Humaniseur
Une compétence pour Claude Code et OpenCode qui supprime les traces d'écriture générée par IA du texte, le rendant plus naturel et humain.
Installation
Claude Code
Clonez directement dans le répertoire des compétences de Claude Code :
mkdir -p ~/.claude/skills
git clone https://github.com/blader/humanizer.git ~/.claude/skills/humanizer
Ou copiez le fichier de compétence manuellement si vous avez déjà cloné ce dépôt :
mkdir -p ~/.claude/skills/humanizer
cp SKILL.md ~/.claude/skills/humanizer/
OpenCode
Clonez directement dans le répertoire des compétences d'OpenCode :
mkdir -p ~/.config/opencode/skills
git clone https://github.com/blader/humanizer.git ~/.config/opencode/skills/humanizer
Ou copiez le fichier de compétence manuellement si vous avez déjà cloné ce dépôt :
mkdir -p ~/.config/opencode/skills/humanizer
cp SKILL.md ~/.config/opencode/skills/humanizer/
Remarque : OpenCode analyse également
~/.claude/skills/pour la compatibilité, donc si vous utilisez les deux outils, un seul clone dans~/.claude/skills/humanizer/suffit.
Utilisation
Claude Code
/humanizer
[paste your text here]
OpenCode
/humanizer
[paste your text here]
Ou demandez au modèle d'humaniser le texte directement dans l'un ou l'autre outil :
Please humanize this text: [your text]
Étalonnage de la voix
Pour correspondre à votre style d'écriture personnel, fournissez un échantillon de votre propre écriture :
/humanizer
Here's a sample of my writing for voice matching:
[paste 2-3 paragraphs of your own writing]
Now humanize this text:
[paste AI text to humanize]
La compétence analysera votre rythme de phrase, vos choix de mots et vos particularités, puis les appliquera à la réécriture au lieu de produire une sortie générique "propre".
Aperçu
Basé sur le guide « Signes de l'écriture IA » de Wikipédia, maintenu par le projet WikiProject AI Cleanup. Ce guide complet provient de l'observation de milliers d'instances de texte généré par IA.
La compétence inclut également une passe d'audit finale « manifestement généré par IA » et une deuxième réécriture, pour repérer les résidus d'IA dans le premier jet.
Aperçu clé de Wikipédia
« Les LLM utilisent des algorithmes statistiques pour deviner ce qui devrait venir ensuite. Le résultat tend vers le résultat statistiquement le plus probable qui s'applique au plus grand nombre de cas. »
30 motifs détectés (avec exemples Avant/Après)
Motifs de contenu
| # | Motif | Avant | Après |
|---|---|---|---|
| 1 | Inflation de l'importance | "marquant un moment charnière dans l'évolution de..." | "a été créé en 1989 pour collecter des statistiques régionales" |
| 2 | Mention de notabilité | "cité dans le NYT, la BBC, le FT et The Hindu" | "Dans une interview au NYT en 2024, elle a soutenu..." |
| 3 | Analyses superficielles en -ant | "symbolisant... reflétant... mettant en valeur..." | Supprimer ou développer avec des sources réelles |
| 4 | Langage promotionnel | "niché dans la région à couper le souffle" | "est une ville de la région de Gonder" |
| 5 | Attributions vagues | "Les experts pensent qu'il joue un rôle crucial" | "selon une enquête de 2019 menée par..." |
| 6 | Défis formulés | "Malgré les défis... continue de prospérer" | Faits spécifiques sur les défis réels |
Motifs linguistiques
| # | Motif | Avant | Après |
|---|---|---|---|
| 7 | Vocabulaire IA | "En réalité... de plus... témoignage... paysage... mettant en valeur" | "aussi... restent courants" |
| 8 | Évitement de la copule | "sert de... dispose de... se vante de" | "est... a" |
| 9 | Parallélismes négatifs / négations en queue | "Ce n'est pas seulement X, c'est Y", "..., pas de suppositions" | Énoncer le point directement |
| 10 | Règle des trois | "innovation, inspiration et perspectives" | Utiliser un nombre naturel d'éléments |
| 11 | Cyclage de synonymes | "protagoniste... personnage principal... figure centrale... héros" | "protagoniste" (répéter lorsque c'est le plus clair) |
| 12 | Plages fausses | "du Big Bang à la matière noire" | Lister les sujets directement |
| 13 | Voix passive / fragments sans sujet | "Aucun fichier de configuration nécessaire" | Nommer l'acteur lorsque cela aide à la clarté |
Motifs stylistiques
| # | Motif | Avant | Après |
|---|---|---|---|
| 14 | Tirets cadratins/demi-cadratins | "les institutions — pas le peuple — pourtant cela continue —" | Les supprimer : points, virgules, deux-points ou parenthèses |
| 15 | Utilisation excessive de gras | "OKR, KPI, BMC" | "OKR, KPI, BMC" |
| 16 | Listes à en-têtes en ligne | "Performance : La performance s'est améliorée" | Convertir en prose |
| 17 | Titres en casse de titre | "Négociations stratégiques et partenariats" | "Négociations stratégiques et partenariats" |
| 18 | Émojis | "🚀 Phase de lancement : 💡 Aperçu clé :" | Supprimer les émojis |
| 19 | Guillemets courbes | said “the project” | said “the project” |
| 26 | Paires de mots avec trait d'union | “inter-fonctionnel, piloté-par-les-données, orienté-client” | Supprimer les traits d'union des paires courantes |
| 27 | Tropes d'autorité persuasive | "Au fond, ce qui compte, c'est..." | Énoncer le point directement |
| 28 | Annonces de signalisation | "Plongeons-y", "Voici ce que vous devez savoir" | Commencer par le contenu |
| 29 | En-têtes fragmentés | "## Performance" + "La vitesse compte." | Laisser le titre faire le travail |
| 30 | Écriture ancrée sur le diff | "Cette fonction a été ajoutée pour remplacer..." | Décrire ce qu'elle fait, pas ce qui a changé |
Motifs de communication
| # | Motif | Avant | Après |
|---|---|---|---|
| 20 | Artéfacts de chatbot | "J'espère que cela vous aide ! Faites-moi savoir si..." | Supprimer entièrement |
| 21 | Avertissements de coupure | "Bien que les détails soient limités dans les sources disponibles..." | Trouver des sources ou supprimer |
| 22 | Ton sycophantique | "Excellente question ! Vous avez tout à fait raison !" | Répondre directement |
Remplissage et hésitation
| # | Motif | Avant | Après |
|---|---|---|---|
| 23 | Phrases de remplissage | "Afin de", "En raison du fait que" | "Pour", "Parce que" |
| 24 | Hésitation excessive | "pourrait potentiellement peut-être" | "peut" |
| 25 | Conclusions génériques | "L'avenir semble radieux" | Des plans ou faits spécifiques |
Exemple complet
Avant (sonorité IA) :
Excellente question ! Voici un essai sur ce sujet. J'espère que cela vous aide !
La programmation assistée par IA témoigne de manière durable du potentiel transformateur des grands modèles de langage, marquant un moment charnière dans l'évolution du développement logiciel. Dans le paysage technologique actuel en évolution rapide, ces outils révolutionnaires — nichés à l'intersection de la recherche et de la pratique — redéfinissent la manière dont les ingénieurs conçoivent, itèrent et livrent, soulignant leur rôle vital dans les flux de travail modernes.
Au fond, la proposition de valeur est claire : rationaliser les processus, améliorer la collaboration et favoriser l'alignement. Il ne s'agit pas seulement de l'autocomplétion ; il s'agit de libérer la créativité à grande échelle, en veillant à ce que les organisations puissent rester agiles tout en offrant des expériences fluides, intuitives et puissantes aux utilisateurs. L'outil sert de catalyseur. L'assistant fonctionne comme un partenaire. Le système constitue une base pour l'innovation.
Les observateurs du secteur ont noté que l'adoption s'est accélérée, passant d'expériences de loisir à des déploiements à l'échelle de l'entreprise, de développeurs individuels à des équipes interfonctionnelles. La technologie a été présentée dans The New York Times, Wired et The Verge. De plus, la capacité à générer de la documentation, des tests et des refactorisations montre comment l'IA peut contribuer à de meilleurs résultats, mettant en évidence l'interaction complexe entre l'automatisation et le jugement humain.
- 💡 Vitesse : La génération de code est nettement plus rapide, réduisant les frictions et responsabilisant les développeurs.
- 🚀 Qualité : La qualité de la sortie a été améliorée grâce à un entraînement amélioré, contribuant à des normes plus élevées.
- ✅ Adoption : L'utilisation continue de croître, reflétant les tendances plus larges du secteur.
Bien que les détails spécifiques soient limités en fonction des informations disponibles, on pourrait potentiellement soutenir que ces outils pourraient avoir un certain effet positif. Malgré les défis typiques des technologies émergentes — notamment les hallucinations, les biais et la responsabilité — l'écosystème continue de prospérer. Afin de réaliser pleinement ce potentiel, les équipes doivent s'aligner sur les meilleures pratiques.
En conclusion, l'avenir semble radieux. Des temps passionnants s'annoncent alors que nous poursuivons ce voyage vers l'excellence. Faites-moi savoir si vous souhaitez que je développe une section quelconque !
Après (Humanisé) :
Les assistants de codage IA peuvent accélérer les parties ennuyeuses du travail. Ils sont excellents pour le code standard : les fichiers de configuration et le petit code de liaison que vous ne voulez pas écrire. Ils peuvent également vous aider à esquisser un test, mais vous devez toujours le lire.
Le côté dangereux est l'apparence de confiance des suggestions. J'ai accepté du code qui compilait et passait le linting, pour découvrir plus tard qu'il manquait le but parce que j'avais cessé de prêter attention.
Si vous le traitez comme de l'autocomplétion et examinez chaque ligne, c'est utile. Si vous l'utilisez pour éviter de réfléchir, il vous aidera à livrer des bugs plus rapidement.
Le seul véritable filet de sécurité, ce sont les tests. Sans eux, vous jugez surtout les ambiances.
Références
- Wikipédia : Signes de l'écriture IA - Source principale
- Projet WikiProject AI Cleanup - Organisation de maintenance
Historique des versions
- 2.7.0 - Ajout du motif #30 (écriture ancrée sur le diff) ; les tirets cadratins/demi-cadratins sont désormais supprimés plutôt que "surutilisés" ; extension du #21 pour couvrir le remplissage spéculatif (« reste discret »). 30 motifs au total.
- 2.6.0 - Passe de nettoyage : consolidation des sections de flux de travail dupliquées, limitation des conseils de personnalité au contenu où la voix est souhaitée, suppression de la sous-section d'empreinte du modèle et condensation de l'exemple travaillé. Aucun changement aux 29 motifs.
- 2.5.1 - Ajout d'une règle voix passive / fragment sans sujet, portant le total à 29 motifs
- 2.5.0 - Ajout de motifs pour le cadrage persuasif, la signalisation et les en-têtes fragmentés ; extension des parallélismes négatifs pour couvrir les négations en queue ; resserrement du libellé autour de la surutilisation des tirets cadratins ; correction du libellé du préambule pour utiliser « phrases de remplissage »
- 2.4.0 - Ajout de l'étalonnage de la voix : correspondance avec le style d'écriture personnel de l'utilisateur à partir d'échantillons
- 2.3.0 - Ajout du motif #25 : surutilisation des paires de mots avec trait d'union
- 2.2.0 - Ajout d'un audit final « manifestement généré par IA » + invites de réécriture en deuxième passe
- 2.1.1 - Correction de l'exemple du motif #18 (guillemets courbes vs guillemets droits)
- 2.1.0 - Ajout d'exemples avant/après pour les 24 motifs
- 2.0.0 - Réécriture complète basée sur le contenu brut de l'article Wikipédia
- 1.0.0 - Version initiale
Licence
MIT