Copyleaks est une entreprise logicielle qui fournit des services de détection de plagiat, de détection de contenu généré par l'IA et de vérification de paternité. Fondée en 2015, la plateforme est utilisée par des établissements d'enseignement, des éditeurs et des entreprises pour identifier les textes non originaux, tracer l'utilisation de contenu généré par l'IA et protéger la propriété intellectuelle. Les outils de l'entreprise fonctionnent via des interfaces web et des interfaces de programmation d'applications (API), s'intégrant aux systèmes de gestion de l'apprentissage et aux flux de travail de gestion de contenu.
Le service a émergé pendant une période de croissance rapide de l'éducation en ligne et de l'édition numérique, où le besoin d'une authentification textuelle évolutive devenait plus pressant. Copyleaks se distingue en prenant en charge plus de 100 langues et en offrant une analyse en temps réel sur plusieurs sources de contenu, y compris des bases de données académiques, des pages web et des référentiels propriétaires. Sa gamme de produits s'est élargie pour répondre à l'essor de l'IA générative, positionnant l'entreprise à l'intersection de la vérification traditionnelle du plagiat et des analyses plus récentes basées sur l'apprentissage automatique.
Historique et fondation
Copyleaks a été fondée en 2015 par Alon Yamin et Yehonatan Bitton, qui cherchaient à créer une alternative plus complète aux outils de plagiat existants. Les fondateurs, tous deux issus du développement logiciel et de la cybersécurité, se sont d'abord concentrés sur la création d'un système capable d'analyser à la fois le texte et le code pour détecter les similitudes. L'entreprise a son siège à New York, avec des opérations de recherche et développement en Israël.
Dans ses premières années, Copyleaks a gagné du terrain sur le marché académique en offrant des essais gratuits aux universités et aux collèges. En 2017, la plateforme avait traité des millions de documents, et l'entreprise a commencé à s'associer à des fournisseurs de technologies éducatives pour intégrer ses capacités d'analyse dans leurs systèmes. Une étape importante a été franchie en 2019 avec le lancement de son API, permettant aux développeurs tiers d'intégrer la détection de plagiat dans des applications personnalisées.
L'orientation de l'entreprise a changé notablement en 2022, lorsqu'elle a introduit un détecteur de contenu IA dédié en réponse à la disponibilité généralisée des grands modèles de langage comme la série GPT d'OpenAI. Cet outil visait à distinguer les textes écrits par des humains des sorties générées par machine, une capacité devenue cruciale pour les bureaux d'intégrité académique et les spécialistes du marketing de contenu.
Technologies de base
Le moteur de détection de plagiat de Copyleaks repose sur une combinaison de correspondance exacte de chaînes, de correspondance floue et d'algorithmes de similarité sémantique. Le système divise le texte soumis en segments plus petits, ou n-grammes, et les compare à un index de milliards de pages web, d'articles académiques et de documents téléchargés par les utilisateurs. Contrairement aux outils plus simples qui ne signalent que la copie textuelle, Copyleaks affirme identifier le contenu paraphrasé en analysant l'ordre des mots et l'utilisation de synonymes, bien que la méthodologie exacte soit propriétaire.
La fonctionnalité de détection IA utilise des modèles de machine learning entraînés sur de grands corpus de textes humains et générés par machine. Ces modèles évaluent des motifs statistiques, tels que la perplexité et la burstiness, pour estimer la probabilité qu'un passage ait été généré par un système d'IA. Le détecteur fournit un score en pourcentage indiquant la probabilité d'une paternité IA, ainsi que des mises en évidence au niveau de la phrase. Copyleaks a déclaré que ses modèles sont régulièrement réentraînés pour suivre le rythme des générations plus récentes de systèmes IA générative, y compris ceux de Anthropic et Google DeepMind.
Un troisième composant, l'outil de vérification de paternité, utilise l'analyse stylométrique pour comparer des échantillons d'écriture et déterminer s'ils partagent le même auteur. Cette fonctionnalité est commercialisée pour les enquêtes sur le plagiat et l'analyse documentaire médico-légale, s'appuyant sur des techniques de linguistique computationnelle.
Produits et services
Copyleaks propose plusieurs niveaux d'abonnement, allant des plans individuels aux licences d'entreprise. L'application web principale permet aux utilisateurs de télécharger des documents, de coller du texte ou d'analyser des URL pour détecter le plagiat. Les résultats sont affichés dans une vue comparative côte à côte, avec des liens sources et des pourcentages de similarité pour chaque section signalée.
Pour les établissements académiques, Copyleaks offre une intégration avec des systèmes de gestion de l'apprentissage populaires tels que Canvas, Blackboard et Moodle. Ces intégrations permettent aux enseignants d'exécuter des vérifications de plagiat directement dans leurs flux de travail de cours, avec des fonctionnalités automatisées de notation et de rapport. L'entreprise propose également un détecteur de plagiat de code, qui identifie les similitudes dans les devoirs de programmation dans des langages comme Python, Java et C++.
Le produit API, lancé en 2019, donne aux développeurs un accès programmatique à toutes les fonctionnalités d'analyse. Il prend en charge les appels RESTful et renvoie des réponses JSON, ce qui le rend adapté aux systèmes de gestion de contenu personnalisés et aux plateformes d'édition. Copyleaks rapporte que son API gère des millions de demandes par mois, au service de clients dans plus de 100 pays.
En 2023, Copyleaks a introduit une extension de navigateur pour Chrome et Edge, permettant aux utilisateurs de vérifier le texte sur n'importe quelle page web sans quitter leur navigateur. L'extension inclut un menu contextuel clic droit pour des analyses rapides et une interface popup pour saisir du texte personnalisé.
Position sur le marché et réception
Copyleaks concurrence des services de détection de plagiat établis tels que Turnitin et Grammarly, ainsi que des startups plus récentes de détection IA. Ses principaux différenciateurs sont le support linguistique, la vitesse d'analyse en temps réel et l'offre combinée de détection de plagiat et d'IA. L'entreprise a reçu des avis positifs d'utilisateurs académiques pour sa précision sur les textes non anglophones, un segment où de nombreux concurrents ont historiquement rencontré des difficultés.
Des évaluations indépendantes des outils de détection IA ont produit des résultats mitigés, certaines études notant des taux de faux positifs élevés pour les locuteurs non natifs de l'anglais. Copyleaks a répondu en publiant des rapports de transparence et en permettant aux utilisateurs de soumettre des résultats contestés pour un examen manuel. L'entreprise s'est également associée à Amazon Web Services pour héberger son infrastructure, citant le besoin de ressources de calcul évolutives pour gérer les pics de demande pendant les périodes d'examens.
En 2024, Copyleaks rapporte plus de 3 000 clients institutionnels et une base d'utilisateurs dépassant 1 million d'individus. L'entreprise a levé des fonds de capital-risque auprès d'investisseurs, dont K1 Investment Management, bien que les détails financiers spécifiques ne soient pas divulgués publiquement. Sa direction a souligné un engagement envers une utilisation éthique de l'IA, plaidant pour un étiquetage clair du contenu généré par machine dans les contextes académiques et professionnels.
Orientations futures
À l'avenir, Copyleaks explore l'intégration des capacités de grand modèle de langage dans ses propres produits, offrant potentiellement des fonctionnalités de résumé et de recommandation de sources en plus de la détection. L'entreprise développe également des outils pour détecter le code généré par l'IA et le contenu de type deepfake, anticipant l'expansion de l'IA générative au-delà du texte. Avec l'évolution continue des technologies d'intelligence artificielle, Copyleaks vise à rester un acteur central dans l'espace de la vérification et de l'authenticité, bien que le paysage concurrentiel continue de changer rapidement.