La catégorisation automatique de texte est une technologie qui a atteint un haut niveau de maturité et de performance, souvent proche des performances humaines, sur des tâches comme la prédiction du sujet ou du genre d'un document, ou encore pour d'autres propriétés liées à son contenu.

Dans cette présentation, on s'intéresse à des problèmes dans lesquels on cherche à découvrir des propriétés moins évidentes d'un texte, sur lesquelles des évaluateurs humains eux-mêmes ont de la difficulté à s'accorder. On présentera des résultats obtenus sur trois tâches: prédire si un texte est une traduction ou un original, prédire la langue maternelle d'un rédacteur en langue seconde, et prédire les variantes locales d'une langue. Certains de ces résultats ont été obtenus dans le cadre d'évaluations internationales.