Signalé à tort pour IA : comment contester, et quelles preuves votre université acceptera

Cette page part d’une seule hypothèse : vous avez rédigé le travail. Si ce n’est pas le cas, la plupart de ce qui suit aggravera votre situation au lieu de l’améliorer, et une courte section près de la fin traite de ce cas.

Préservez vos traces d’écriture avant de répondre à quoi que ce soit, puis demandez par écrit trois choses : la règle précise que vous êtes censé avoir enfreinte, chaque élément de preuve que le décideur examinera, ainsi que la procédure et le délai. Un score de détection n’est pas une preuve en soi. Ce qui tranche réellement ces affaires, c’est un relevé daté de la façon dont le document a vu le jour, mis en regard des passages précis qui ont été signalés.

Deux organisations disent la partie utile à voix haute. Le guide de Turnitin indique que son modèle de détection d’écriture d’IA "may not always be accurate (it may misidentify human-written, AI-generated, and AI-paraphrased text), so it should not be used as the sole basis for adverse actions against a student" (n'est pas toujours exact (il peut confondre un texte écrit par une personne, un texte généré par IA et un texte reformulé par IA) et ne doit donc pas servir de seul fondement à une mesure défavorable à l'encontre d'un étudiant), et ajoute que déterminer s’il y a eu faute « takes further scrutiny and human judgment in conjunction with an organization's application of its specific academic policies » (demande un examen plus poussé et un jugement humain, en lien avec les règles propres à chaque établissement). L’Office of the Independent Adjudicator, le régime indépendant de traitement des plaintes des étudiants pour l’Angleterre et le Pays de Galles, place la charge là où elle doit être : "The responsibility is on the provider to prove that the student has done what they are accused of doing, not on the student to disprove it." (La charge de la preuve pèse sur l'établissement : c'est à lui de prouver que l'étudiant a fait ce qu'on lui reproche, pas à l'étudiant de prouver le contraire.).

Cela ne signifie pas que vous restez les bras croisés à les laisser prouver. Cela signifie que les preuves que vous apportez servent à donner au décideur quelque chose de concret à peser, et non à décharger une charge qui n’a jamais été la vôtre.

Cinq choses, dans cet ordre. Les trois premières sont sensibles au temps d’une manière dont les autres ne le sont pas.

1. Ne touchez à rien. Ni le fichier soumis, ni le dossier qui le contient, ni les brouillons, ni les noms de fichiers. Réenregistrer un document modifie sa date de modification, et un dossier que vous auriez rangé le jour où vous avez été accusé est la chose la plus simple à soulever pour la partie adverse. Faites une copie si vous voulez annoter. Travaillez sur la copie.
2. Vérifiez si vous avez bel et bien un historique des versions. C’est la question qui détermine le type de défense que vous pouvez construire, et la plupart des gens supposent que la réponse est oui alors qu’elle est non. La documentation de Microsoft est claire à ce sujet : "Version history in Microsoft 365 only works for files stored in OneDrive or SharePoint in Microsoft 365." (L'historique des versions de Microsoft 365 ne fonctionne que pour les fichiers stockés dans OneDrive ou SharePoint au sein de Microsoft 365.) Si vous avez rédigé votre devoir dans Word sur le disque dur de votre ordinateur portable, il n’y a aucun historique des versions à produire. Google Docs en conserve un, mais il faut le bon niveau d’accès : "To browse earlier versions of a file, you need permission to edit that file." (Pour consulter les versions antérieures d'un fichier, vous devez avoir le droit de le modifier.) S’il se trouve sur un compte de cours ou un lecteur partagé auquel vous pourriez perdre l’accès, vérifiez aujourd’hui.
3. Capturez ce que vous avez tant que vous y avez encore accès. Les comptes de cours sont fermés, les lecteurs partagés sont révoqués, et un historique des versions n’est pas une chose que vous pouvez télécharger comme un fichier. Faites des captures d’écran datées ou des exportations sous la forme que votre établissement acceptera, et notez où l’original se trouve encore pour qu’il puisse être inspecté directement si on le demande.
4. Rédigez votre propre chronologie aujourd’hui, de mémoire. Quand vous avez choisi le sujet, où vous travailliez, quelles sources vous avez lues en premier, ce que vous avez modifié après les retours et pourquoi. Ce n’est pas une preuve. C’est l’index dont vous aurez besoin dans une semaine, quand vous chercherez à déterminer lequel des quarante fichiers compte. La mémoire pour cela s’estompe vite, et elle peut s’estomper avant que quelqu’un ne vous interroge : dans l’une des affaires publiées par l’OIA, l’étudiant soutenait que tant de temps s’était écoulé entre la soumission et son oral que cela affectait ce qu’il pouvait se rappeler de son propre travail.
5. Procurez-vous la procédure et le délai, et trouvez votre conseiller. La procédure de faute académique est un document publié par votre établissement. Lisez-la avant de rédiger le moindre mot de réponse, car elle vous indique à quel stade vous êtes, quel est le standard de décision, et combien de temps vous avez. Les conseillers du syndicat étudiant font ce travail chaque semaine et cela ne vous coûte rien.

« Le détecteur d’IA a signalé votre devoir » n’est pas une accusation. C’est la raison pour laquelle quelqu’un a ouvert un fichier. Avant de vous défendre sur quoi que ce soit, faites placer l’allégation sous une forme à laquelle vous pouvez répondre.

Demandez par écrit ces quatre choses, et maintenez la demande neutre :

• La disposition précise de la politique de faute académique que vous êtes censé avoir enfreinte. Dans une affaire où l’OIA a donné raison à l’étudiant, une partie de sa recommandation était que l’établissement révise son règlement pour que les infractions liées à l’IA relèvent de la politique centrale, et pour que les notifications indiquent aux étudiants quelle infraction ils encourent et pourquoi.
• Tous les éléments de preuve que le décideur examinera, y compris le rapport de détection lui-même. La note de jurisprudence de l’OIA indique que les étudiants « should also be given sufficient notice of meetings and be provided with all relevant evidence, including detection software reports, to allow them to respond effectively to allegations. » (doivent aussi être prévenus suffisamment tôt des réunions et recevoir tous les éléments pertinents, y compris les rapports du logiciel de détection, afin de pouvoir répondre utilement aux accusations.) La même note demande aux décideurs de « understand the strengths and limitations of detection software, and weigh this evidence carefully against other available information. » (comprendre ce que le logiciel de détection sait faire et ce qu'il ne sait pas faire, et peser soigneusement cet élément face aux autres informations disponibles.)
• Quel outil a produit le rapport, quelle version, et quand il a été exécuté. Les fournisseurs changent de modèles. Un rapport de l’an dernier et un rapport de ce matin ne sont pas la même mesure de la même chose.
• Quelle partie du travail est en cause. L’OIA qualifie cela de bonne pratique : les établissements devraient « consider whether the whole or part of a submission is thought to be AI-generated, and clearly set out what aspect of the assessed work led to the suspicion that AI had been used inappropriately. » (examiner si c'est tout le devoir ou seulement une partie qui est jugée générée par IA, et exposer clairement ce qui, dans le travail évalué, a fait soupçonner un usage abusif de l'IA.)

Une note pratique au sujet du rapport. La FAQ de Turnitin indique que l’indicateur et le rapport de détection d’écriture d’IA ne sont pas visibles par les étudiants, et dans la même phrase que « with the PDF download feature, instructors can download and share the AI report with students » (les enseignants peuvent télécharger l'AI Report au format PDF et le partager avec les étudiants). Il existe donc sous une forme qui peut vous être remise. Demandez-le plutôt que de raisonner à partir de la description que quelqu’un donne de ce qui a été signalé.

Deux choses à propos du nombre vous éviteront de débattre sur la mauvaise question. Turnitin indique qu’il analyse uniquement ce qu’il appelle le texte éligible, c’est-à-dire la prose rédigée en phrases grammaticalement standard, et que le pourcentage qui en résulte « is not necessarily the percentage of the entire submission » (n'est pas forcément le pourcentage du devoir entier). Par ailleurs, pour les scores de détection d’IA dans la plage de 1 % à 19 %, il n’affiche aucun nombre, seulement un astérisque, ce qu’il attribue à la volonté d’éviter une incidence potentielle de faux positifs dans cette plage. Si votre rapport affiche un astérisque là où le pourcentage devrait figurer, c’est ce que vous regardez.

Le classement ici est le nôtre. Il est fondé sur ce dont les affaires d’IA publiées par l’OIA ont trait, et non sur une échelle officielle, et la procédure de votre établissement peut peser les choses différemment.

Si les lignes un à quatre reviennent toutes vides, dites-le clairement plutôt que d’ajouter du remplissage. Une réponse honnête et brève (« J’ai rédigé ceci dans Word sur ma propre machine et je n’ai pas gardé de brouillons ») plus une cinquième ligne forte constitue une position réelle. Une première ligne inventée, non.

La plupart des conseils sur ce sujet sont écrits à partir de la théorie. L’OIA publie des résumés de cas, de sorte que pour les établissements d’Angleterre et du Pays de Galles, il existe un petit ensemble d’affaires tranchées montrant à quoi ressemblent un traitement équitable et un traitement inéquitable. Six d’entre elles portent sur l’IA et la faute académique ; quatre sont parcourues ci-dessous.

CS072501, justifié. L’étudiant a fourni à la commission des précisions sur ses préparations de devoir, sa planification et ses notes, et a fait observer qu’un logiciel de détection avait auparavant signalé à tort un autre de ses devoirs. L’OIA a estimé que la commission s’était penchée sur le fond du devoir et ne s’était pas appuyée uniquement sur le rapport de détection. Sa conclusion portait sur ce qui a suivi : « it didn't properly consider all the points the student raised or the evidence they presented, including their essay planning and preparation. » (il n'avait pas correctement pris en compte tous les arguments avancés par l'étudiant ni les éléments qu'il avait fournis, y compris la préparation et le plan de son devoir.) Une partie des preuves sur lesquelles la commission s’était appuyée n’avait pas été communiquée à l’étudiant, qui n’avait donc pas eu une occasion équitable de commenter la comparaison entre ce devoir et ses autres devoirs, et la décision ne fournissait ni raisons suffisantes ni explication sur le choix de cette sanction. L’établissement a été invité à réexaminer sa position. L’étudiant a par la suite indiqué à l’OIA qu’à la suite du réexamen, l’établissement avait conclu à l’absence de faute académique.

CS072502, justifié. Celle-ci porte sur l’oral. « None of the evidence relied upon by the provider was shared with the student ahead of the viva » (Aucun des éléments sur lesquels l'établissement s'est appuyé n'a été communiqué à l'étudiant avant l'entretien oral), l’étudiant n’a pas été invité à soumettre des circonstances atténuantes par écrit ni à examiner les allégations en personne alors que la procédure l’exigeait, et l’oral lui-même évaluait la connaissance du sujet mais « did not give the student an opportunity to also explain how they had worked on the assignment » (n'a pas donné à l'étudiant l'occasion d'expliquer lui aussi comment il avait travaillé sur ce devoir). L’étudiant avait également fait valoir que le long délai entre la soumission et l’oral affectait sa mémoire. Le recours a ensuite été rejeté sans examen véritable d’aucun de ces éléments.

CS072503, non justifié. Lisez celle-ci aussi, car elle constitue le contrepoids utile. Ici, l’établissement a examiné un éventail de preuves approprié, y compris les aveux de l’étudiant à l’oral, ses notes de brouillon et ses réponses écrites, a suivi sa propre procédure, et a appliqué une sanction que l’OIA a jugée proportionnée. L’argument de l’étudiant était essentiellement que les aveux honnêtes à l’oral et les efforts fournis auraient dû compter davantage. La plainte n’a pas été retenue.

CS072504, partiellement fondée. Une étudiante internationale a été convoquée à un oral en raison d’un pourcentage d’IA élevé, et le jury a ensuite retenu deux fautes : usage non déclaré de l’IA et collusion. L’OIA a maintenu la collusion — l’aide reçue dépassait la politique de relecture de l’établissement — mais pas le grief lié à l’IA. L’établissement « had not shown what evidence led the panel to conclude that the student had used AI to the extent that they committed academic misconduct » (n’avait pas montré quels éléments avaient conduit le jury à cette conclusion), et le jury a déformé les propos tenus par l’étudiante à l’oral. Deux constats issus d’une même audience ; un seul a résisté au réexamen.

Le schéma commun aux quatre n’est pas « le détecteur s’est trompé ». Il est procédural : les preuves ont-elles été communiquées, l’étudiant a-t-il pu y répondre, un éventail de preuves a-t-il été examiné, des raisons ont-elles été fournies. Ce sont les choses que vous pouvez demander, et les demander n’est pas hostile.

Si votre écriture est dense, répétitive par endroits, ou fortement paraphrasée à partir de sources, c’est la chose la plus puissante que vous puissiez placer devant un décideur, car il s’agit du fournisseur qui décrit votre situation. Cela provient de la FAQ sur la détection de Turnitin :

« Sometimes false positives (incorrectly flagging human-written text as AI-generated), can include content without a lot of structural variation, text that literally repeats itself, or text that has been paraphrased without developing new ideas. If our indicator shows a higher amount of AI writing in such text, we advise you to take that into consideration when looking at the percentage indicated. » (Les faux positifs — un texte écrit par une personne signalé à tort comme généré par IA — concernent parfois des textes peu variés dans leur structure, des textes qui se répètent mot pour mot, ou des textes reformulés sans idée nouvelle. Si notre indicateur signale une proportion élevée d'écriture par IA dans un texte de ce genre, nous vous conseillons d'en tenir compte au moment de lire le pourcentage affiché.)

La seconde phrase fait le travail, et c’est celle que l’on omet partout où le passage est cité. Turnitin n’y concède pas un défaut. Elle dit à la personne qui lit le rapport de minorer le nombre pour ce type de texte. C’est un conseil adressé à votre évaluateur, par l’entreprise qui lui a vendu l’outil.

Ne l’utilisez que s’il s’applique réellement. Une revue de littérature, une section de méthodologie, une description systématique d’une procédure standard, un article rédigé par quelqu’un qui travaille dans sa deuxième ou troisième langue : ce sont les formes qu’il décrit. Si votre devoir n’est aucun de ceux-là, le citer donne l’impression que vous cherchez à forcer.

Une autre, plus courte, qui s’applique à tous. Turnitin indique ailleurs dans ses directives que le score "is not meant to provide definitive answers in isolation" (n'est pas censé fournir à lui seul de réponse définitive), et que lorsque les enseignants l’utilisent « as a single data point rather than a definitive response, then it is being used as intended. » (comme d'une donnée parmi d'autres plutôt que comme d'une réponse définitive, l'outil est utilisé comme prévu)

« Les détecteurs d’IA sont peu fiables, donc celui-ci se trompe. » C’est l’ouverture la plus courante et la plus faible. Elle invite la réponse évidente : Turnitin affiche un objectif consistant à maintenir son taux de faux positifs « under 1% for documents with over 20% of AI writing » (sous 1 % pour les documents contenant plus de 20 % d'écriture par IA). Que ce chiffre tienne ou non est une vraie question, mais en débattre vous plonge dans une discussion que vous ne pouvez pas gagner lors d’une réunion de vingt minutes et détourne l’attention du seul terrain où vous êtes fort, à savoir vos traces d’écriture. Débattez de votre document, pas de la catégorie d’outil.

Burstiness et perplexity. La moitié d’Internet vous dira que les détecteurs d’IA mesurent la variation de longueur de phrase et la prévisibilité des mots, et que la prose académique obtient de mauvais scores sur les deux. La FAQ de Turnitin indique que son modèle « is not explicitly programmed to evaluate specific signals such as 'burstiness,' 'perplexity,' or other individual metrics sometimes referenced in public discussions » (n'est pas programmé explicitement pour évaluer des signaux précis comme la « burstiness », la « perplexity » ou d'autres mesures parfois citées dans les discussions publiques), et qu’il « learns statistical patterns from our training data » (apprend des régularités statistiques à partir de nos données d'entraînement) à la place.

Soyez prudent sur la portée que vous lui donnez, car elle est plus étroite qu’elle n’y paraît. La même page indique aussi que ses classificateurs sont entraînés sur des différences de probabilité des mots, et la perplexity est une mesure de probabilité des mots. La version défendable est donc : Turnitin nie calculer ces deux scores nommés comme des règles explicites. Il ne nie pas que les statistiques des mots comptent. Si vous entrez dans une réunion en affirmant que le fournisseur a réfuté toute la théorie, quelqu’un qui a la FAQ ouverte peut vous reprendre en une phrase. La démarche plus sûre consiste à ne rien dire du mécanisme et à consacrer le temps à vos brouillons, où il n’y a rien à reprendre.

La note de version 2023 sur les introductions et les conclusions. Celle-ci circule largement dans les modèles de recours et c’est un piège. Turnitin a bien publié une note indiquant avoir observé une incidence plus élevée de faux positifs dans les premières ou dernières phrases d’un document, souvent du contenu générique d’introduction ou de conclusion. La phrase suivante de cette note indique : « As a result, we have changed our detection logic to help reduce these false positives. » (Nous avons donc modifié notre logique de détection afin de réduire ces faux positifs.) Elle se trouve sur la page des notes de version du modèle sous le titre « Updates to address our customers' false positive concerns » (Mises à jour répondant aux inquiétudes de nos clients sur les faux positifs), datée de mai 2023. C’est l’annonce d’un correctif, pas la description d’une faiblesse actuelle. Quiconque ouvre la page que vous avez citée lit la ligne suivante, et vous perdez la salle.

Un second détecteur, ou une réécriture. Soumettre le devoir à un autre vérificateur pour obtenir un score vierge ne prouve rien (les détecteurs se contredisent constamment), et un second signalement donne à la commission un autre nombre à brandir. Réécrire le devoir soumis après l’allégation est pire. Cela ressemble à une falsification, et cela modifie le seul artefact que tout le monde essaie d’examiner.

Une cinquième, officieusement : ne spéculez pas par écrit sur les motifs de l’évaluateur. Cela n’aide jamais et cela reste dans le dossier.

Tenez-la en dessous de deux pages. Joignez un index des preuves plutôt qu’un dossier. Envoyez-la d’une manière qui vous donne une preuve de la date. Tout ce qui est entre crochets est une instruction pour vous, pas un texte à envoyer.

Objet : Réponse à une allégation de faute académique, [code du module] [titre du devoir], étudiant [numéro]

Madame, Monsieur [nom ou Commission des fautes académiques],

J’écris en réponse à l’avis daté du [date] concernant [titre du devoir], soumis le [date] pour le [code du module].

J’ai rédigé ce devoir moi-même. Je n’ai pas utilisé d’outil d’IA générative pour produire une quelconque partie du texte.

Les outils que j’ai utilisés, avec la fonctionnalité précise dans chaque cas : [gestionnaire de références, correcteur orthographique, correcteur grammatical, outil de traduction, logiciel statistique, transcription. Si aucun au-delà du traitement de texte, l’indiquer.]

Ci-joint un relevé de la façon dont le devoir a été produit :

1. [élément] / [date ou plage de dates] / [ce que cela montre]
2. [élément] / [date ou plage de dates] / [ce que cela montre]
3. [élément] / [date ou plage de dates] / [ce que cela montre]

En résumé : j’ai choisi le sujet le [date] après [raison]. Mes lectures et notes datent de [plage]. Le plan à l’élément 2 a été rédigé le [date]. Le premier brouillon complet (élément 3) a été rédigé entre [dates]. Après [retour / supervision / séminaire] le [date], j’ai modifié [quoi] parce que [raison]. La version soumise date du [date].

Concernant les passages spécifiques qui ont été signalés : [procédez un par un. Pour chacun, expliquez pourquoi il se lit comme il se lit : une formulation standard dans le domaine, une paraphrase rapprochée d’une source annexée à l’élément N, une description de méthodologie avec peu de marge de variation, un passage que j’ai révisé à plusieurs reprises. Ne répondez pas par un démenti général seulement.]

Je vous serais reconnaissant de bien vouloir confirmer :

1. la disposition précise de [nom de la politique] que je suis censé avoir enfreinte ;
2. tous les éléments de preuve que le décideur examinera, y compris le rapport de détection intégral et tout matériel de comparaison ;
3. quel outil et quelle version de détection ont produit le rapport, et la date à laquelle il a été généré ;
4. le standard de preuve qui s’applique, ainsi que la procédure et le délai de recours.

Je demanderais également que toute décision expose les éléments de preuve précis sur lesquels elle repose, au-delà du score de détection. [Uniquement si le rapport provient de Turnitin :] Les directives de Turnitin elles-mêmes indiquent que son modèle de détection d’écriture d’IA peut mal identifier un texte rédigé par un humain et qu’il ne devrait pas être utilisé comme seule base pour des actions défavorables à un étudiant.

Je me tiens à votre disposition pour assister à une réunion et expliquer comment le devoir a été rédigé, et je peux apporter les fichiers sous-jacents.

Je vous prie d’agréer mes salutations distinguées, [nom] / [numéro étudiant] / [programme] / [date]

Quatre choses à vérifier avant de l’envoyer. Chaque pièce jointe que vous mentionnez est bel et bien attachée. Chaque date qu’elle contient est exacte, car une seule date erronée discrédite le reste. Il n’y a aucune spéculation sur les motifs de quiconque. Et vous avez lu la procédure de votre propre établissement, car c’est de là que proviennent le délai et la voie de réponse, et non de cette page.

Préparez-la comme une explication de vos décisions, pas comme un test de mémoire. Relisez la version soumise et le sujet du devoir. Sachez pourquoi la question a été formulée ainsi, sur quelles sources vous vous êtes appuyé et pourquoi, à quoi remonte un tableau ou une figure précise, et ce qui a changé entre les brouillons.

Si un long délai, un handicap, une différence de communication ou des besoins linguistiques affectent la façon dont vous vous souvenez des choses ou les expliquez, dites-le tôt et par écrit, et reliez la demande à ce que la procédure prévoit en matière d’ajustements. La note de jurisprudence de l’OIA demande aux établissements de considérer « whether assumptions about AI use could be biased against a student's writing style, for example if the student is disabled or has a communication difference, or if English is not the student's first language » (si les suppositions sur l'usage de l'IA risquent d'être biaisées à l'encontre du style d'écriture d'un étudiant, par exemple s'il est en situation de handicap, s'il communique différemment ou si l'anglais n'est pas sa langue maternelle). C’est une considération active pour la commission, pas une faveur que vous demandez.

Si on vous pose une question dont vous ne vous souvenez pas, dites que vous ne vous souvenez pas. Deviner faux sur un petit détail coûte plus cher que ce que le détail valait.

L’échelle de chaque établissement lui appartient, et la seule description fiable de la vôtre se trouve dans votre propre procédure de faute académique. La forme générale :

1. Étape informelle ou d’enquête. Une conversation, une demande d’explication, parfois un oral. Souvent tout se termine ici, et c’est le moment le moins coûteux pour produire vos preuves.
2. Une commission ou un comité formel. Une conclusion, et le cas échéant, une sanction. C’est le stade qui doit vous fournir des raisons.
3. Recours interne. Habituellement sur des motifs étroits, le plus souvent une irrégularité procédurale ou un nouvel élément de preuve, et toujours dans un délai.
4. Révision externe. Uniquement après épuisement de la voie interne.

Pour les établissements d’Angleterre et du Pays de Galles, la quatrième étape est l’Office of the Independent Adjudicator. Deux mécanismes comptent. Vous aurez normalement besoin d’une lettre d’achèvement des procédures, "which the provider will send you once you have completed its complaints or appeals procedures" (que l'établissement vous enverra une fois que vous serez allé au bout de sa procédure de réclamation ou de recours), et la plainte doit parvenir à l’OIA « within 12 months of the date of the provider's final decision (usually the date of the Completion of Procedures Letter) » (dans les 12 mois suivant la date de la décision définitive de l'établissement (en général la date de la Completion of Procedures Letter)). L’OIA se décrit comme le régime indépendant de traitement des plaintes des étudiants pour l’Angleterre et le Pays de Galles, donc si vous étudiez ailleurs, ce n’est pas votre voie.

Si vous êtes hors d’Angleterre et du Pays de Galles, ne supposez pas qu’un équivalent existe, et ne supposez pas qu’il n’existe pas. La procédure de votre établissement doit indiquer ce qui se passe après le dernier stade interne. C’est cette phrase qu’il faut trouver.

Alors le cadrage ci-dessus n’est pas le bon pour vous, et l’emprunter quand même est la façon dont les gens aggravent leur situation. Deux choses tirées du dossier comptent encore.

L’aveu est pris en compte, mais il n’efface pas une conclusion. Dans l’affaire CS072503, l’étudiant avait reconnu son usage d’IA à l’oral et soutenu que cela aurait dû compter en sa faveur. L’OIA a estimé que l’établissement en avait tenu compte aux côtés des notes de brouillon et des réponses écrites, avait suivi ses procédures, et avait appliqué une sanction proportionnée. La plainte n’a pas été retenue. Être franc à ce sujet reste la meilleure démarche, et c’est la seule qui survive au contact d’un oral, mais ce n’est pas une défense.

La ligne entre un outil autorisé et un outil interdit est plus étroite que la plupart des gens le supposent. Turnitin indique que son détecteur « is not tuned to target Grammarly-generated spelling, grammar, and punctuation modifications » (n'est pas réglé pour repérer les corrections d'orthographe, de grammaire et de ponctuation apportées par Grammarly) et qu’en test, « in most cases » (dans la plupart des cas), les modifications effectuées par Grammarly et des correcteurs grammaticaux similaires n’ont pas été signalées. La même réponse indique ensuite que cela « excludes content generated by Grammarly's generative AI-powered features, including draft generation, paraphrasing, summarizing, and other features » (exclut les contenus produits par les fonctions d'IA générative de Grammarly, notamment la rédaction de brouillons, la reformulation, le résumé et d'autres fonctions), et que le contenu produit avec ces fonctionnalités « will likely be flagged as AI-generated by our detector » (sera probablement signalé comme généré par IA par notre détecteur). Donc « Je n’ai utilisé que Grammarly » n’est pas une seule affirmation. Nommez la fonctionnalité.

Puis-je consulter le rapport d’écriture d’IA moi-même ? Pas directement. Turnitin indique que l’indicateur et le rapport de détection d’écriture d’IA ne sont pas visibles par les étudiants. Il indique aussi que les enseignants peuvent télécharger le rapport au format PDF et le partager, alors demandez-le plutôt que de travailler à partir de la description que quelqu’un donne de ce qui a été signalé.

Mon rapport affiche un astérisque au lieu d’un pourcentage. Qu’est-ce que cela signifie ? Turnitin n’affiche pas de nombre pour les scores de détection d’IA entre 1 % et 19 %, et montre un astérisque à la place. Il attribue cela à une incidence plus élevée de faux positifs potentiels dans cette plage.

Si le rapport indique 40 %, cela signifie-t-il que 40 % de mon travail a été écrit par IA ? Non. Turnitin indique que le modèle analyse uniquement le texte éligible, c’est-à-dire la prose rédigée en phrases grammaticalement standard, et que le pourcentage « is not necessarily the percentage of the entire submission » (n'est pas forcément le pourcentage du devoir entier). Il indique aussi qu’un document contenant plusieurs types d’écriture différents présentera un écart entre le pourcentage et le surlignage, de sorte que les deux ne correspondent pas, c’est attendu plutôt qu’un signe de bug.

J’ai utilisé Grammarly. Suis-je en difficulté ? Cela dépend entièrement de quelle partie de Grammarly et de ce que votre devoir autorisait. Turnitin indique que son détecteur n’est pas réglé pour cibler les modifications d’orthographe, de grammaire et de ponctuation, et que dans la plupart des cas de telles modifications n’ont pas été signalées lors de ses tests, mais que le contenu issu des fonctionnalités génératives de Grammarly, y compris la génération de brouillon, la paraphrase et le résumé, sera probablement signalé. Nommez la fonctionnalité précise que vous avez utilisée, et vérifiez le sujet du devoir autant que la politique générale, car un sujet peut restreindre ce qui est autorisé.

Mon devoir ne faisait que 700 mots. La longueur compte-t-elle ? Turnitin indique que oui. Dans les documents plus courts ne comptant que quelques centaines de mots, la prédiction est « mostly 'all or nothing' » (pour l'essentiel, « tout ou rien »), car il y a un seul segment sans possibilité de chevauchement, et il ajoute que cela signifie « some text that is a mix of AI-generated and original content could be flagged as entirely AI-generated. » (un texte mêlant contenu généré par IA et contenu personnel peut se retrouver signalé comme entièrement généré par IA.) Si votre document est court, cette phrase vaut la peine d’être placée devant celui qui lit le score.

Dois-je le soumettre à un autre détecteur pour prouver mon cas ? Non. Un score vierge ailleurs n’établit rien, et un second signalement donne à la commission un second nombre. Consacrez plutôt l’effort à vos traces d’écriture.

Je n’ai pas d’historique des versions ni de brouillons. Est-ce désespéré ? Non, mais votre défense repose désormais sur votre capacité à expliquer le travail. C’est le terrain que les affaires publiées suggèrent comme étant le plus fort de toute façon. Reconstituez ce que vous pouvez à partir de choses que vous n’avez pas créées à cette fin : registres d’emprunt à la bibliothèque, e-mails, journaux d’accès à la plateforme d’enseignement, notes de séminaire, messages à un camarade à propos du devoir.

Qui prend réellement la décision ? Des personnes, qui appliquent la politique de votre établissement. Turnitin indique que son score « is not meant to provide definitive answers in isolation » (n'est pas censé fournir à lui seul de réponse définitive) et ne devrait pas être la seule base pour une action défavorable, et que déterminer s’il y a eu faute « takes further scrutiny and human judgment in conjunction with an organization's application of its specific academic policies » (demande un examen plus poussé et un jugement humain, en lien avec les règles propres à chaque établissement). Le nombre ouvre le dossier. Il ne le ferme pas.

Cette page est une information générale, pas un conseil juridique. Les procédures de faute académique, les règles de preuve et les droits de recours diffèrent selon le pays et selon l’établissement. Le matériel de l’OIA est directement pertinent pour les établissements d’enseignement supérieur d’Angleterre et du Pays de Galles ; ailleurs, c’est un exemple utile de ce à quoi ressemble un processus équitable, pas une règle qui lie quiconque.