Toujours signalé après une nouvelle vérification Turnitin ? Comparez deux rapports, pas seulement deux scores

Supposons qu’un premier AI Writing Report de Turnitin affiche 42 % et qu’une nouvelle vérification affiche 28 %. Il est tentant d’y voir une amélioration de 14 points et de s’arrêter là. Le chiffre seul ne permet pas cette conclusion. Il ne vous dit pas si les anciens surlignages ont disparu, si leurs frontières ont bougé, si c’est une autre section qui s’est retrouvée surlignée, ou si le dénominateur a changé parce que la structure du document a changé.

L’inverse est également vrai. Un pourcentage peut rester stable alors que le rapport désigne des passages entièrement différents. Il peut augmenter alors que plusieurs anciens surlignages ont disparu, si le document révisé contient moins de prose éligible ou si une mise à jour du modèle classe autrement une autre région. Un total comprime tous ces événements en une seule valeur.

La question utile n’est donc pas « Le score a-t-il baissé ? » mais : « Qu’est-il arrivé à chacun des passages précédemment surlignés, et dans quelles conditions de rapport ? » Pour y répondre, il faut les deux documents sources et les deux PDF complets. Les captures d’écran des pourcentages de couverture ne suffisent pas.

Une nouvelle vérification est une observation nouvelle, pas une expérience contrôlée par défaut. Il faut établir ce qui a changé dans le document et ce qui a changé dans le détecteur avant d’attribuer le résultat à la révision.

La méthode de comparaison ci-dessous est le mode opératoire de HumanPen, dérivé du comportement documenté du rapport Turnitin. Ce n’est pas une procédure officielle de Turnitin et elle ne prétend pas que la mise en correspondance des passages puisse révéler pourquoi un modèle a changé sa classification. Son objectif est plus étroit : vous éviter de réécrire tout le travail lorsque les preuves désignent un reste restreint et identifiable.

Avant de tracer des flèches entre les surlignages, effectuez une vérification de comparabilité. Si l’une des lignes ci-dessous ne peut pas être confirmée, consignez l’incertitude au lieu de traiter les deux pourcentages comme une mesure avant/après exacte.

Les notes de version du modèle de Turnitin indiquent à plusieurs reprises que les mises à jour du modèle ne sont pas appliquées rétroactivement et qu’une nouvelle soumission est nécessaire pour obtenir un score mis à jour. Les mises à jour du 14 octobre 2025 et du 12 février 2026 visaient à améliorer le rappel, tandis que celle de mai 2026 a touché le modèle espagnol. Deux rapports générés de part et d’autre d’une mise à jour n’isolent pas l’effet de vos modifications.

La légende a sa propre histoire. Turnitin a modifié la logique des frontières de segment en mai 2023, ajouté en décembre 2023 un traitement lié à la paraphrase sans changement visuel, repensé les catégories et le traitement des scores faibles en juillet 2024, puis, le 4 août 2026, réuni les deux catégories d’IA en une seule, en précisant que les surlignages violets utilisés auparavant pour le texte paraphrasé par IA ne seront plus affichés. Turnitin ajoute que seuls les fichiers soumis après cette date reçoivent la nouvelle présentation ; ce qui se trouve déjà dans le système conserve son rapport jusqu’à ce qu’il y repasse. Un déplacement de frontière et une légende modifiée peuvent donc venir de la version du rapport, et pas seulement d’une phrase modifiée.

Une fois les rapports suffisamment comparables pour continuer, cessez de raisonner en pages. Les numéros de page bougent quand les paragraphes se réorganisent. Utilisez plutôt une ancre de passage stable : le titre de section plus les huit à douze premiers mots du passage d’origine. Attribuez ensuite un résultat à chaque région surlignée.

Une frontière déplacée est particulièrement facile à surinterpréter. Les modèles de classification travaillent sur le contexte textuel : modifier une phrase peut donc changer la façon dont les phrases voisines sont regroupées. L’historique de Turnitin comprend aussi des modifications explicites de la précision des frontières de segment. L’unité de révision correcte est le paragraphe cohérent, et non chaque ligne colorée traitée comme une preuve indépendante.

Un nouveau surlignage n’est pas automatiquement du texte d’IA nouvellement rédigé. Cela signifie que le second rapport a fait apparaître une région que le premier n’avait pas montrée. Les modifications du document, le contexte, les changements de texte éligible et la version du modèle sont autant d’explications concurrentes.

Une bonne feuille de comparaison est assez courte pour être comprise et assez précise pour être reproduite. Créez une ligne par ancre de passage, et non une ligne par surlignage. Attribuez des identifiants comme `P01` et `P02`, et gardez le premier rapport comme système de coordonnées.

Utilisez la comparaison de documents ou le suivi des modifications de Word pour établir ce qui a réellement changé entre les fichiers sources. Ne vous fiez pas à votre mémoire. Pour chaque ligne, vérifiez les chiffres, les citations, le statut de citation et la force de l’affirmation avant d’envisager le style. Une classification d’IA plus basse n’est pas une amélioration si une affirmation causale est devenue une corrélation erronée, si une limite a disparu ou si une citation ne soutient plus la phrase.

Conservez la feuille de comparaison en privé avec les documents sources, sauf si la procédure applicable exige sa divulgation. Elle peut contenir des recherches non publiées ou des informations sur des étudiants. Si elle doit être partagée, supprimez les données personnelles sans rapport et ne gardez que les preuves nécessaires pour expliquer l’historique du passage.

La feuille est utile aussi lorsqu’aucune modification supplémentaire n’est appropriée. Elle peut montrer que le second rapport a signalé un autre contenu, qu’une mise à jour du modèle sépare les deux exécutions, ou que le nouveau résultat est un astérisque sans preuve d’emplacement. Un « impossible à comparer » bien documenté est plus exact qu’un pourcentage d’amélioration affirmé avec assurance mais inventé.

Le guide du AI Writing Report indique que le pourcentage couvre la prose éligible et peut visiblement être en désaccord avec la quantité de surlignage lorsqu’un document mélange plusieurs types d’écriture. Modifier le document peut changer à la fois le numérateur — le texte éligible classé — et le dénominateur — tout le texte éligible. L’arithmétique simple en points de pourcentage est donc incomplète.

• Même total, résultat mieux localisé : trois anciens surlignages disparaissent et une nouvelle région de taille équivalente apparaît. Le total masque une redistribution complète.
• Total plus bas, noyau non résolu : les surlignages périphériques disparaissent mais le passage central contesté demeure. Le chiffre baisse alors que la question de révision la plus importante subsiste.
• Total plus haut, moins de pages visibles : des modifications de contenu non rédigé en prose ou d’autre texte éligible réduisent le dénominateur. Un pourcentage plus élevé ne couvre pas nécessairement davantage du document physique.
• D’un résultat chiffré à `*%` : le second résultat se situe quelque part au-dessus de zéro et en dessous de 20, mais Turnitin n’affiche ni le score exact ni les surlignages. Il n’est pas valable de le consigner comme zéro ni de calculer la réduction exacte.
• Redistribution des catégories : dans un rapport émis avant le 4 août 2026, les deux parts de catégorie bougent alors que le total combiné change à peine. Depuis cette date il n’y a qu’une seule catégorie : cette lecture ne vaut donc que pour les anciens rapports, et une paire qui chevauche la date ne peut pas du tout être comparée au niveau des catégories.

C’est aussi pourquoi il n’existe pas de formule honnête pour la « part de la révision qui a fonctionné ». Le détecteur ne suit pas les modifications et n’attribue pas de crédit causal. Vous pouvez rapporter les résultats observables par passage et les variations du total, mais vous ne pouvez pas en tirer un taux d’efficacité vérifié pour le processus de révision.

Turnitin recommande lui-même de traiter le résultat comme un point de donnée parmi la connaissance de l’auteur, du travail et de la politique institutionnelle. Ses conseils de révision orientent l’attention vers les catégories surlignées et le jugement humain plutôt que vers un score isolé.

Les réécritures répétées ont un coût. Le sens dérive, les citations se détachent des affirmations, les termes propres à la discipline deviennent vagues et la voix de l’auteur peut disparaître. Un rapport ne donne aucune consigne de courir après zéro, et `*%` retient explicitement un résultat exact dans la plage basse parce que Turnitin considère cette plage comme moins fiable.

Arrêtez et examinez plutôt que de réviser automatiquement à nouveau lorsque l’une de ces conditions s’applique :

• Une révision formelle est en cours. Conservez les originaux et suivez la procédure de l’établissement avant de modifier une copie.
• Les rapports ne sont pas comparables. Des époques de modèle, des versions de fichier ou des états de rapport différents font qu’une modification supplémentaire ne peut pas lever l’incertitude.
• Seules les frontières ont bougé. La différence restante peut refléter un regroupement contextuel plutôt qu’un nouveau passage stable à réécrire.
• D’autres modifications affaibliraient l’exactitude. Gelez les chiffres, les citations, les méthodes, les définitions et les affirmations dont le libellé exact porte un sens substantiel.
• La prose actuelle vous appartient et est défendable. Vous pouvez l’expliquer, l’étayer par des brouillons et des sources, et elle respecte les règles applicables d’usage et de divulgation de l’IA.
• Le seul objectif est un score garanti. Aucun modèle, service ou méthode de révision ne peut promettre le résultat d’une future version du détecteur.

Gardez un dossier de preuves compact : les deux documents sources, les deux rapports complets, la feuille de comparaison, un journal des modifications, ainsi que la politique ou les consignes de travail qui ont encadré le devoir. Nommez les fichiers avec des dates et n’écrasez jamais les originaux. Si une troisième vérification a lieu, ajoutez-la comme une nouvelle observation au lieu de remplacer le second rapport.

Si la révision est autorisée et que le second rapport ne contient qu’un petit ensemble de noyaux persistants, ce sont le document actuel et le rapport actuel qui comptent. HumanPen travaille délibérément à partir des surlignages les plus récents plutôt qu’en reportant tout ce que le premier rapport avait signalé. Ce contrôle du périmètre évite que des passages déjà résolus soient réécrits à nouveau, mais il reste une aide à la révision, et non la promesse que le troisième rapport sera vide.

Le résultat défendable n’est pas « le chiffre a baissé ». C’est : « ces passages ont disparu, ceux-là sont restés, ceux-là ont bougé, ceux-là étaient nouveaux, et ces variables empêchent une comparaison nette ».