17 vérificateurs de ton IA comparés en 2026

J’ai récemment confié le même brief à trois agents de recherche IA, en leur demandant quels étaient les meilleurs vérificateurs de ton du moment. Claude, ChatGPT et Gemini m’ont chacun renvoyé un rapport long et sûr de lui. Ils se contredisaient sur pas mal de points, citaient des sources qui n’existent pas, et l’un d’eux a même inventé une jolie légende sur les origines de ma propre entreprise. Alors j’ai fait ce que je recommande sans arrêt de faire avec la recherche IA : j’ai gardé la structure, retracé chaque affirmation jusqu’à une source primaire, et coupé tout ce qui ne survivait pas au contact du réel.

Voici la version fusionnée et vérifiée. Dix-sept outils, classés selon le travail que fait chacun, avec les preuves numérotées en bas de page.

Le biais cartes sur table, parce que j’ai cofondé l’un de ces outils

Subtext, c’est mon entreprise, et elle figure dans cet article. C’est une app qui lit comment un message personnel va être reçu avant que n’importe quoi le réécrive, ce qui veut dire que le principe de classement sur lequel repose tout l’article, diagnostic avant réécriture, fait flatteusement le jeu de mon propre produit. Pesez tout ce que j’en dis en conséquence.

Pour que ça reste utile malgré tout, j’ai tenu mon propre produit au même niveau d’exigence que les autres. Chaque affirmation vient d’une page produit, d’une documentation, d’une fiche store ou d’une recherche relue par les pairs, et chacune renvoie vers une source numérotée. Quand une affirmation n’existe que dans le marketing d’un éditeur, je le précise. Et j’ai coupé ce que les agents IA rapportaient avec assurance mais qu’aucune source ne confirme, y compris cette légende flatteuse (un « ancien thérapeute » aurait fondé Subtext ; personne ne l’a fait, Anton est ingénieur et c’est moi qui m’occupe des mots).

Un vrai vérificateur de ton diagnostique avant de réécrire

Dans ce secteur, presque tous les outils sont appelés vérificateurs de ton, mais deux métiers différents se cachent sous cette même étiquette.

Le diagnostic vous dit comment votre texte se lit tel quel. La réécriture le transforme en autre chose. La différence paraît théorique jusqu’à ce qu’on regarde un vrai brouillon, alors voici le genre de lecture que Subtext livre avant de toucher le moindre mot :

Brouillon « C’est bon. Fais ce que tu veux. »

Sonne sec · « fais ce que tu veux » sonne comme un retrait · passe pour passif alors que vous vouliez probablement dire fatigué

Un outil de réécriture va joyeusement transformer ça en « Ça marche, vas-y avec l’option qui t’arrange le plus », une phrase plus jolie qui ne mentionne rien de tout ça. Un outil de diagnostic vous arrête d’abord et vous montre la lecture ci-dessus. Une fois que vous voyez ça, vous pouvez décider quoi en faire. Peut-être que vous l’adoucissez. Peut-être que vous vouliez ce mordant, et vous le gardez. J’ai détaillé ce qu’un vérificateur de message IA peut vérifier, et comment le faire vous-même.

Les outils qui ne font que réécrire sautent cette étape. Ils vous donnent une phrase plus jolie sans jamais vous dire ce qui clochait dans la vôtre, et c’est comme ça qu’on finit par envoyer des messages bien polis qui disent quand même la mauvaise chose. J’ai donc réparti l’ensemble entre les outils qui lisent d’abord, ceux qui ne font que réécrire, et ceux qui ajustent votre ton à un public bien précis.

Dans une étude sur l’e-mail, les expéditeurs pensaient que leur ton passerait 78 % du temps. Il est passé 56 % du temps.

Avant les outils, la raison pour laquelle ils existent.

En 2005, Justin Kruger, Nicholas Epley et leurs collègues ont publié cinq expériences sur le ton dans les e-mails¹ dans le Journal of Personality and Social Psychology. Dans une étude, les expéditeurs prédisaient que leur ton (sérieux ou sarcastique) passerait correctement environ 78 % du temps. Les destinataires, eux, ne l’ont perçu juste que 56 % du temps², à peine mieux qu’à pile ou face, et les destinataires étaient même plus sûrs d’eux que les expéditeurs, persuadés d’avoir bien lu 89 % des messages. Le diagnostic des auteurs, dans leurs propres mots¹ :

Cet excès de confiance naît de l’égocentrisme.

Vous entendez votre propre message avec toute la bande-son de vos intentions. Votre lecteur, lui, reçoit des mots sur un écran. C’est aussi pourquoi vous ne pouvez pas savoir de manière fiable, de l’intérieur, si un message a l’air impoli.

Vingt ans plus tard, cette découverte est devenue le modèle économique de chacun des outils ci-dessous.

Quatre outils qui lisent votre ton avant de toucher un seul mot

Subtext

Subtext est l’outil que j’ai cofondé, pensé pour les messages personnels plutôt que pour les documents. Vous collez un brouillon, déposez une capture d’écran de la conversation, ou enregistrez un vocal, et il lit tout l’échange avant de dire quoi que ce soit. Il repère les mots exacts qui pourraient sonner durs, passifs ou faciles à mal interpréter, puis nomme l’émotion en dessous³. Après la lecture, des ajustements en un toucher (Plus chaleureux, Plus court, Plus décontracté, Plus assuré)⁴ réécrivent le message en gardant vos propres tournures comme point de départ, et il n’envoie jamais rien à votre place.

La fiche store ne tourne pas autour du pot sur la cible et cite les gens qui réécrivent le même message cinq fois avant de l’envoyer, les ruminateurs, et quiconque se demande « est-ce que ça sonne bien ? »⁴. Une bonne partie des avis les plus chaleureux viennent d’utilisateurs neurodivergents, les personnes pour qui un vérificateur de ton IA pour les adultes neurodivergents est pensé, en particulier des utilisateurs TDAH qui lui donnent de longs brouillons chaotiques et récupèrent quelque chose de clair qui sonne quand même comme eux⁵. L’app tourne sur iOS, Android et une app web synchronisée, dans 17+ langues écrites nativement plutôt que traduites. Gratuit à l’essai, puis un abonnement débloque le reste. Je signale deux limites. L’app est pensée pour les messages, donc les documents longs ont leur place ailleurs, et ses propres conditions disent clairement que c’est un assistant de communication, pas une thérapie⁶, et que vos textes ne servent jamais à entraîner des modèles d’IA.

Le détecteur de ton de Grammarly

Grammarly fait tourner le diagnostic de ton le plus déployé au monde. Il identifie le ton de votre texte à partir du choix des mots, des tournures, de la ponctuation et même des majuscules⁷, en combinant des règles et du machine learning⁸. À son lancement en 2019, il savait nommer environ 40 tons, de l’amical et du joyeux jusqu’à l’agressif et l’agacé⁹. Il lui faut un peu de texte pour fonctionner : environ 150 caractères dans le navigateur¹⁰, 90 sur le clavier mobile¹¹. Les étiquettes constituent le diagnostic ; les réécritures de ton phrase par phrase sont réservées aux formules payantes. Pour les entreprises, Grammarly Business ajoute des tons de marque, où les administrateurs choisissent parmi plus de 50 tons et les marquent conformes ou non à la marque¹² et tout le monde reçoit des rappels en temps réel. Grammarly a depuis ajouté Reader Reactions, un agent intégré à Grammarly docs qui simule la façon dont un lecteur que vous choisissez, par exemple votre manager ou un client, pourrait interpréter ce que vous avez écrit¹³. Si votre écriture vit dans les documents et les e-mails professionnels, c’est la référence.

Goblin Tools (le Judge et le Formalizer)

Goblin Tools est une collection de petits outils IA gratuits, créés par le développeur belge Bram De Buyser et décrits sur son propre site comme des « outils petits, simples, à tâche unique »¹⁴, pensés surtout pour les personnes neurodivergentes. Deux d’entre eux comptent ici. Le Judge perçoit l’humeur ou l’émotion derrière n’importe quel message que vous avez reçu, et le Formalizer reformule instantanément votre texte pour trouver le bon ton¹⁵, avec un curseur de « piquant » pour doser le changement. Ce décodeur côté réception est rare ; presque tout le reste de cet article ne regarde que ce que vous envoyez. Le site est gratuit et les apps mobiles sont des achats uniques à petit prix.

Sapling

Sapling vise les équipes de support client et de vente, et publie la taxonomie de ton la plus transparente du groupe. Son vérificateur de ton gratuit identifie plus de 25 tons émotionnels (joie, confusion, gratitude, peur), au niveau de la phrase comme du document entier¹⁶, et son API pour développeurs couvre 28 tons avec des probabilités phrase par phrase¹⁷. Si vous voulez de la détection de ton intégrée à votre propre produit, c’est le successeur concret de la vieille API IBM qu’on va enterrer dans une minute.

Sept outils qui réécrivent dans le ton de votre choix

Ils sont utiles et j’en utilise certains, mais à part Copilot dans Outlook, aucun ne vous dira comment votre brouillon original se lit. Ils vous tendent juste un autre brouillon.

Apple Intelligence Writing Tools se logent au niveau du système et réécrivent le texte sélectionné pour le rendre plus professionnel, plus amical ou plus concis, presque partout où vous pouvez taper, y compris dans les apps tierces¹⁸, avec en plus une case libre pour « décrire votre changement »¹⁹. Gratuit avec iOS 18.1, iPadOS 18.1 ou macOS Sequoia 15.1 sur le matériel compatible. Trois réglages prédéfinis, zéro diagnostic. J’ai comparé ce que font Apple, Google, Grammarly et ChatGPT à vos messages, fonctionnalité par fonctionnalité.

Le Copilot de Microsoft fait l’équivalent à l’intérieur d’Office, où vous sélectionnez du texte dans Word, choisissez Réécrire, puis utilisez le menu Ajuster le ton (Neutre, Familier et Concis parmi les options)²⁰. Outlook fait exception. Là, le coaching des e-mails de Copilot propose des suggestions sur le ton, la clarté et le ressenti probable du lecteur face à un brouillon²¹, ce qui en fait le seul outil de ce groupe à poser un certain diagnostic, et uniquement pour les e-mails professionnels. Ce que vous obtenez dépend de votre abonnement Microsoft et de la version d’Outlook que vous utilisez, et je n’ai vu aucune donnée sur la précision de ce coaching.

Wordtune est le plus rapide des outils de réécriture dédiés. Vous surlignez une phrase, touchez Familier ou Formel, ou encore Raccourcir et Développer²², et choisissez parmi les suggestions. Offre gratuite, avec des formules payantes à partir d’environ 7 $ par mois facturés à l’année²³, en date d’août 2026.

Hemingway Editor a bâti sa réputation sur la lisibilité, en signalant par des couleurs les phrases trop denses et la voix passive, ce qui touche au ton sans en être vraiment. La version payante Hemingway Editor Plus ajoute de la réécriture par IA, dont l’ajustement du texte sélectionné pour le rendre plus professionnel ou plus amical²⁴ et des outils dédiés pour plus décontracté, plus formel et plus persuasif²⁵. Toujours le meilleur remède que je connaisse contre la prose trop lourde.

Trois outils en vitesse. LanguageTool est le choix multilingue, un correcteur de grammaire et de style dans une trentaine de langues avec un paraphraseur en formule payante ; ici, le ton n’est qu’un effet de bord, pas le produit. ProWritingAid vise les manuscrits longs, toute une pile de rapports de style et de lisibilité, sans lecture en direct de la façon dont un texto va être reçu. Et QuillBot est le paraphraseur des étudiants, avec des modes prédéfinis dont Formel ; il réécrit avec fluidité et ne vous dit rien de votre original.

Quatre outils qui ajustent votre ton à un lecteur précis

Ce groupe répond à une question différente. Comment sonner pour telle personne précise, ou en tant que telle entreprise précise ?

Crystal dresse le profil de votre destinataire avec le cadre de personnalité DISC, puis son Writing Assistant vérifie les mots, les tournures, le style et le ton de votre e-mail en temps réel dans Gmail ou Outlook et vous oriente vers le style de communication de cette personne²⁶. Je trouve ça un peu troublant et parfois brillant, et c’est clairement construit pour la vente.

Lavender est un coach pour la prospection par e-mail à froid qui note chaque brouillon de 0 à 100 pendant que vous écrivez, le ton comptant parmi les facteurs, et suggère des corrections liées aux données de taux de réponse²⁷. Il existe une offre gratuite de 5 e-mails par mois, puis des formules à partir de 29 $ par mois (en date d’août 2026)²⁷. Si votre travail c’est la prospection, ce score devient vite une habitude.

Textio²⁸ règne sur le créneau du recrutement, en signalant le langage biaisé ou excluant dans les offres d’emploi et les retours de performance, et en évaluant comment le langage passera auprès des candidats. Et Writer opère à l’échelle de l’entreprise : vous chargez des échantillons de texte et il construit un profil de voix²⁹ pour que toute la production IA d’une organisation reste dans un seul ton.

Les vérificateurs gratuits en une page sont corrects, avec une réserve

Au-delà des grands noms, il existe une longue traîne de pages gratuites où coller son texte. Le vérificateur gratuit de Sapling (ci-dessus) est le plus crédible. Le vérificateur de ton de LiveChatAI³⁰ identifie un ton dominant et souligne les tournures qui ont motivé le verdict, uniquement de la détection, aucune réécriture. La version d’AskAI³¹ habille un modèle conversationnel d’un score de formalité de 0 à 100 et signale les glissements de ton dans les documents longs, avec une formule payante pour un usage plus intensif. Je leur ferais confiance pour un paragraphe de blog ou une lettre de motivation.

Tout ce que vous collez dans une page web gratuite voyage jusqu’au serveur de quelqu’un, et la plupart de ces pages ne disent pas grand-chose de la suite. Je collerais un paragraphe marketing sans hésiter une seconde, et je garderais un texto de rupture bien loin de tout ça.

L’API de ton que tout le monde citait est morte

Pendant dix ans, « vérifier le ton » au sens technique voulait dire IBM Watson Tone Analyzer, l’API derrière d’innombrables démos et articles de recherche. Elle a disparu. IBM a annoncé son abandon le 24 février 2022, et le service s’est arrêté le 24 février 2023³². Ce qu’il en reste, c’est un petit modèle de classification de ton préconstruit à l’intérieur de la boîte à outils Natural Language de Watson³³, qui couvre l’anglais et le français avec une courte liste de catégories comme enthousiaste, frustré, impoli, poli, triste, satisfait et compatissant.

J’inclus cette nécrologie parce qu’elle explique le marché. L’ère des API de ton autonomes s’est achevée, et l’énergie s’est déplacée vers les assistants ci-dessus et vers les grands modèles de langage qui réécrivent n’importe quoi à la demande. Ce qui nous amène à la partie inconfortable.

Ce que dit la recherche sur le fait de laisser l’IA toucher à vos mots

La partie réécriture est désormais triviale. Les conséquences le sont beaucoup moins, et il existe une vraie littérature scientifique à leur sujet.

Les chercheurs appellent ça la communication médiée par l’IA : quand un système d’IA modifie, augmente ou génère des messages entre des personnes³⁴, selon la définition qu’en ont donnée Jeff Hancock, Mor Naaman et Karen Levy en 2020. Le résultat le plus marquant est arrivé un an plus tôt, dans une étude CHI sur des profils d’hôtes Airbnb, où l’équipe de Jakesch a découvert que les lecteurs jugeaient moins digne de confiance le texte qu’ils croyaient écrit par une IA³⁵. Une étude de suivi sur les réponses suggérées par l’IA a montré que ces suggestions changeaient le langage que les gens produisaient réellement, le poussant vers le positif, et modifiaient la façon dont les interlocuteurs se percevaient l’un l’autre³⁶. J’ai approfondi ailleurs si les outils de reformulation de messages par IA fonctionnent vraiment.

Il y a aussi un problème de biais dans les modèles eux-mêmes. Une étude de 2025 menée par l’université Monash a généré des milliers de dialogues d’assistant à partir de prompts délibérément neutres, et a trouvé un déséquilibre constant. Par défaut, les modèles sonnent, dans les mots des chercheurs, « excessivement polis, enjoués ou prudents même quand la neutralité est attendue »³⁷, et des classificateurs de ton détectent ce déséquilibre avec des scores macro-F1 allant jusqu’à 0,92³⁷. Les machines ont un accent. Si vous en laissez une réécrire tout ce que vous envoyez, vous commencez à parler avec cet accent aussi. Le domaine du NLP a même un nom pour la mécanique derrière tout ça, le transfert de style textuel, avec toute une littérature de synthèse³⁸, et rien de tout ça n’est entraîné sur ce qui fait que vous sonnez comme vous. C’est pour ça que Subtext garde votre propre formulation comme point de départ de toute réécriture au lieu de la remplacer par un style maison.

Ma conclusion à partir de tout ça, c’est d’utiliser ces outils d’abord comme un miroir, et rarement comme un prête-plume, et oui, remarquez de qui vient cette conclusion. Une lecture de ton avant l’envoi s’attaque au problème du 78/56 de l’étude Kruger, même si elle reste une supposition faite de l’extérieur de votre tête. Dans une étude ACL de 2025, les lecteurs humains comme les modèles de langage ne retrouvaient qu’imparfaitement les émotions que les auteurs disaient ressentir³⁹, donc considérez la lecture de n’importe quel vérificateur, la mienne comprise, comme un second avis. Une réécriture complète de tout ce que vous envoyez crée un nouveau problème, celui où votre maman devine qu’un robot lui a répondu.

Comment je choisirais

Pour les messages personnels et les conversations difficiles, ma sélection se limite à Subtext ou Goblin Tools. Subtext si vous voulez le diagnostic, la réécriture et le contexte de la conversation au même endroit, avec votre voix préservée ; le Judge et le Formalizer de Goblin si vous voulez du gratuit, à tâche unique, sans compte à créer. Pour les documents et les e-mails professionnels, le détecteur de Grammarly est la référence, avec Hemingway pour couper le superflu. Si vous êtes sur du matériel Apple, les outils de rédaction couvrent les changements de ton prédéfinis sans coût supplémentaire, et si votre employeur paie déjà Copilot, son coaching dans Outlook donne une lecture de base de vos e-mails professionnels. Vous ne payez pour un outil dédié que lorsqu’il vous faut un vrai diagnostic. Pour la prospection commerciale, prenez Lavender, pour des messages ajustés au destinataire, Crystal, pour le langage de recrutement, Textio, et pour la voix de marque à l’échelle de l’entreprise, Writer. Fauché et curieux ? Le vérificateur gratuit de Sapling plus Goblin Tools vous enseigneront le concept pour rien.

Et quel que soit celui que vous choisissez, gardez le dernier mot. La recherche citée plus haut est plutôt claire : le but, c’est un message qui sonne comme vous un bon jour, pas comme un modèle aux manières impeccables.

Si le moment « est-ce que ça sonne bien ? » est celui que vous connaissez trop bien, c’est exactement le moment pour lequel Subtext a été construit. Collez le brouillon ou prenez une capture du fil pour que ça lise les deux côtés, et il nomme ce que votre message risque de signaler et montre les mots exacts qui le font, puis propose des versions qui sonnent quand même comme vous. Essayer Subtext dans votre navigateurEssayer Subtext dans votre navigateur

J’ai fusionné trois rapports de recherche IA pour cet article et coupé ce qui ne tenait pas debout, mais je ne prétends pas que les survivants sont à l’abri de toute contestation. Si vous créez l’un de ces outils et pensez que je l’ai sous-évalué, ou si vous connaissez un vérificateur qui diagnostique mieux que les quatre que j’ai trouvés, dites-le-moi et je le testerai pour mettre l’article à jour.

Samet Durgun est le cofondateur de Subtext, une app qui capte le ton émotionnel de vos messages et les réécrit avec votre propre voix. Il vit à Berlin.

Sources

Chaque lien ci-dessus renvoie à la source primaire quand elle existe. Les citations sont numérotées ci-dessous, dans leur ordre d’apparition.

Pourquoi le ton ne passe pas

Kruger, J., Epley, N., Parker, J. et Ng, Z. (2005). Egocentrism over e-mail: can we communicate as well as we think? Journal of Personality and Social Psychology, 89(6), 925-936. DOI : 10.1037/0022-3514.89.6.925. PDF en accès libre :
American Psychological Association, Monitor on Psychology (février 2006). E-mails and egos.

Les outils

Écrire avec l’IA

Hancock, J. T., Naaman, M. et Levy, K. (2020). AI-Mediated Communication: Definition, Research Agenda, and Ethical Considerations. Journal of Computer-Mediated Communication, 25(1), 89-100.
Jakesch, M., French, M., Ma, X., Hancock, J. T. et Naaman, M. (2019). AI-Mediated Communication: How the Perception that Profile Text was Written by AI Affects Trustworthiness. CHI 2019.
Mieczkowski, H., Hancock, J. T., Naaman, M., Jung, M. et Hohenstein, J. (2021). AI-Mediated Communication: Language Use and Interpersonal Effects in a Referential Communication Task. Proceedings of the ACM on Human-Computer Interaction, 5(CSCW1).
Bodara, H., Mushfiq, M. M. et Siddiqui, I. F. (2025). Bias Beneath the Tone: Empirical Characterisation of Tone Bias in LLM-Driven UX Systems. UISE ’26 workshop (ACM).
Jin, D., Jin, Z., Hu, Z., Vechtomova, O. et Mihalcea, R. (2022). Deep Learning for Text Style Transfer: A Survey. Computational Linguistics, 48(1), 155-205.
Li, J., Zhou, Y., Narayanan Venkit, P., Islam, H. B., Arya, S., Wilson, S. et Rajtmajer, S. (2025). Can Third Parties Read Our Emotions? Proceedings of the 63rd Annual Meeting of the Association for Computational Linguistics (Volume 1: Long Papers), 21478-21499.