malherbe

Un skill d'humanisation construit POUR le français, pas traduit de l'anglais. Détecte et corrige les marques d'écriture IA — sans dénaturer un texte humain, sans dégrader la typographie française, sans rien inventer.

« Enfin Malherbe vint. » — Boileau, L'Art poétique

Français d'abord — English summary at the bottom.

Pourquoi malherbe

Les humanizers existants sont pensés pour l'anglais. Appliqués au français, ils détruisent ce qu'ils devraient protéger : l'un convertit les guillemets « français » en guillemets droits, un autre interdit le tiret d'incise, un troisième « améliore » un mémoire en supprimant son annonce de plan — obligatoire dans un mémoire français.

malherbe est construit EN français, POUR le français :

• 84 patterns en 8 familles, sourcés (Wikipédia FR/EN, OQLF, Académie française, 7 catalogues de praticiens francophones, guides universitaires), chacun avec marqueurs littéraux, seuils, exclusions et exemples avant/après.
• 4 registres — académique, professionnel, LinkedIn, casual — parce qu'un même marqueur peut être un tic sur LinkedIn et une convention obligatoire dans une thèse. C'est la matrice de registres qui décide, pas une liste de mots interdits.
• Typographie française normative et jamais dégradée : guillemets « », espaces insécables, majuscules accentuées (État, À), virgule décimale — avec les différences France/Québec documentées et respectées.
• Ultra-prudent sur les faux positifs : seuil de déclenchement en faisceau, patterns faibles qui ne déclenchent jamais seuls, liste des signes d'écriture humaine à préserver, garde anti-sur-édition (« si le passage a un pouls, la bonne édition est souvent : aucune »).

Testé en aveugle contre ses prédécesseurs

Avant publication, malherbe a été opposé à boileau et ultimate-humanizer sur trois textes neufs (académique, LinkedIn, e-mail humain piège), sorties anonymisées, deux juges indépendants. Classement identique chez les deux juges : malherbe premier (135/150 et 133/150) — zéro fabrication ET zéro perte d'attribution silencieuse (seul à cumuler les deux), meilleure déslopification du post LinkedIn. Un des concurrents a inventé une anecdote vécue complète au nom de l'auteur — c'est exactement ce contre quoi malherbe est conçu. Protocole, scores, citations des juges et limites : docs/benchmark.md.

Ce que malherbe refuse de faire

1. Inventer. Aucun fait, chiffre, anecdote ou vécu fabriqués pour « faire humain ». Matière manquante → « (à compléter par l'auteur : …) ».
2. Contourner les détecteurs. L'objectif est la qualité d'écriture ; aucune fonction anti-détection, aucune erreur volontaire, aucune promesse d'indétectabilité.
3. Dégrader la typographie. « » → " est une faute, pas une humanisation.
4. Réécrire un texte humain. 0 pattern ou signaux faibles isolés → « Texte déjà humain », point.

Installation

Claude Code

git clone https://github.com/L4inLov3r/malherbe.git
mkdir -p ~/.claude/skills/malherbe
cp -r malherbe/SKILL.md malherbe/references malherbe/tests malherbe/scripts malherbe/evolution ~/.claude/skills/malherbe/

Autres agents (Codex, Copilot, Gemini CLI, Cursor)

mkdir -p ~/.agents/skills/malherbe
cp -r malherbe/SKILL.md malherbe/references malherbe/tests malherbe/scripts malherbe/evolution ~/.agents/skills/malherbe/

N'importe quel assistant (ChatGPT, Gemini, Mistral…)

standalone/malherbe-standalone.md est une version condensée en un seul fichier, à coller dans les instructions personnalisées de n'importe quel assistant. Moins fine que la version complète (pas de fixtures, matrice de registres résumée), mais autonome.

Usage

Humanise ce texte : [texte]
Ce mail sonne trop ChatGPT, corrige-le
/malherbe --registre academique [chapitre de mémoire]
/malherbe --chapitre memoire.md        # long document : section par section, structure gelée
/malherbe --niveau leger [texte]       # ampleur : leger / moyen (défaut) / agressif
/malherbe --dry-run [texte]            # diagnostic sans réécriture
/malherbe --diff [texte]               # seulement les segments modifiés
/malherbe --voice [3-5 pages de ton écriture] -- [texte]
/malherbe --explain [texte]            # avant/après détaillé
/malherbe --aide                       # mode d'emploi complet

PDF : lu, jamais édité en place (le format ne le permet pas proprement). malherbe corrige la source (.md, .docx — mise en page préservée), ou livre la version corrigée en .md, ou la régénère en PDF neuf via les outils de la session (mise en page standard).

Guide complet (démarrage, registres, niveaux, workflows mémoire/LinkedIn, dépannage) : docs/guide.md.

Sur un fichier, malherbe liste d'abord ses corrections numérotées et attend ta validation avant d'éditer.

Boucle de complétion : quand il manque une source ou un fait (malherbe n'invente jamais), le skill pose directement ses questions (3 max, groupées, en session interactive) et intègre tes réponses — le placeholder est une question, pas une impasse.

Profils persistants (opt-in) : malherbe-voix.md à la racine de ton projet mémorise ta voix calibrée (fini de recoller l'échantillon --voice) ; .malherbe.md fixe le registre par défaut, le niveau, et ton glossaire métier — les termes de ton domaine (due diligence, covenant, aléa moral…) que le skill ne corrigera jamais, ne « variera » jamais et ne comptera jamais comme tics. Modèles commentés : docs/config-projet.md.

Les 8 familles

Le registre académique, traité sérieusement

Un humanizer naïf détruit un mémoire : l'impersonnel, le passif méthodologique, le hedging épistémique, l'annonce de plan, le « nous » de modestie et la répétition terminologique y sont des conventions, pas des tics. malherbe les protège et n'attaque que le vide (emphase non démontrée), le fantôme (« des études montrent » sans référence → TODO bloquant, jamais de réécriture silencieuse) et l'étranger (calques de l'anglais).

Qualité mesurable

• Étalonnage sur corpus réel (docs/etalonnage.md) : 14 textes externes aveuglés à vérité terrain — 8 IA (dont des générations naïves 2026) et 6 humains à antériorité prouvable (révisions Wikipédia 2019, blogs datés, Académie française, essai de 1922). Résultat : 14/14 verdicts corrects, zéro faux positif, verdicts stables sur 5 passes indépendantes — avec les limites dites (n = 14, auto-évaluation).

• Benchmark apparié : 17 cas « doit corriger » (dont un cas d'injection de prompt) + 15 pièges « ne doit PAS toucher ». Cibles : rappel ≥ 90 %, faux positifs = 0 — à tout niveau d'intervention. Protocole : --selftest. Dernier run mesuré (v1.0.0, 12+10 cas) : rappel 100 %, faux positifs 0.

• Gate final à compteurs écrits : avant de livrer, le skill compte ses propres résidus (y compris les zéros) et liste les longueurs de phrases en chiffres — parce qu'une relecture « de tête » semble toujours propre au modèle qui vient d'écrire.

• scripts/audit.py : les mêmes compteurs en déterministe (Python stdlib, hors ligne), avec vérification d'invariant typographique (python3 scripts/audit.py avant.md apres.md → code retour 1 si la typographie a été dégradée).

Contribuer

Faux positif ? Pattern manquant ? Les templates d'issues sont prêts, et CONTRIBUTING.md décrit les invariants du projet (règle de croissance appariée SF/SNF, cadence de révision du lexique, refus de l'anti-détection). CI : scripts/verifie.py (intégrité, y compris à l'octet) + scripts/audit.py tournent sur chaque PR.

Crédits

malherbe fusionne et prolonge deux lignées (MIT, créditées) : alxbd/boileau (le fond linguistique FR) et surdijon/ultimate-humanizer (le harnais), eux-mêmes héritiers de blader/humanizer. Mécaniques inspirées des meilleurs skills d'autres langues : devswha/patina, Raymondhou0917/speak-human-tw, harshaneel/humanize, Aboudjem/humanizer-skill. Sources normatives et communautaires : Wikipédia FR (Aide:Identifier l'usage d'une IA générative, Observatoire des IA), Wikipédia EN (Signs of AI writing), OQLF (Banque de dépannage linguistique), Académie française, LRTUIN.

Dogfooding : ce README a été soumis à malherbe, gate de vérification compris. Les cinq retouches proposées ont été rejetées par ses propres règles anti-sur-édition — verdict final : texte d'auteur, rien à corriger. C'est le comportement attendu : la moitié du métier d'un humanizer est de savoir ne pas toucher.

In English

malherbe is a French-native agent skill that detects and removes AI-writing patterns from French text — without distorting human writing, without degrading French typography, without inventing anything.

Existing humanizers are built for English; applied to French, they destroy what they should protect (one converts French « guillemets » into straight quotes; another deletes the thesis outline announcement that French academic writing requires). malherbe is built for French, from French sources (Wikipédia FR, OQLF, Académie française, seven francophone practitioner catalogs):

• 84 patterns in 8 families — literal markers, thresholds, exclusions, before/after examples, sources.
• Register-aware (academic / professional / LinkedIn / casual): the same marker can be an AI tell in one register and a mandatory convention in another. In academic mode, unsourced attribution becomes an author TODO — never a silent rewrite.
• French typography, never degraded — including the France/Québec differences, both respected.
• Strict anti-fabrication: missing facts become questions to the author, never inventions.
• Blind-judged benchmark against its two predecessors — ranked first by both judges (docs/benchmark.md) — plus a paired should-fix/should-not-fix test suite (17+15 cases) and a deterministic audit script.
• It aims at writing quality, not detector evasion — anti-detection features are explicitly refused.

Works with Claude Code (~/.claude/skills/), any agent reading ~/.agents/skills/, or any assistant via the single-file standalone version. MIT — credits: boileau, ultimate-humanizer, blader/humanizer.