Une doctorante pose le chiffre devant tout le secteur
Le 20 juillet, le Higher Education Policy Institute a publié un texte de Brendal Aformeziem, doctorante à l'université de Strathclyde, qui demande aux universités britanniques de cesser d'utiliser les scores de détection d'IA comme preuve principale dans les procédures de fraude académique. L'argument n'est pas que les étudiants n'utilisent jamais l'IA. Il est que l'instrument censé le prouver produit une catégorie d'erreurs que la procédure ne peut pas absorber, et que cette erreur n'est pas répartie de façon égale. Les étudiants internationaux représentent 24 pour cent de l'ensemble des étudiants du supérieur britannique et 51 pour cent des inscrits en master et doctorat, c'est-à-dire précisément le groupe que les outils lisent le plus souvent de travers.
Le dossier existe déjà. L'Office of the Independent Adjudicator a publié en juillet 2025 quatre résumés de cas portant sur des accusations de fraude assistée par IA. Trois des quatre concernaient des étudiants internationaux ou allophones, et trois ont été tranchés en totalité ou en partie contre les universités qui les avaient engagés. Les recommandations d'Aformeziem découlent de ce dossier plutôt que du débat abstrait: suspendre la détection comme preuve principale en attendant une validation indépendante, faire émettre par la QAA et l'OIA une orientation commune interdisant qu'un score fonde à lui seul une décision disciplinaire, et repenser l'évaluation pour que moins de choses reposent sur un devoir rédigé sans surveillance.
Pourquoi cela dépasse l'université. Retirez le décor académique et il reste une histoire d'achat que tout dirigeant reconnaîtra. Une organisation a acheté un outil de notation, a traité le score comme une constatation, a bâti un processus par-dessus, puis a découvert que le taux d'erreur accepté au moment de l'achat était incompatible avec les décisions qu'elle prenait. L'objet se trouvait être des copies d'étudiants. Cela aurait tout aussi bien pu être des notes de frais, des alertes de risque interne ou un score de fraude fournisseur.
Soixante et un pour cent n'est pas un défaut, c'est un réglage
Le chiffre qui soutient tout cela vient de Stanford. Une équipe dirigée par James Zou, professeur de science des données biomédicales, a fait passer sept détecteurs d'IA très répandus sur 91 copies TOEFL rédigées par des locuteurs non natifs et sur un jeu de comparaison écrit par des élèves américains de quatrième. Sur les écoliers américains, les détecteurs se sont bien comportés. Sur les copies TOEFL, ils ont classé à tort 61,22 pour cent des textes comme produits par une machine. Les sept étaient unanimes sur 18 des 91 copies, et 97 pour cent des copies ont été signalées par au moins un outil.
Le mécanisme n'a rien de mystérieux, et c'est la partie qu'il faut retenir. Les détecteurs traitent un vocabulaire prévisible et une syntaxe simple comme une signature machine. Le texte d'une personne compétente qui écrit dans sa deuxième langue possède exactement ces propriétés. Quand les chercheurs ont réécrit les mêmes copies avec un vocabulaire plus riche, le taux de faux positifs s'est effondré. L'outil n'a jamais mesuré qui avait écrit le texte. Il mesurait le degré de raffinement de l'anglais, puis présentait la réponse comme une question de paternité.
Ce qu'est réellement un seuil. Tout classifieur arbitre entre deux erreurs: le texte qu'il accuse à tort et le texte qu'il laisse passer. Le fournisseur choisit le point de la courbe où le produit se place, et un fournisseur qui vend dans un contexte où une fausse accusation est catastrophique règlera fortement l'outil pour laisser passer l'écriture assistée. C'est un choix d'ingénierie défendable et c'est aussi la raison pour laquelle le résultat ne peut pas tenir lieu de preuve. Le texte du HEPI cite une évaluation portant sur 805 échantillons qui relève une précision moyenne de 39,5 pour cent sur du texte d'IA non modifié, tombant à 17,4 pour cent dès que des techniques d'évitement simples sont appliquées, certains outils se trompant sur la moitié des textes humains.
Quatre universités ont conclu la même chose séparément
L'université de Waterloo a désactivé la détection d'IA de Turnitin en septembre 2025. L'université Curtin a suivi en janvier 2026. UCLA et UC San Diego l'avaient déjà fait en 2024. Aucune ne s'est concertée, et aucune n'en a conclu que l'usage de l'IA avait cessé. Elles en ont conclu qu'un chiffre qu'elles ne savaient pas expliquer en appel constituait un passif plutôt qu'un actif. Le texte du HEPI cite également les travaux de Weber-Wulff selon lesquels aucun des outils testés n'atteignait le niveau exigé pour des décisions à fort enjeu.
Ce qui a remplacé l'outil éclaire davantage que sa suppression. Les établissements ont rétrogradé la détection au rang d'indication, où un enseignant peut consulter un score en privé mais ne peut pas l'invoquer dans une plainte formelle, et ils ont modifié la conception des épreuves pour que la preuve de la paternité se constitue pendant le travail au lieu d'être déduite après coup. C'est exactement le geste d'une équipe antifraude qui cesse de discuter le score d'un modèle et se met à rassembler une piste de transactions.
L'indice qui trahit. Observez ce qu'un établissement fait de l'outil auquel il dit encore se fier. Quand une université conserve la licence mais interdit au score d'apparaître dans la procédure, elle a discrètement requalifié le produit de preuve en tri. La plupart des organisations ne formulent jamais cette requalification, et c'est ainsi qu'un signal de tri finit dans une lettre de licenciement.
La même arithmétique habite vos outils de fraude et de DLP
Presque tout produit de notation qu'un dirigeant achète a cette forme. La prévention des fuites de données signale un fichier sortant. Une plateforme de risque interne note le comportement d'un salarié. Un prestataire de paiement attribue une probabilité de fraude à un client. Un filtre de candidatures classe un postulant. Chacun se tient à un point de fonctionnement que quelqu'un a choisi, chacun présente à ce point un taux de faux positifs, et dans presque tous les achats ce chiffre n'est jamais demandé, parce que la conversation commerciale se mène en pourcentages de précision qui décrivent le meilleur cas sur le jeu de test du fournisseur.
Trois questions règlent l'essentiel. Quel est le taux de faux positifs au seuil que nous exploiterons vraiment, sur une population qui ressemble à la nôtre. Que devient ce taux quand la saisie vient de quelqu'un de compétent mais atypique, ce qui pour un employeur européen signifie le plus souvent une personne qui travaille dans sa deuxième ou sa troisième langue. Et quelle étape documentée sépare l'apparition du score du moment où une personne en subit les effets. Si l'outil déclenche directement la mesure, le score est déjà devenu une décision et le processus porte un risque que personne n'a chiffré.
Il y a aussi une arête juridique. Le RGPD encadre les décisions fondées exclusivement sur un traitement automatisé qui produisent des effets juridiques ou affectent une personne de manière significative, et l'intervention humaine doit être réelle plutôt qu'une signature de complaisance. En France, la CNIL rappelle en outre que la surveillance des salariés doit rester proportionnée au but poursuivi et que les représentants du personnel doivent être informés avant le déploiement, pas après. Les universités qui ont rétrogradé la détection au rang d'indication ont atteint une position défendable par accident. Un employeur devrait y arriver volontairement.
À lire ensuite: Sprout a dépassé ses chiffres et coupé 20% le même jour | Personne ne l'a interdit. Le filtre a refusé quand même.
