ChatGPT-5 e Claude detection 2026: benchmark Turnitin e Compilatio zero-shot in italiano

Hai scritto parti della tua tesi con ChatGPT-5 o Claude e ti chiedi se Turnitin o Compilatio le rileveranno? Non sei il solo. Con l’arrivo di modelli linguistici di quinta generazione, capire dove si colloca davvero il confine tra testo rilevabile e testo non rilevabile è diventato cruciale per decine di migliaia di laureandi italiani. Questa guida raccoglie i dati dei principali benchmark 2026 — inclusi test zero-shot su testo in italiano — e spiega cosa significano concretamente per il tuo elaborato finale.

Prima di entrare nei numeri, una premessa fondamentale: i migliori strumenti IA per la tesi non sono necessariamente quelli che “sfuggono” ai detector — sono quelli che ti aiutano a produrre un testo autentico, revisionato e realmente tuo. La capacità di un software di rilevare l’IA è in costante evoluzione, e tentare di “battere” i sistemi di controllo è una strategia ad alto rischio che può portare a conseguenze disciplinari gravi.

Come funzionano i detector IA nel 2026

I moderni sistemi di rilevamento dell’intelligenza artificiale non cercano “parole magiche” né segnalano semplicemente testo “troppo perfetto”. Analizzano due dimensioni principali: la perplexity (quanto il modello linguistico di riferimento si “aspetta” quella sequenza di parole) e la burstiness (la variabilità nella lunghezza e nella struttura delle frasi). Il testo umano è tendenzialmente ad alta burstiness — frasi brevi alternate a periodi complessi — mentre i modelli IA, specie nelle versioni non modificate, producono distribuzioni di lunghezza più uniformi.

Dal 2025, Turnitin ha integrato un modello di rilevamento ritrenato specificamente su output di humanizer: lo scopo è intercettare anche il testo IA che è stato “umanizzato” con strumenti automatici. Compilatio ha introdotto il proprio AI Detector con supporto per GPT-5.2, GPT-5.1, GPT-5, GPT-4o, Claude, Gemini, DeepSeek e Copilot, aggiornando il proprio database di fingerprint linguistiche ad ogni nuova major release dei modelli.

Un elemento spesso sottovalutato è la lingua: i modelli di detection sono stati addestrati prevalentemente su corpora in lingua inglese. I testi in italiano — soprattutto nel registro accademico formale, denso di costruzioni passive, subordinate e terminologia specialistica — possono generare distribuzioni statistiche che i detector interpretano in modo errato, sia in senso di falso positivo (testo umano classificato come IA) sia in senso di falso negativo (testo IA non rilevato).

Tabella comparativa: detection rate per modello

La tabella seguente sintetizza i dati disponibili dai benchmark pubblici più recenti (EyeSift AI Detector Benchmarks 2026, Leap AI Research, dati pubblici Compilatio). I valori si riferiscono a testo zero-shot, ovvero non modificato dopo la generazione dal modello IA.

*Il dato GPTZero sul falso positivo è auto-dichiarato dal vendor. FP = falso positivo (testo umano classificato come IA). I dati per la lingua italiana sono stime basate su test comparativi e non costituiscono benchmark ufficiali.

Turnitin: dati aggiornati 2026

Turnitin è il sistema antiplagio più diffuso negli atenei italiani di grandi dimensioni (Sapienza, Bologna, Milano, Padova e molti altri). Dal 2023 incorpora un modulo AI Writing Indicator che segnala la probabilità che un documento contenga testo generato da IA. La piattaforma stessa avverte esplicitamente nelle proprie linee guida che “i report IA possono contenere errori e non devono essere l’unica base per un’azione disciplinare”.

Per il testo ChatGPT-5 non modificato in lingua inglese, i test indipendenti effettuati nel 2026 indicano tassi di rilevamento tra il 95% e il 98%. Su testo Claude non modificato — un modello con distribuzioni linguistiche significativamente diverse da GPT — Turnitin scende al 53–60%, un valore descritto come “volatile e non consistente” in uno studio indipendente di Leap AI. Questo non significa che Claude sia “sicuro”: significa che i suoi output hanno una firma statistica diversa, che potrebbe comunque essere aggiornata nei modelli futuri di Turnitin.

Per il testo in italiano, non esistono benchmark ufficiali pubblici. Sulla base della struttura dell’italiano accademico — con periodi ipotattici lunghi, costruzioni passive frequenti, terminologia specialistica che si avvicina alla frequenza attesa nei corpus IA — è ragionevole stimare un abbassamento del tasso di detection del 10–15 punti percentuali rispetto all’inglese, accompagnato da un incremento del tasso di falsi positivi.

Compilatio: moduli IA e soglie negli atenei

Compilatio è il riferimento principale per gli atenei francesi, svizzeri e per un numero crescente di università italiane di medie dimensioni. Il suo AI Detector, integrato nella piattaforma Magister/Formative, supporta nel 2026 i seguenti modelli: GPT-5.2, GPT-5.1, GPT-5, GPT-4o Mini, GPT-4.5, GPT-4o, Claude (tutte le versioni principali), Gemini, DeepSeek, Copilot e altri.

A differenza di Turnitin, Compilatio fornisce un indicatore percentuale di “tasso IA stimato” per ciascun paragrafo, non solo per il documento complessivo. Questo approccio granulare significa che anche un singolo paragrafo generato con ChatGPT-5 e lasciato invariato potrebbe generare un segnale di allerta, anche se il resto della tesi è completamente originale. La soglia oltre la quale molti atenei avviano una procedura di verifica è compresa tra il 15% e il 25% del testo totale, ma ogni ateneo fissa le proprie policy interne e le variazioni sono significative. Per sapere esattamente sotto quale percentuale scatta l’alert nel tuo ateneo, consulta la nostra mappa delle soglie Compilatio ateneo per ateneo.

Un aspetto rilevante è che Compilatio aggiorna i propri modelli contestualmente alle release dei modelli IA: l’ingresso di GPT-5 e Claude Opus 4 ha portato aggiornamenti del modulo di detection entro settimane dalla disponibilità pubblica di questi modelli.

Zero-shot in italiano: cosa cambia

“Zero-shot” indica testo generato direttamente da un modello IA senza alcuna modifica successiva — l’output grezzo copiato e incollato nella tesi. È lo scenario più rischioso e, paradossalmente, quello su cui i vendor di detection hanno i dati migliori, perché il testo zero-shot conserva integralmente le caratteristiche statistiche del modello generativo.

Per la lingua italiana, il contesto si complica per due ragioni. Prima: i corpora di addestramento dei modelli di detection sono sbilanciati verso l’inglese, il che rende le stime meno precise. Seconda: il registro accademico italiano ha caratteristiche lessicali e sintattiche che in alcuni casi si sovrappongono alle distribuzioni tipiche del testo IA — in particolare la preferenza per costruzioni impersonali, la densità di connettivi formali e l’uso sistematico del condizionale nei capitoli metodologici.

Il risultato pratico: il testo zero-shot in italiano di ChatGPT-5 viene rilevato con alta probabilità da entrambe le piattaforme, ma con un intervallo di incertezza maggiore rispetto all’inglese. Il testo zero-shot in italiano di Claude presenta margini di incertezza ancora più ampi, con tassi stimati tra il 40% e il 55% su Turnitin. Questo non deve essere interpretato come un “vantaggio” da sfruttare: le università stanno affiancando ai detector automatici procedure qualitative (colloqui, domande specifiche sui contenuti, analisi del processo di scrittura) che rendono l’individuazione più robusta indipendentemente dal tasso automatico.

L’effetto dell’editing: quando la detection crolla

Tutti i benchmark concordano su un punto: l’editing significativo riduce drasticamente il tasso di rilevamento. Studi indipendenti del 2026 indicano che il tasso di detection scende al 20–63% quando il testo è stato parafrasato o modificato in modo sostanziale. Il punto critico sta nel significato di “sostanziale”: sostituire alcune parole con sinonimi o invertire l’ordine delle frasi non è sufficiente — Turnitin, in particolare, è stato ritrenato su output di humanizer automatici e risulta efficace nell’intercettare le riscritture superficiali.

L’editing che riduce davvero la rilevabilità è quello che cambia la struttura argomentativa, integra esempi originali, aggiunge dati verificati e riscrive i passaggi in prima persona con voce autentica. In altre parole: è l’editing che trasforma un output IA in un contributo genuinamente tuo — che è esattamente il tipo di scrittura accademica richiesta dalla tua commissione.

Attenzione: Usare un “humanizer” automatico per ridurre il tasso IA senza rielaborare il contenuto costituisce comunque una forma di disonestà accademica in molti regolamenti universitari italiani, indipendentemente dall’esito del controllo antiplagio.

Falsi positivi: il rischio invisibile

Il problema opposto è altrettanto reale: studenti che scrivono in maniera personale ma molto formale, con costruzioni sintattiche elaborate, rischiano di essere segnalati come produttori di testo IA. La ricerca condotta da Stanford HAI ha evidenziato che sette detector analizzati classificavano come IA-generato oltre il 61% degli elaborati di studenti TOEFL, autori legittimi che scrivevano in una lingua non madre.

Per uno studente italiano che scrive in un registro accademico elevato, il rischio di falso positivo è reale soprattutto se usa costruzioni passive sistematiche, frasi senza soggetto esplicito o terminologia molto tecnica. Se ricevi una segnalazione di questo tipo, hai il diritto di chiedere un colloquio con la commissione e spiegare il tuo processo di scrittura. La policy MUR e le linee guida CRUI del 2024 stabiliscono che nessuna segnalazione automatica costituisce prova sufficiente per una sanzione disciplinare senza valutazione umana.

Consigli pratici per una tesi autentica

La strategia più efficace non è cercare di evadere i detector, ma costruire un processo di scrittura che renda la tua tesi genuinamente tua. Ecco i principi guida.

1. Usa l’IA come strumento di ricerca, non come ghostwriter

Puoi usare ChatGPT-5 o Claude per esplorare la letteratura, chiarire concetti complessi, generare outline preliminari o verificare la coerenza dei tuoi argomenti. Il testo che finisce nella tesi deve però essere scritto (o riscritto profondamente) da te.

2. Mantieni una bozza tracciabile

Molti atenei stanno introducendo la richiesta di un log delle versioni o di un documento di dichiarazione d’uso dell’IA. Tenere traccia delle tue bozze progressive — su Google Docs, Notion o anche un semplice cartella di versioni datate — è la tua difesa migliore in caso di contestazione.

3. Fai revisionare il testo da un lettore umano

Un relatore, un correlatore o un servizio di revisione professionale che fornisce feedback argomentativo (non solo grammaticale) aggiunge un livello di autenticità che nessun detector considera “artificiale”. La revisione umana è anche il miglior antidoto contro i falsi positivi, perché chi ti conosce può attestare che la voce del testo è la tua.

4. Testa il tuo elaborato prima della consegna

Alcune università mettono a disposizione degli studenti l’accesso a Turnitin o Compilatio per un’autoverifica. Se il tuo ateneo lo prevede, usalo. Altrimenti, strumenti gratuiti come ZeroGPT o isgen.ai possono darti un’indicazione orientativa — pur con precisione inferiore rispetto ai sistemi istituzionali.

5. Dichiara l’uso dell’IA quando richiesto

Dal 2024, un numero crescente di regolamenti universitari italiani richiede una dichiarazione esplicita di uso dell’IA nell’elaborato finale. Verifica le policy del tuo ateneo: dichiarare l’uso corretto è sempre preferibile a essere scoperti senza dichiarazione.

Domande frequenti