Rapport d'écriture IA Turnitin vs Similarity Report : ne lisez pas les scores comme une même chose

Un Similarity Report de Turnitin repère des formulations dans une soumission qui correspondent à du matériel présent dans les bases de données de Turnitin. Un AI Writing Report utilise un modèle de classification pour estimer la part de la prose éligible de la soumission qui peut être générée par IA, y compris le texte que le modèle considère comme ayant été modifié davantage par un paraphraseur ou un contournement d'IA. Les deux calculs ne s'alimentent pas l'un l'autre.

La confusion est compréhensible. Les deux rapports appartiennent au même flux de soumission, et certaines interfaces de Turnitin placent un indicateur d'IA à côté du Similarity Report. Dans l'interface la plus récente, le résultat complet s'ouvre depuis un onglet AI Writing ; dans l'interface classique, l'indicateur peut se trouver dans la barre d'outils de droite. Cette proximité relève de la navigation, pas d'une mathématique partagée. Le guide du rapport d'IA de Turnitin décrit explicitement le pourcentage d'IA comme différent et indépendant du Similarity Score.

Un passage correspondant et un passage classifié par l'IA sont aussi des types de preuve différents. Une correspondance de similitude pointe vers un autre élément – une page web, une publication ou une soumission antérieure d'un étudiant – afin qu'un lecteur puisse comparer les mots et vérifier l'attribution. Un surlignement d'IA pointe vers une catégorie de modèle. Il ne nomme ni source, ni modèle, ni prompt, ni utilisateur, ni session d'écriture.

La similitude demande : « Où ailleurs cette formulation apparaît-elle ? » La détection d'IA demande : « Cette prose éligible ressemble-t-elle à du texte des catégories d'IA du modèle ? » Ni l'une ni l'autre ne demande, ni ne peut répondre seule : « Cet étudiant a-t-il commis une faute ? »

Cette distinction détermine la prochaine action. Une correspondance de source devrait vous mener à la source, à la citation et à l'attribution. Un surlignement d'IA devrait vous mener à la prose environnante, aux brouillons de l'auteur et à la politique d'usage de l'IA applicable. Traiter les deux comme un « pourcentage problème » générique envoie le lecteur vers la mauvaise preuve.

Le moyen le plus rapide d'éviter une erreur de catégorie est de comparer les rapports par question, dénominateur et prochaine étape. Le tableau utilise la terminologie actuelle de Turnitin ; l'accès au produit et la présentation peuvent varier selon la licence et la version de l'interface.

Le dénominateur est la différence technique la plus importante. Turnitin définit le Similarity Score comme le pourcentage du texte de la soumission qui correspond à d'autres sources. Le pourcentage d'IA est calculé sur la prose éligible uniquement. Un travail contenant des tableaux, du code, des équations, des réponses de forme courte ou une bibliographie annotée peut donc avoir un dénominateur d'IA bien plus petit que son nombre de pages visible. Le guide détaillé du rapport d'IA explique ce dénominateur et l'état de l'astérisque sans tout reprendre ici.

La sémantique du surlignement importe tout autant. Dans le Similarity Report, sélectionner une correspondance devrait vous mener vers une source et les mots qui se chevauchent. Dans le AI Writing Report, un surlignement représente une catégorie de classification, pas un lien vers une source. Il est irrecevable de regarder une phrase surlignée par l'IA et de dire qu'elle a été copiée depuis ChatGPT ; le rapport ne contient aucune comparaison capable d'établir cette provenance. Il y avait autrefois deux de ces catégories. Turnitin a supprimé la séparation le 4 août 2026, en intégrant le texte paraphrasé par IA dans une seule catégorie bleue générée par IA et en indiquant que le violet n'apparaît plus. Les rapports plus anciens conservent les deux couleurs jusqu'à ce que le fichier repasse.

Les dates et les réglages du rapport appartiennent à toute comparaison. Un Similarity Report qui inclut les citations et la bibliographie n'est pas directement comparable à un autre qui les exclut. Un rapport d'IA généré ou actualisé sous un modèle plus récent peut aussi différer d'une version antérieure. Notez le fichier, la date du rapport, l'avis d'interface ou de modèle et les exclusions actives avant d'essayer d'expliquer pourquoi deux captures d'écran divergent.

Enfin, n'inférez pas de droits d'accès à partir de la capture d'écran de quelqu'un d'autre. Ce qu'un étudiant peut voir dépend de l'institution, du produit Turnitin, de la licence et des réglages du devoir. Si une décision s'appuie sur un rapport que vous ne pouvez pas ouvrir, demandez le rapport complet et les réglages utilisés, pas seulement un pourcentage copié dans un courriel.

Puisque les rapports sont indépendants, aucune des quatre combinaisons haut/bas n'est contradictoire. Ici, « haut » et « bas » sont purement descriptifs ; Turnitin ne fournit pas de seuil universel de faute, et les institutions peuvent appliquer des politiques différentes.

• Similitude plus élevée, IA plus basse. Une revue de littérature écrite par une personne peut citer de façon extensive, utiliser des définitions standard, reproduire un modèle de devoir ou avoir déjà été soumise comme brouillon. Ces caractéristiques créent des correspondances en base sans que la prose paraisse générée par IA. Examinez les plus grandes correspondances et leur attribution ; ne réécrivez pas du matériel correctement cité juste pour déplacer un pourcentage.
• Similitude plus basse, IA plus élevée. Des formulations nouvellement générées n'ont pas besoin de ressembler à une source indexée. Elles peuvent donc produire peu de correspondances de source tandis que le classificateur d'IA étiquette une part de la prose éligible. Un Similarity Score bas ne réfute pas un résultat d'IA, tout comme le résultat d'IA n'établit pas la paternité. Examinez les brouillons, les outils autorisés et le contexte surligné.
• Similitude plus élevée, IA plus élevée. Le même document peut contenir du matériel cité ou réutilisé de façon substantielle, ainsi qu'une prose distincte que le classificateur signale. Il peut aussi contenir un modèle, de longues références ou des correspondances de soumissions antérieures à côté de ces classifications. Investiguez les deux constats séparément ; un pourcentage n'explique pas l'autre.
• Similitude plus basse, IA plus basse. Cela signifie qu'aucun des systèmes n'a remonté grand-chose selon ses propres règles. Cela ne certifie ni l'originalité ni la paternité humaine. Une source peut être hors des bases de Turnitin, un passage conséquent peut être petit par rapport au travail, le contenu peut être filtré ou non éligible, et tout classificateur peut manquer des cas.

N'additionnez, ne soustrayez et ne faites pas la moyenne des deux valeurs. Vingt pour cent de similitude plus vingt pour cent d'IA ne font pas quarante pour cent d'un seul problème ; les pourcentages utilisent des dénominateurs différents et décrivent des événements différents.

C'est pourquoi une réaction de feu tricolore devant la page de garde est une pratique faible. L'unité utile n'est pas « le score », mais le passage et la question qui s'y rattache : Quelle source a correspondu ? Le chevauchement est-il cité ? Quel texte était éligible à la revue d'IA ? Y a-t-il des preuves d'élaboration ? C'est alors seulement qu'un nombre devient une voie vers la preuve plutôt qu'un substitut à celle-ci.

Le propre guide du Similarity Score de Turnitin est sans ambiguïté : le système compare la similitude à ses bases de données ; il ne décide pas s'il y a eu plagiat. Son ensemble de comparaison comprend des pages web actuelles et archivées, des soumissions antérieures d'étudiants, ainsi que des périodiques, des revues et des publications. Une correspondance est donc un lieu à inspecter, pas une étiquette de faute.

Un score élevé peut être innocent. Le matériel correctement cité et référencé correspond toujours. Les bibliographies contiennent des titres qui existent ailleurs. Les sections de méthodes peuvent répéter des procédures obligatoires. Un brouillon déposé dans un référentiel de travaux d'étudiants peut correspondre à une soumission ultérieure. Une recherche qualitative riche en citations peut légitimement contenir plus de texte partagé qu'une démonstration mathématique originale.

Un score bas peut tout de même receler un problème grave. Un paragraphe non cité copié d'une source peut ne représenter qu'un faible pourcentage d'une longue thèse. Le patchwriting peut répartir des paraphrases proches entre plusieurs sources. Une source obscure, privée ou nouvellement publiée peut ne pas figurer dans l'ensemble de comparaison. Le pourcentage agrégé ne peut pas vous dire la gravité de la correspondance la plus importante.

Lisez un Similarity Report dans cet ordre :

• Vérifiez d'abord les réglages du rapport. Notez si les citations, la bibliographie, les références, les modèles de devoir, les petites correspondances ou les référentiels sont exclus. Ne comparez les pourcentages que lorsque ces choix sont matériellement identiques.
• Commencez par les passages, pas par la bande de couleur. Ouvrez les plus grandes sources, puis scrutez les correspondances plus petites mais conséquentes. Une correspondance de 2 % peut importer davantage qu'une bibliographie de 15 %.
• Classez le motif de chaque chevauchement significatif. S'agit-il d'une citation directe, d'une paraphrase proche citée, d'une terminologie commune, d'instructions obligatoires, d'une soumission antérieure de l'auteur ou d'un emprunt sans attribution ? Chaque motif appelle une réponse différente.
• Corrigez le problème académique, pas le compteur. Ajoutez une référence manquante, citez des formulations trop proches, paraphrasez à partir de la compréhension, ou documentez une réutilisation légitime. Supprimer des références ou blanchir du texte copié à travers un réécriveur ne fait que masquer les preuves tout en laissant le problème d'attribution intact.

Le guide des filtres et exclusions explique que les rapports peuvent exclure les citations, la bibliographie, les références dans le texte, les petites correspondances, les modèles et les sources sélectionnées. Ces contrôles affinent le calcul ou la vue ; ils ne modifient pas le document soumis. Les exclusions peuvent être rétablies, de sorte que la pratique défendable consiste à les divulguer plutôt qu'à présenter un score filtré comme s'il était le seul résultat.

Ne vous attendez pas à ce que chaque exclusion baisse le pourcentage du montant visible. Un passage peut correspondre à des sources qui se chevauchent. Exclure une source peut simplement révéler une autre source pour les mêmes mots, et Turnitin avertit que le chiffre global peut changer ou non. C'est une autre raison de conserver les réglages du rapport et de raisonner à partir des passages.

Si le problème est l'attribution, servez-vous de la correspondance de source pour corriger la citation ou la référence. Humaniser n'est pas un remède aux citations. La correction de format de citation de HumanPen sert à mettre les citations et références existantes en conformité avec un style exigé ; elle ne peut pas inventer des preuves pour une affirmation non citée.

Avant de téléverser ou de réviser quoi que ce soit, identifiez le document. Ne vous fiez pas à un pourcentage coloré dans une capture d'écran. Cherchez le titre du rapport et le contenu des pages : un Similarity Report s'organise autour des correspondances et des sources ; un AI Writing Report s'organise autour d'un indicateur d'IA, de texte éligible et de surlignements de classification d'IA. Le guide d'accès actuel montre où s'ouvre le rapport d'IA distinct dans les interfaces nouvelle et classique.

• Si vous avez un Similarity Report : inspectez la liste des sources, les filtres actifs et les chevauchements significatifs. Corrigez l'attribution manquante et le formatage des citations dans le document. Ne téléversez pas ce PDF dans le flux de rapports Turnitin de HumanPen ; il ne contient pas les surlignements d'IA dont ce flux a besoin.
• Si vous avez un AI Writing Report : lisez les passages surlignés en contexte et comparez-les aux brouillons, notes et usage d'IA autorisé. Si une révision est permise et qu'aucun examen n'est en attente, le rapport complet peut définir un ensemble restreint de passages à revoir plutôt que de réécrire tout le document.
• Si vous n'avez qu'un pourcentage ou une capture d'écran : demandez le rapport complet utilisé pour la décision, avec la date du rapport et les réglages pertinents. Un nombre détaché de son dénominateur, de ses passages et de ses détails de source ne suffit pas à diagnostiquer le problème.
• Si vous avez les deux rapports : gardez-les séparés dans vos notes. Résolvez l'attribution des sources à partir du Similarity Report et examinez la classification d'IA à partir du AI Writing Report. Notez quel changement répond à quel constat.

Si une procédure d'intégrité académique ou un recours a déjà commencé, conservez le fichier soumis et les rapports originaux inchangés. Ne travaillez que sur une copie une fois que le processus applicable autorise la révision. L'historique des versions, les plans, les notes de source et la rétroaction peuvent montrer comment le texte s'est développé ; les écraser pour viser un nouveau pourcentage peut détruire les preuves les plus utiles pour vous.

HumanPen refuse délibérément les PDF de Similarity Report dans le flux de téléversement des rapports d'IA. Le produit a besoin du AI Writing Report car ce fichier identifie les passages sélectionnés pour la revue d'IA. Avec le document et le rapport d'IA compatible, le flux reporte ces surlignements sur le document source et limite la réécriture à cette sélection. Il ne traite pas le Similarity Score comme une instruction de paraphraser les correspondances de source.

Ce flux plus restreint n'est pas non plus une garantie sur un score futur. Les modèles de détection, les versions et les réglages institutionnels changent, et la prose humaine peut être mal classée. L'objectif défendable est de faire des révisions permises que vous comprenez, de préserver le sens et les citations, et de garder la propriété de l'argument – plutôt que de convertir l'un ou l'autre rapport en une promesse de blanchiment.

Une soumission, deux outils de diagnostic, deux pistes de preuve : sources et attribution pour la similitude ; contexte de prose, preuves de processus et politique pour la classification d'IA. Commencez par la bonne piste.