Pivoa
L’essentiel à retenir
Un texte produit par une IA peut être exact, bien structuré, sans faute — et parfaitement anonyme. Le problème n’est pas la qualité : c’est que rien, dedans, ne dit que c’est vous qui l’avez écrit.
blader/humanizer est un dépôt public sous licence MIT qui propose une réponse inhabituelle à ce problème. Ce n’est ni un modèle, ni un service : c’est un jeu d’instructions en Markdown — un « skill » — que vous donnez à votre agent. Il réécrit un brouillon au style IA pour lui rendre une voix humaine, sans changer le sens ni inventer de faits.
Son intérêt tient à un choix de conception : il ne travaille pas à partir d’une description de votre ton, mais à partir d’un échantillon de vos textes réels. La différence est considérable. Demander « écris de façon chaleureuse et directe » produit la moyenne statistique de ce que le modèle considère comme chaleureux et direct. Fournir trois paragraphes que vous avez écrits vous-même lui donne une cible mesurable.
La contrepartie est à connaître avant de s’en servir. Ce n’est ni un détecteur, ni une garantie d’originalité. Un texte débarrassé de ses tics peut rester fade, imprécis ou creux — et la relecture humaine reste nécessaire.
Le problème que ça résout
Dans une PME qui publie régulièrement — une newsletter, des articles, des posts, des pages produit —, l’arrivée des assistants de rédaction a réglé un problème et en a créé un autre.
Le problème réglé est celui de la page blanche. Produire un premier jet correct ne coûte plus grand-chose, et c’est un gain réel : l’essentiel du temps d’écriture se passait là.
Le problème créé est plus insidieux, parce qu’il ne se voit pas sur un texte isolé. Il apparaît sur la durée. Au bout de quinze publications, un lecteur régulier ne distingue plus votre entreprise d’une autre du même secteur. Les tournures sont les mêmes, les rythmes sont les mêmes, les transitions sont les mêmes. Chaque texte est acceptable ; l’ensemble ne dit plus rien de particulier.
Pour une entreprise dont la crédibilité repose sur l’expertise de personnes identifiables — un cabinet, un bureau d’études, un indépendant, une agence —, cette dilution n’est pas un détail esthétique. C’est la disparition progressive du seul actif qui la distingue vraiment.
S’ajoute un effet de découragement interne. Les personnes qui écrivaient volontiers cessent de le faire, parce que relire un texte générique pour le rendre personnel demande souvent plus d’efforts que de l’écrire soi-même. L’outil censé libérer du temps finit par en consommer.
C’est à ce problème précis qu’un outil de réécriture s’attaque : non pas produire le texte, mais rattraper la voix d’un texte déjà produit.
Ce que c’est concrètement
humanizer est un dépôt GitHub public, sous licence MIT. Il ne contient pas de code exécutable au sens habituel : son contenu est un ensemble d’instructions en Markdown, destiné à être chargé par un agent.
Il s’installe via Skills CLI ou le plugin Claude Code, et reste compatible avec tout agent capable de charger des skills. Il n’y a ni service à héberger, ni compte à créer, ni donnée à envoyer ailleurs que là où votre agent tourne déjà.
Fonctionnellement, il fait trois choses.
Il prend une référence. Vous lui fournissez votre brouillon et, à côté, quelques paragraphes réellement écrits par vous. Pas une consigne de ton : un échantillon.
Il réécrit une première fois, en conservant le sens et les faits du brouillon de départ.
Il critique sa propre réécriture, en traquant ce qui sonne encore artificiel selon les vingt-cinq motifs décrits dans son README : rythme uniforme, vocabulaire automatique, transitions mécaniques, formules de conclusion attendues. Puis il livre une version finale après cette critique.
Cette étape de critique est ce qui distingue l’outil d’une simple consigne de style. Un modèle à qui l’on demande d’écrire « avec une voix humaine » produit ce qu’il croit être une voix humaine — c’est-à-dire une moyenne. Un modèle à qui l’on demande de relire son propre texte en cherchant des défauts nommés fait un travail différent, et vérifiable.
Comment s’en servir
Constituer un échantillon avant toute chose
Rassemblez trois à cinq textes que vous avez écrits vous-même, sans assistance, sur des sujets proches de ceux que vous publiez. Des emails détaillés font très bien l’affaire. C’est la seule étape qui demande un vrai effort, et c’est aussi celle qui détermine tout le reste : un échantillon vague donnera une réécriture vague.
Choisir qui est la référence
Dans une entreprise, la question se pose vite : la voix de qui ? Celle du dirigeant, celle de l’expert métier, celle d’une ligne éditoriale commune ? Il n’y a pas de bonne réponse universelle, mais il faut trancher explicitement. Un échantillon qui mélange trois auteurs produit une moyenne — exactement ce qu’on cherchait à éviter.
Réécrire, puis relire à froid
Passez le brouillon dans l’outil, puis relisez le résultat le lendemain si vous le pouvez. Une réécriture réussie se reconnaît à un signe simple : vous ne changez presque rien. Si vous réécrivez la moitié, l’échantillon était insuffisant.
Vérifier les faits, systématiquement
L’outil ne doit pas inventer, et c’est son contrat. Mais un contrat n’est pas une garantie : contrôlez les chiffres, les noms et les dates après réécriture, comme vous le feriez après n’importe quelle intervention sur un texte.
Mesurer autre chose que le ressenti
Le bon indicateur n’est pas « ça sonne mieux ». C’est le temps de relecture, et la proportion de textes que vous publiez sans les réécrire. Si ces deux chiffres ne bougent pas après un mois, l’outil ne vous sert à rien, quelle que soit l’impression qu’il donne.
Source : https://github.com/blader/humanizer
Ce que ça coûte vraiment
La licence est gratuite et il n’y a pas d’infrastructure à tenir. Le coût est ailleurs, et il est réel.
Le premier poste est la constitution de l’échantillon, puis son entretien. Une voix évolue, une entreprise change de positionnement, une personne part. Un échantillon figé devient une référence périmée, et personne ne s’en aperçoit immédiatement.
Le second poste est le temps de relecture, qui ne disparaît pas. Il se déplace : au lieu de corriger un ton générique, vous vérifiez une réécriture. C’est moins pénible, ce n’est pas gratuit.
Le troisième est celui des appels au modèle. Une réécriture avec critique consomme davantage qu’une génération simple, puisqu’elle repasse sur le texte. À l’échelle d’une publication quotidienne, cela se compte.
En contrepartie, vous gardez une chose difficile à reconstituer une fois perdue : des textes qui ressemblent à quelqu’un.
Pour qui ce n’est pas
Si vous publiez rarement et que vous écrivez vous-même, vous n’avez pas ce problème. Ajouter un outil ne ferait qu’ajouter une étape.
Si votre contenu est par nature impersonnel — documentation technique, fiches produit normalisées, notices —, une voix distinctive n’apporte rien et peut même nuire à la clarté.
Si l’objectif est de faire passer un texte pour humain devant un détecteur, cet article ne vous aidera pas, et l’outil non plus : ses auteurs ne le présentent pas ainsi. Réduire les tics d’écriture ne rend pas un texte original, et un contenu sans valeur reste sans valeur une fois bien écrit.
Enfin, si personne dans l’entreprise n’est capable de dire ce qui sonne juste ou faux dans un texte, aucun outil ne comblera ce manque. La référence doit venir de quelqu’un.
FAQ
Faut-il fournir beaucoup de textes pour que ça fonctionne ?
Non, quelques paragraphes suffisent d’après le projet, à condition qu’ils soient réellement de vous et représentatifs de ce que vous publiez. La quantité compte moins que l’authenticité : trois paragraphes écrits à la main valent mieux que dix textes déjà retouchés par une IA.
Est-ce que ça change le sens de mon brouillon ?
Ce n’est pas censé arriver : l’outil réécrit la forme en conservant le fond et les faits. Cela dit, une réécriture reste une intervention sur le texte — vérifiez les chiffres et les affirmations après coup, comme après toute relecture.
Est-ce que ça rend un texte indétectable par les outils de détection d’IA ?
Ce n’est ni l’objectif annoncé, ni une promesse du projet. Les détecteurs sont par ailleurs peu fiables dans les deux sens, et construire une stratégie éditoriale sur leur contournement revient à optimiser pour un indicateur que personne ne contrôle.
Peut-on s’en servir pour toute une équipe ?
Oui, mais il faut décider de quelle voix on parle. Un échantillon par auteur permet à chacun de garder la sienne ; un échantillon commun produit une ligne éditoriale unique, ce qui est un choix différent et parfois préférable. Ce qu’il faut éviter, c’est un échantillon qui mélange plusieurs personnes sans intention.
Publié le 19 septembre 2026.
Cet article est un outil d’orientation, pas un avis juridique. Pour une analyse adaptée à votre situation, consultez un professionnel qualifié.
