères cachés pris en compte, ce qui perturbe les exportations, les recherches ou les pistes d’audit.
– Des zones invisibles pour du code malveillant : les attaquants peuvent dissimuler des logiciels malveillants ou des commandes secrètes parmi des caractères de largeur nulle ; le fichier fonctionne, mais rien d’inhabituel n’est visible pour un humain qui examine le code.
– Des stratagèmes silencieux contre l’IA : des caractères Unicode cachés peuvent insérer des commandes supplémentaires dans une invite de chatbot, poussant le modèle à divulguer des données ou à créer du contenu dangereux à l’insu de l’utilisateur.
– Votre texte semble généré par une IA : si le texte utilise beaucoup de mises en forme particulières souvent employées par l’IA (comme les tirets cadratins), il devient évident qu’il a été généré par une IA, ce qui peut nuire à votre réputation.
L’ajout ou la suppression de caractères invisibles permet-il de tromper les détecteurs d’IA ?
Non, ce n’est pas le cas. Notre test rapide montre que l’ajout ou la suppression de caractères cachés n’a pas changé la facilité avec laquelle le contenu généré par l’IA pouvait être repéré. Nous avons créé deux contenus générés par l’IA, puis nous les avons modifiés en ajoutant des caractères cachés supplémentaires et en supprimant tous les caractères Unicode à l’aide de l’outil gratuit disponible sur cette page.
Résultat : le contenu restait détectable par la plupart des outils, quels que soient les caractères invisibles.
Voici les résultats…
Exemple de texte généré par l’IA 2 – Des caractères cachés supplémentaires dissimulaient de nombreux symboles !
Lorsque ChatGPT a été invité à inclure volontairement des caractères supplémentaires, il a émis une mise en garde…
Tous les grands modèles de langage insèrent-ils subrepticement des caractères cachés ?
Oui. Nous avons testé la même invite sur différents LLM bien connus afin de détecter la présence de caractères cachés.
Invite : Rédigez une publication LinkedIn mettant en avant les avantages de la mise en forme des publications LinkedIn.
Aucun modèle n’a créé de caractère invisible, mais ils ont tous largement utilisé des caractères Unicode visibles pour la mise en forme.
