humaniseur-fr

Triggers: constitue/représente un tournant, témoigne de, joue un rôle crucial/essentiel/déterminant, souligne l'importance, reflète une tendance plus large, symbolisant son caractère durable, contribuant à, ouvrant la voie à, marquant une étape, un jalon décisif, un paysage en mutation, une empreinte indélébile, profondément ancré

LLMs inflate the importance of ordinary facts by connecting them to broader trends nobody asked about.

Avant :

L'Institut de la Statistique de la Catalogne a été officiellement créé en 1989, marquant un tournant décisif dans l'évolution des statistiques régionales en Espagne. Cette initiative s'inscrivait dans un mouvement plus large de décentralisation administrative.

Après :

L'Institut de la Statistique de la Catalogne a été créé en 1989 dans le cadre du transfert de compétences statistiques aux communautés autonomes. Il produit et publie des statistiques régionales indépendamment de l'INE.

Triggers: couverture médiatique indépendante, médias locaux/nationaux/internationaux, cité par un expert reconnu, forte présence sur les réseaux sociaux

Avant :

Ses travaux ont été cités dans Le Monde, la BBC, Les Échos et Le Figaro. Elle maintient une présence active sur les réseaux sociaux avec plus de 200 000 abonnés.

Après :

Dans un entretien au Monde en 2024, elle a défendu l'idée que la régulation de l'IA devrait porter sur les résultats plutôt que sur les méthodes.

Triggers: soulignant/mettant en lumière..., assurant..., reflétant/symbolisant..., contribuant à..., favorisant/encourageant..., englobant..., illustrant...

AI tacks participial phrases onto sentences to add fake analytical depth. The French equivalent of the English "-ing" problem.

Avant :

La palette du bâtiment, mêlant bleu, vert et or, évoque la beauté naturelle de la région, symbolisant les champs de lavande et la Méditerranée, reflétant l'attachement profond de la communauté à son terroir.

Après :

Le bâtiment utilise du bleu, du vert et de l'or. L'architecte a expliqué que ces couleurs font référence aux champs de lavande et à la côte méditerranéenne.

Triggers: dispose de, vibrant, riche (figuré), profond, renforçant son, illustrant, exemplifie, engagement envers, beauté naturelle, niché, au cœur de, révolutionnaire (figuré), renommé, à couper le souffle, incontournable, époustouflant, un joyau

Avant :

Niché au cœur de la région époustouflante du Luberon, ce village se dresse comme un joyau vibrant doté d'un riche patrimoine culturel et d'une beauté naturelle à couper le souffle.

Après :

Le village est situé dans le Luberon, à une trentaine de kilomètres d'Apt. On y vient surtout pour le marché du samedi et l'église romane du XIIe siècle.

Subtle variant when editing or summarizing: AI inserts valorizing adjectives and inclusive doublets absent from the source — « nos soldats » becomes « nos vaillants soldats », « concitoyens » becomes « concitoyennes et concitoyens ». It over-corrects toward its training norms instead of following the text. Restore the source's wording.

Triggers: Des rapports sectoriels, Les observateurs soulignent, Les experts estiment, Certains critiques avancent, plusieurs sources/publications (quand peu sont citées), il est communément admis que, il est largement reconnu que

Avant :

Les experts estiment qu'elle joue un rôle crucial dans l'écosystème régional.

Après :

La rivière abrite plusieurs espèces de poissons endémiques, selon un inventaire de 2019 du CNRS.

Triggers: Malgré son... fait face à plusieurs défis..., En dépit de ces défis, Défis et héritage, Perspectives d'avenir, L'avenir s'annonce prometteur

The formulaic challenge-then-optimism sandwich.

Avant :

Malgré sa prospérité industrielle, la commune fait face à des défis typiques des zones urbaines. En dépit de ces défis, elle continue de prospérer.

Après :

La congestion routière s'est aggravée après 2015 avec l'ouverture de trois zones d'activités. La mairie a lancé un programme de réfection du réseau pluvial en 2022.

The single most flagged word in French AI text is crucial. The adverb notamment appears ~1/200 words in AI text vs. ~1/800 in human French (4x overuse).

High-frequency AI vocabulary (find-and-replace checklist):

Jargon de ministre: AI French leans on administrative vocabulary (« dispositif », « acteurs », « enjeux », « mise en œuvre », « dynamique territoriale ») even outside institutional contexts. Outside actual administrative prose, swap for plain words.

Formulaic openings to kill on sight:

• « Dans le paysage [actuel/numérique/contemporain] de... »
• « À l'ère de... »
• « Dans un monde [où/trépidant/tumultueux]... »
• « Il est essentiel/crucial de noter que... »
• « Plongeons dans... » (the French "Let's dive into")
• « Découvrez comment... », « Dans cet article, nous allons explorer... », « Bienvenue dans ce guide complet... » (meta-announcements — start with the content itself)

Formulaic closings to kill on sight: « En conclusion », « En résumé », « En somme », « En fin de compte », « Au final » opening a final paragraph. End on a concrete fact instead (see Pattern 26).

Connectors that signal human authorship (AI almost never uses these): « Or », « Quoi qu'il en soit », « Toujours est-il que », « Force est de constater que », « Reste que », « N'empêche que », « Soit dit en passant »

Triggers: constitue, fait office de, se positionne comme, représente [un], dispose de, offre [un]

Avant : La galerie constitue l'espace d'exposition. Elle dispose de quatre salles. Après : La galerie est l'espace d'exposition. Elle a quatre salles.

Triggers: Non seulement... mais aussi..., Il ne s'agit pas seulement de... mais de..., Ce n'est pas un simple X, c'est un Y

Avant : Il ne s'agit pas simplement d'autocomplétion ; il s'agit de libérer la créativité. Après : L'outil dépasse la simple autocomplétion : il élargit l'espace de créativité disponible.

AI forces ideas into groups of three.

Avant : L'événement propose des conférences plénières, des tables rondes et des opportunités de réseautage. Innovation, inspiration et analyses sectorielles. Après : L'événement comprend des conférences et des tables rondes. Du temps est prévu pour le réseautage.

Repetition-penalty code causes excessive synonym substitution for the same referent.

Avant : Le protagoniste fait face à de nombreux défis. Le personnage principal doit surmonter les obstacles. La figure centrale finit par triompher. Après : Le protagoniste fait face à de nombreux obstacles, finit par les surmonter et rentre chez lui.

Triggers: « de X à Y, de A à B » where X-Y and A-B don't form meaningful scales.

Avant : De la singularité du Big Bang au vaste réseau cosmique, de la naissance des étoiles à la danse de la matière noire. Après : Le livre couvre le Big Bang, la formation des étoiles et la matière noire.

~16% of ChatGPT's French errors have English origins. These are among the most reliable tells.

Token-by-token generation produces synonym pairs as hedging.

Triggers: crucial et essentiel, robuste et fiable, innovant et avant-gardiste, dynamique et en pleine expansion, riche et varié

Avant : Cette approche innovante et avant-gardiste offre une solution robuste et fiable. Après : Cette approche tient la charge sans maintenance lourde.

AI overuses em dashes mimicking English "punchy" writing. French prefers commas and parentheses for incidental clauses.

Avant : Le terme est promu par les institutions — pas par les habitants. Cet étiquetage — même dans les documents officiels — persiste. Après : Le terme est promu par les institutions, pas par les habitants. Cet étiquetage persiste, même dans les documents officiels.

Freshness note: since November 2025, ChatGPT obeys "no em dash" custom instructions, and readers know the tell. Presence proves little (humans use it too), absence proves nothing. Still reduce overuse — the goal is natural French, not detector evasion.

AI bolds terms mechanically to signal importance.

Rule: Remove all bold unless it serves a genuine navigational function.

Avant :

• Expérience utilisateur : Significativement améliorée.
• Performance : Optimisée grâce à des algorithmes améliorés.
• Sécurité : Renforcée avec le chiffrement de bout en bout.

Après :

La mise à jour améliore l'interface, accélère le chargement et ajoute le chiffrement de bout en bout.

Same rule for gratuitous tables: AI presents ordinary developments as tables (a French Wikipedia-flagged marker). Keep a table only when the data is genuinely tabular (comparisons, figures); otherwise convert to prose.

French headings capitalize only the first word (and proper nouns).

Avant : ## Négociations Stratégiques Et Partenariats Globaux Après : ## Négociations stratégiques et partenariats globaux

Emojis are a register feature, not a defect. Three tests:

1. Function — an emoji that replaces words or carries tone (irony, emotion, reaction) is human usage; one that decorates structure (one per heading, 🚀💡✅ series, « 👉 » paragraph openers) is machine usage. Remove the second, keep the first.
2. Medium — social posts, chats, internal messaging: emojis are expected — keep some, or add one if the author's voice uses them. Formal documents, press releases, articles: none.
3. Regularity — the tell is systematicity: same position, same density everywhere. Human emoji use is irregular and sparse (max ~1 per paragraph, never in series). Keep the irregular, kill the systematic.

When in doubt about the author's voice, ask.

Sources contradict on which quote style AI produces (perfect chevrons « », English curly quotes "…", or both). The robust tell is not one variant but the mix: straight quotes, curly quotes and chevrons cohabiting in one text, or straight (') and curly (’) apostrophes alternating — a human sticks to whatever their keyboard produces.

Quote rule by register: in official documents written in langage soutenu with worked typography, use chevron quotes (« ... ») with non-breaking spaces. The rest of the time (emails, internal communication, social media), prefer curly quotes ("...") — chevron-perfection there reads as machine output.

Also check: spaces before colons/semicolons/exclamation/question marks, and French number formatting (1 000,50 not 1,000.50). Whatever the convention, keep it consistent across the whole text — consistency beats correctness.

Kill on sight: J'espère que cela vous aide, Bien sûr !, Absolument !, Vous avez tout à fait raison !, Souhaitez-vous que..., N'hésitez pas à, Voici un...

Kill on sight: en date de [date], Selon les informations disponibles, Bien que les détails spécifiques soient limités..., sur la base des données accessibles...

Avant : Excellente question ! Vous avez tout à fait raison, c'est un sujet complexe. Après : Les facteurs économiques que vous mentionnez jouent effectivement ici.

Avant : On pourrait potentiellement arguer que cette politique pourrait éventuellement avoir un certain effet. Après : Cette politique a probablement un effet sur les résultats.

Triggers: L'avenir s'annonce prometteur, Des temps passionnants, poursuit son chemin vers l'excellence, un pas majeur dans la bonne direction

Replace with a concrete fact about what actually happens next.

AI produces paragraphs of nearly identical length (std dev <30 words vs. >60 for humans), lists grouped in 3/5/7/10 items, and invariable intro-body-conclusion architecture. Section headings phrased as questions are an additional formatting marker.

At sentence level, the tell is dispersion, not average: in the only quantified French study, mean sentence length was near-identical (21.0 human vs. 21.7 AI words) but AI produced almost no sentences under 15 or over 39 words (most frequent length shifting from 13 to 19 words).

Rule: Reintroduce the tail. Write some short sentences (under 15 words) and some long periodic ones (over 39). The missing extremes are what betrays the machine, not the mean.

Sentence-start anaphora: consecutive sentences opening identically (« Cela... », « Cette approche... », « Ce système... »). Vary the attack of each sentence.

Style « LinkedIn »: one-sentence paragraphs stacked for drama, ellipses as suspense pivots (« Et là... tout a changé »), relentlessly upbeat tone. This register is now so associated with AI-assisted posting that it reads as machine output even when human. Merge the fragments into real paragraphs.

Kill on sight: unrendered **mot** or ## in plain-text contexts, - **Titre :** bullets pasted where Markdown doesn't render, citation artifacts like :contentReference[oaicite:2]{index=2}, leftover refusals (« Je suis désolé, mais je ne peux pas... »)

These are the strongest tells of all: they cannot come from a spellchecker or a CMS — only from pasting a chat output. French investigative journalists hunt AI-generated news sites by searching exactly these strings.

Also strip zero-width characters (U+200B, U+200C, U+200D, U+FEFF) — copy-paste artifacts with no legitimate use in prose. Do NOT strip non-breaking spaces (U+00A0, U+202F): they are correct French typography before « ; : ! ? » and inside « 12 h 30 ». Confusing the two creates false alarms on every properly typeset French text.

Medium exception: where Markdown is the native format — a README, developer documentation, a technical wiki — headings, bold, lists, tables and code blocks are the norm, not a tell. This pattern targets Markdown pasted into contexts that do not render it, plus generation artifacts; it does not apply to documents meant to be Markdown.

French AI fiction has its own register, distinct from blog slop.

Triggers: un instant suspendu, une promesse murmurée/suspendue dans l'air, un secret brûlant, un désir/silence vibrant, comme si le temps s'était figé — recurring fetish words: promesse, suspendu, vibrant, secret, brûlant, murmuré

Grammar profile: AI narrative French flattens tense and person. The quantified study measured passé simple −84 %, imparfait −71 %, conditionnel −50 %, pronoun « on » −92 %, verb « falloir » −93 % versus human French. Reintroduce the tenses the genre calls for, prefer « on » over a stiff « nous », and let « il faut » back in.

The same study measured the over-uses: « devoir » (+101 %), « continuer » (+145 %), « tenir » (+158 %), « ensemble » (+93 %), possessive determiners (+30 %). When these cluster (« nous devons continuer, ensemble, à tenir nos engagements »), the sentence is machine-average French — rewrite it around a concrete action.

Triggers: an intro announcing what the text will say, a conclusion repeating what it said, section headings mirroring the announced plan 1:1, a first sentence rephrasing the question asked (« Vous vous demandez comment... ? », the assignment restated), a closing that loops back to the request

The information exists once but is served three times. Chatbot answers and school essays echo the prompt at both ends.

Rule: Start in medias res — the first sentence delivers content, not a program. End somewhere the intro couldn't predict: a consequence, an open question, a concrete next fact. Delete prompt echoes at both ends.

Triggers: sections that could be reordered without breaking anything; every aspect of the topic covered at equal depth (définition, avantages, inconvénients, bonnes pratiques, conclusion); no claim that later sections build on

AI covers a subject; a human makes a point. The permutation test: if two sections can swap places without damage, the text is a disguised list, not an argument.

Rule: Choose an angle and commit. Cut the aspects that don't serve it — visible dead ends are human. Make each section depend on the previous one, so the order becomes necessary.

Triggers: every paragraph = topic sentence + two or three supports + mini-conclusion, fully self-contained; paragraphs opening with sequence connectors (« D'abord », « Ensuite », « De plus », « Enfin ») ; no idea ever spilling across a paragraph break; zero digressions

The structure is signaled instead of carried by the content. Human paragraphs lean on each other: a thought starts at the end of one and finishes in the next; an aside interrupts.

Rule: Drop scaffolding connectors — juxtaposition works. Let at least one idea straddle a paragraph break. Allow a digression when it earns its place.

Triggers: every claim immediately counterbalanced (« Cependant, il convient de nuancer... »), symmetrical « d'une part / d'autre part », conclusion of the « tout dépend du contexte » type

Sentence-level hedging (Pattern 25) scaled up to the whole text: the piece has no thesis. Both-sidesism reads as machine caution, not fairness.

Rule: Take a position. Nuance once, where it genuinely matters — not after every claim. If the honest answer really is « ça dépend », say of what, precisely.

Deletion test: remove the objection paragraph. If the conclusion still holds unchanged, the objection was ornament, not thought — a real antithesis displaces the thesis. The discriminator matters in French: the dissertation tradition (thèse/antithèse/synthèse) makes announce-and-balance school-legitimate, so a courtesy counter-argument passes unnoticed.

Quebec caveat: rédaction épicène and OQLF plain-language norms push human institutional writers toward exactly this flat, symmetrical shape — in Québec institutional prose, do not read balance alone as machine output.

Triggers: H2/H3 every two paragraphs, a table of contents on a short text, an FAQ block, a closing quiz or « points clés à retenir » ; self-interrogation outside any real FAQ (« Pourquoi est-ce important ? Parce que... »)

This is the documented grid of French AI content farms. The ghost Q&A simulates a dialogue where none exists.

Rule: A heading must govern at least four or five paragraphs — otherwise merge. Remove FAQ/quiz blocks unless the medium genuinely calls for them. Convert self-questions into direct statements.

Triggers: the whole text sits at one level of abstraction — no date, no name, no price, no error message, no quoted sentence; 1 500 words at mid-altitude

Humans change altitude: they drop from the abstract to a hyper-specific detail (a date, a stack trace, a price) and climb back within a couple of paragraphs. LLMs cruise at mid-altitude for the whole text.

Rule: Force at least one dive per section: a verifiable, dated, named detail. If the author has none to offer, that is a content problem, not a style problem (see the limits note in Part 4).

Triggers: every question the text raises gets answered; no abandoned thread, no unresolved tension, no open problem

Real expertise leaves holes, because the author knows where the knowledge stops. AI text resolves everything it opens — the tidiness itself is the tell. This is the structural counterpart of never writing « je ne sais pas » (Part 4).

Rule: Leave at least one raised question honestly open. Name the limit (« je n'ai pas testé au-delà de X ») instead of rounding it off.

Triggers: bullet lists appearing exactly where the reasoning gets hard — at the decision point, the trade-off, the prioritization

Enumeration replaces the choice the author refused to make: listing five options is easier than defending one. Pattern 17 treats lists as formatting; this one treats them as an argumentative symptom.

Rule: At each list, ask what decision it avoids. Replace it with a sentence that chooses — keep the list only when the items genuinely are peers.

Triggers: nothing in the text explains why it exists, now, triggered by what, addressed to whom — no event, no encounter, no deadline, no request

Human texts have an origin (an incident, a question someone asked, a release, an annoyance) and an addressee, and it shows. AI text is written from nowhere, to no one.

Rule: Anchor the piece in its occasion within the first paragraphs: what happened that made this worth writing, and for whom. If no occasion exists, ask the author for it.

Formal ≠ AI. Un texte en langage soutenu ne doit pas devenir familier après réécriture.

• Conserver les structures complexes (subordonnées, incises, phrases périodiques) quand elles portent du sens.
• Ne simplifier que ce qui est mécaniquement formulé — pas ce qui est simplement formel.
• Adapter les exemples de ce guide au registre du texte d'entrée : les réécritures ci-dessous ciblent un registre courant ; pour un texte soutenu, maintenir le même niveau de langue.

• Every sentence is the same length and structure
• No opinions, just neutral reporting
• No acknowledgment of uncertainty or mixed feelings
• No first person when it would be appropriate
• No humor, no edge, no personality
• Reads like a Wikipedia article or press release

Avoir des opinions. « Franchement, je ne sais pas quoi en penser » is more human than neutral pros-and-cons.

Varier le rythme. Short sentences that hit hard. Then longer ones with nested subordinates that take their time. French has a tradition of rhythmic asymmetry (Montaigne, Cioran, Debord). AI text is monotonously regular by contrast.

Reconnaître la complexité. « C'est impressionnant mais aussi un peu flippant » beats « C'est impressionnant. »

Utiliser « je ». First person is not unprofessional. « J'y reviens sans arrêt... » signals a human thinking. Personal voice is among the strongest authenticity markers.

Laisser du désordre. Perfect structure feels algorithmic. Tangents, parentheses, half-formed thoughts are human. French has a long tradition of the parenthèse (Proust is the caricature, but even in technical writing, asides signal authenticity).

Utiliser le second degré. LLMs are constitutionally incapable of authentic irony and humor. Understatement, light sarcasm, self-deprecation: unfakeable markers. « On a quand même inventé un truc qui code mieux que nous quand on est fatigué, ce qui est à peu près tout le temps » does not come from an LLM.

Admettre l'ignorance. An LLM never writes « je ne sais pas », « aucune idée », « je n'ai pas vérifié ». Like irony and humor, a frank admission of not knowing is among the strongest authenticity markers precisely because the machine never produces it. Use all three sparingly and only where the context allows — a legal notice or an audit report tolerates neither jokes nor shrugs.

Être précis sur les ressentis. Not « cela est préoccupant » but « il y a quelque chose de dérangeant à voir des agents tourner à 3h du matin sans personne pour les surveiller. »

Utiliser des mots rares. AI French avoids low-probability words in both directions: no « séide » or « nonobstant », no « chelou » or « relou ». One well-placed rare word — soutenu or argotique, matching the register — signals a human choosing, not a model averaging.

Utiliser l'argot et le registre familier (quand le registre s'y prête). AI French is uniformly standard; argot is one of the cheapest authenticity injections. A non-exhaustive palette, by region:

• France (familier/argot) : chelou, relou, ouf, avoir le seum, la flemme, une galère, ça me saoule, bosser, un boulot, un bouquin, le fric, la thune, une bagnole, kiffer, se planter, un truc de dingue, grave (= très), carrément, vachement, se prendre le chou, bidouiller, une magouille, au taquet, à l'arrache
• Belgique : septante, nonante, un GSM, un kot, tantôt (= tout à l'heure), à tantôt, une aubette, la guindaille, s'il te plaît (en tendant un objet), une farde, savoir (= pouvoir : « je ne saurais pas venir »), il drache
• Québec : niaiser, jaser, magasiner, pantoute, c'est plate, c'est correct, un char, un dépanneur, une blonde / un chum, avoir de la misère, être dans le champ, ça prend pas la tête à Papineau, c'est tiguidou, se faire passer un sapin, présentement, à matin
• Suisse romande : un natel, septante / huitante / nonante, une panosse, un cornet (= sac plastique), ça joue, se réjouir de (= avoir hâte), un linge (= serviette), une votation, faire la pièce droite

Ancrer géographiquement. AI defaults to Parisian standard French.

• Regionalisms are strong authenticity markers where they fit the author — and their systematic absence in a supposedly Québécois, Belgian or Swiss author's text is itself a tell.
• Never force them: a misused regionalism (or the clichéd Belgian « une fois ») is worse than none.
• Match the author's real origin, medium and register.

Assumer l'oralité (registre familier uniquement). In informal writing, humans drop the « ne » (« c'est pas faux », « y'a un truc »), use hyperbole (« 1000 % d'accord »), contract. AI keeps full negation everywhere. Never force this into formal prose — register first.

Abréger comme un humain. AI spells everything out; humans abbreviate constantly. Sprinkle where the register allows:

• Sigles et marqueurs d'usage : PS:, NB:, cf., etc., ex: / p. ex., càd, RDV, ASAP, FYI, pour info, cc (mettre en copie), CR (compte rendu), retex, N+1, RH, WE
• Unités et chiffres : min (« 5 min de marche »), h collé (« 14h30 », « 2h de route »), km, € collé (« 30€ »), ~ pour « environ », nb (nombre)
• Raccourcis d'écrit courant : pb, tjs, bcp, qqch, qqn, svp / stp, dispo, perso, pro
• Apocopes : ordi, appart, resto, apéro, ciné, fac, prof, exam, visio, réu, présa, la doc, la config, l'admin, le labo, la manif, l'expo, la promo, l'info, l'aprem
• Clôtures d'email : A+, Cdlt, « à plus »

An LLM never spontaneously writes « pb », « tjs » or « 14h30 » — these are cheap, strong authenticity markers. Calibrate to the medium and to the target register (see step 0): in formal documents, stick to cf., etc., NB and p. ex. ; and avoid full SMS-speak (slt, bjr) everywhere except actual chat.