Pourquoi mon score d’IA a-t-il changé quand j’ai renvoyé le même devoir ?

Quand le même devoir revient avec un pourcentage d’IA différent la deuxième fois que vous l’envoyez, la cause la plus fréquente n’est pas que votre texte a changé : c’est que le détecteur a changé. Turnitin met à jour son modèle de détection d’écriture IA en continu, et chaque note de version porte la même phrase : « This release will not retroactively update previously-generated AI writing reports. » (Cette version ne met pas à jour rétroactivement les rapports d’écriture IA déjà générés.) Un rapport est une mesure prise par le modèle en vigueur le jour où il a été produit. Si une mise à jour du modèle tombe entre votre premier et votre deuxième dépôt, les deux scores ont été produits par des versions différentes du détecteur, et rien dans l’un ou l’autre document ne vous dit quelle part de l’écart revient à vos modifications et quelle part au modèle.

On a tendance à penser que « Turnitin » est un instrument fixe qui lit toujours de la même façon. Les notes de version racontent une autre histoire. La page du modèle de détection d’écriture IA répertorie des mises à jour le 14 octobre 2025, le 12 février 2026 et le 5 mai 2026. Chacune de ces entrées indique :

« This release will not retroactively update previously-generated AI writing reports. To view the AI writing score generated by this update, existing submissions must be resubmitted. » (Cette version ne met pas à jour rétroactivement les rapports d’écriture IA déjà générés. Pour consulter le score d’écriture IA produit par cette mise à jour, les dépôts existants doivent être soumis à nouveau.)

Les notes de février et d’octobre vont aussi dans la même direction : « We have updated our AI writing detection model to improve recall while maintaining a low false positive rate. » (Nous avons mis à jour notre modèle de détection d’écriture IA afin d’améliorer le rappel tout en maintenant un faible taux de faux positifs.) La FAQ ajoute qu’à mesure que le modèle itère, « it is likely that our detection capabilities will also change, affecting the AI percentage. » (il est probable que nos capacités de détection évoluent elles aussi, ce qui affecte le pourcentage d’IA). Turnitin le dit sans détour. Le détecteur est une cible mouvante, et un score arrimé à une date n’est pas une propriété du document. C’est une propriété du document tel que cette version du modèle l’a lu ce jour-là.

La FAQ consigne également un changement d’architecture plus récent : « In July 2026, we updated our model architecture to consolidate a multi-model ensemble into a single model. » (En juillet 2026, nous avons modifié l’architecture de notre modèle afin de regrouper un ensemble de plusieurs modèles en un modèle unique.) D’après la FAQ, cette mise à jour maintient un taux de faux positifs inférieur à 1 %. Nous le signalons parce qu’un étudiant qui a déposé son travail en juin et l’a renvoyé en août a pu franchir une frontière entre modèles plus large qu’une simple mise à jour incrémentale.

Disons que votre premier rapport est revenu à 28 pour cent, que vous avez révisé quelques phrases et que la nouvelle analyse affiche 42. Le réflexe est de se demander ce qui a cloché dans la révision. La première question à poser est plutôt : une date de mise à jour tombe-t-elle entre les deux analyses ?

Si c’est le cas, l’écart contient vos révisions et un changement de modèle mélangés, sans rien dans l’un ou l’autre rapport qui permette de les séparer. Quatorze points ne sont pas quatorze points de révision. Ce sont quatorze points de révision plus un modèle, et la part qui vient du modèle n’est ni à porter à votre crédit ni à mettre sur votre compte. Comparer les deux rapports plutôt que les deux chiffres, c’est toute la méthode exposée dans toujours signalé après une nouvelle vérification Turnitin. Une comparaison honnête demande de noter trois choses : la date du premier rapport, la date du second et les notes de version qui tombent entre les deux. Turnitin les publie toutes sur sa page du modèle de détection d’écriture IA.

Les notes de version que nous avons citées partagent une formule : « improve recall while maintaining a low false positive rate. » (améliorer le rappel tout en maintenant un faible taux de faux positifs). Le rappel, c’est la proportion de texte écrit par IA que le détecteur attrape. L’améliorer signifie que le modèle est réglé pour en attraper davantage, pas moins. La FAQ explique le compromis que cela crée : « In order to maintain this low rate of 1% for false positives, there is a chance that we might miss some AI written text in a document. » (Afin de maintenir ce faible taux de 1 % de faux positifs, il est possible que nous laissions passer du texte écrit par IA dans un document.) Et encore : « if we identify that 50% of a document is likely written by an AI tool, it could contain as much as 65% AI writing. » (si nous estimons que 50 % d’un document a probablement été écrit par un outil d’IA, ce document pourrait contenir jusqu’à 65 % d’écriture IA.)

Le sens de l’évolution compte. Une mise à jour du modèle qui améliore le rappel peut faire monter le pourcentage d’IA d’un devoir qui n’a pas changé d’un iota. Ce n’est pas un bug. C’est le modèle qui fait ce pour quoi il a été mis à jour. À l’inverse, une réécriture qui a fait baisser le score a pu être aidée par une mise à jour qui se trouvait lire votre texte autrement, et non par les modifications elles-mêmes. Sans les dates, impossible de savoir ce qui relève de quoi. La version de ce cas que l’on rencontre le plus souvent, c’est réviser un devoir et voir le score d’IA grimper.

Une dernière chose qui surprend : le pourcentage d’IA et le pourcentage de similarité sont séparés. Turnitin l’énonce : « The Similarity score and the AI writing detection percentage are completely independent and do not influence each other. » (Le score de similarité et le pourcentage de détection d’écriture IA sont entièrement indépendants et ne s’influencent pas l’un l’autre.) Un changement dans l’un n’annonce pas un changement dans l’autre. Si votre score de similarité a baissé alors que votre score d’IA a monté, il n’y a pas de contradiction. Ce sont deux systèmes qui lisent des signaux différents dans le même texte. Nous avons détaillé cette distinction dans notre guide AI Writing Report et Similarity Report : les différences.

Pour résumer ce que nous avons vu :

• Les anciens rapports ne sont pas recalculés quand le modèle est mis à jour. Un score est un instantané, pas une propriété permanente.
• Si une mise à jour du modèle tombe entre deux dépôts, les deux scores ont été produits par des versions différentes du détecteur.
• Les mises à jour récentes ont amélioré le rappel : le même texte peut donc recevoir un score plus élevé sous un modèle plus récent.
• Le pourcentage d’IA et le pourcentage de similarité sont indépendants et n’évoluent pas ensemble.

Concrètement : notez la date de chaque rapport et confrontez-la aux notes de version avant de comparer deux chiffres. Si vous devez réviser un devoir signalé, importez votre rapport Turnitin et travaillez sur les passages précis qui ont été signalés. Les passages éligibles peuvent être relancés gratuitement.