@inproceedings{dubois-etal-2025-mosaic-melange,
    title = "{MOSAIC} : M{\'e}lange d{'}experts pour la d{\'e}tection de textes artificiels",
    author = "Dubois, Matthieu  and
      Piantanida, Pablo  and
      Yvon, Fran{\c{c}}ois",
    editor = "Bechet, Fr{\'e}d{\'e}ric  and
      Chifu, Adrian-Gabriel  and
      Pinel-sauvagnat, Karen  and
      Favre, Benoit  and
      Maes, Eliot  and
      Nurbakova, Diana",
    booktitle = "Actes des 32{\`e}me Conf{\'e}rence sur le Traitement Automatique des Langues Naturelles (TALN), volume 1 : articles scientifiques originaux",
    month = "6",
    year = "2025",
    address = "Marseille, France",
    publisher = "ATALA {\textbackslash}{\textbackslash}{\&} ARIA",
    url = "https://preview.aclanthology.org/corrections-2025-10/2025.jeptalnrecital-taln.31/",
    pages = "502--525",
    language = "fra",
    abstract = "La diffusion aupr{\`e}s du grand public de grands mod{\`e}les de langue facilite la production de contenus nuisibles, m{\'e}disants, malhonn{\^e}tes ou falsifi{\'e}s. En r{\'e}ponse, plusieurs solutions ont {\'e}t{\'e} propos{\'e}es pour identifier les textes ainsi produits, en traitant le probl{\`e}me comme une t{\^a}che de classification binaire. Les premi{\`e}res approches reposent sur l{'}analyse d{'}un document par un mod{\`e}le d{\'e}tecteur, avec l{'}hypoth{\`e}se qu{'}un faible score de perplexit{\'e} indique que le contenu est artificiel. Des m{\'e}thodes plus r{\'e}centes proposent de comparer les distributions de probabilit{\'e} calcul{\'e}es par deux mod{\`e}les. Cependant, s{'}appuyer sur une paire fixe de mod{\`e}les peut fragiliser les performances. Nous {\'e}tendons ces m{\'e}thodes en combinant plusieurs mod{\`e}les et en d{\'e}veloppant une approche th{\'e}oriquement fond{\'e}e pour exploiter au mieux chacun d{'}entre eux."
}