Détecter le plagiat et l'usage d'IA dans les copies
L'usage des outils d'intelligence artificielle générative dans les travaux académiques est désormais courant. Les enseignants sont confrontés à une question nouvelle : comment évaluer l'authenticité d'un travail soumis ? La détection du plagiat classique et la détection de l'usage d'IA sont deux problèmes distincts qui demandent des approches différentes.
Le plagiat classique : méthodes et limites des outils
Le plagiat consiste à présenter comme sien le travail d'autrui sans le citer. Les logiciels de détection de plagiat comparent le texte soumis avec des bases de données de publications, de sites web et de copies antérieures. Ils produisent un taux de similarité. Ce taux doit être interprété avec prudence : un taux élevé peut révéler du plagiat ou simplement des citations mal formatées. L'outil ne remplace pas la lecture critique de l'enseignant, qui reste indispensable.
L'usage de l'IA : une détection plus complexe
Les textes générés par l'IA ne sont généralement pas identiques à d'autres textes existants, ce qui rend les outils de plagiat classiques peu efficaces pour les repérer. Les détecteurs spécialisés dans l'IA existent, mais leur fiabilité est variable. Ils produisent des faux positifs et des faux négatifs. Se fier uniquement à un détecteur d'IA pour sanctionner un étudiant est méthodologiquement fragile et peut conduire à des erreurs d'évaluation graves.
Lire de façon critique pour repérer les anomalies
Un texte partiellement généré par l'IA présente souvent des signes lisibles à l'œil humain : ruptures stylistiques entre les sections, vocabulaire générique et décontextualisé, absence de prise de position de l'auteur, exemples vagues, références manquantes ou invérifiables. Un étudiant qui a réellement travaillé son sujet peut répondre à des questions précises sur son raisonnement, ses choix méthodologiques et ses sources. La soutenance ou un entretien oral reste le meilleur test d'authenticité disponible.
Adopter une posture pédagogique claire et préventive
Avant de sanctionner, clarifiez le cadre réglementaire. L'établissement dispose-t-il d'une politique explicite sur l'usage de l'IA dans les travaux ? L'étudiant en a-t-il été informé ? Si les règles n'ont pas été explicitées, la sanction est difficile à justifier devant un jury disciplinaire. La meilleure prévention reste la conception de sujets qui rendent l'IA moins utile : sujets personnalisés, ancrés dans une expérience terrain, demandant une prise de position argumentée et située. Accompagner vaut mieux que sanctionner après coup.
Besoin d'un modèle complet pour voir la méthode appliquée ? IA Prométhée, le service du Groupe École de Commerce de Lyon, produit des documents modèles (mémoires, thèses, business plans) et un accompagnement méthodologique — première demande offerte.
