Prouver que vous n'avez pas utilisé l'IA : cas réels

Lorsqu'un détecteur signale un devoir comme rédigé par IA, l'étudiant doit prouver que le texte est le sien. La question est : à qui le prouver, et avec quoi. Nous avons passé en revue les principaux litiges des deux dernières années, d'un tribunal de l'État de New York au médiateur des plaintes étudiantes en Angleterre et au Pays de Galles — et aucune décision n'a tranché qui a réellement écrit le texte. Juges et commissions font autre chose : ils comparent les preuves des deux parties, et celui qui présente le dossier le plus solide l'emporte. Cela paraît cynique, mais c'est une bonne nouvelle pour un étudiant faussement accusé d'avoir utilisé l'IA. Prouver la vérité sur un texte est presque impossible — personne n'a vu l'étudiant écrire. Constituer un dossier plus solide que celui de l'université, en revanche, est possible — et les cas que nous avons examinés montrent ce qu'il faut y inclure. Une préparation en amont commence sur la page détection IA pour étudiants.

Pourquoi un score de détecteur IA ne suffit pas comme preuve

Le même texte peut obtenir cent pour cent avec un détecteur et zéro avec deux autres. Dans l'affaire new-yorkaise de l'étudiant de première année Orion Newby, c'est exactement ce qui s'est produit : à part le score d'un seul outil, l'université n'avait rien — le tribunal a annulé la sanction et ordonné l'effacement du dossier de l'étudiant. En Australie, l'Australian Catholic University est arrivée à la même règle de son propre chef, sans intervention judiciaire : lorsque le signal d'un détecteur était la seule preuve, l'accusation était immédiatement classée. La raison est pratique : en un an, l'université a traité un nombre record de cas de faute académique — impossible de gérer un tel flux sur la seule base de scores.

Selon des documents internes consultés par ABC News, une part importante des accusations s'est effondrée dès la première vérification. GradPilot, un site qui recense les procès liés aux accusations d'IA, résume la jurisprudence en une phrase : aucun tribunal n'a jugé un détecteur illégal en soi, et chaque décision portait sur la procédure. La logique est simple : un détecteur fournit une estimation de probabilité, mais c'est une personne qui est exclue. Il faut quelque chose entre les deux — et la première question de tout recours est de savoir si l'université dispose de ce « quelque chose ». Une procédure universitaire en cas de tricherie IA montre l'importance de ces étapes intermédiaires.

Comment prouver que vous avez rédigé votre devoir : historique des versions et brouillons

Dans les cas examinés, la défense reposait sur quatre éléments : l'historique des versions, les premiers brouillons avec notes, des vérifications indépendantes du texte, et le récit de l'étudiant — identique du premier entretien au dernier. Ces quatre points ont un point commun : on ne peut pas les créer après coup. L'historique des versions dans Google Docs et Word est le plus important. Les avocats qui traitent ces affaires aux États-Unis le décrivent au Los Angeles Times comme l'épine dorsale d'une défense — il montre comment le texte a grandi et sépare ce qui a été écrit de ce qui a été collé. Les brouillons et notes montrent la même chose : comment le travail s'est construit. Les conserver jusqu'à la fin du semestre ne coûte rien. Les vérifications indépendantes — faire passer le texte par d'autres détecteurs — ont aidé dans l'affaire new-yorkaise : l'étudiant Newby avait les résultats dans son dossier, et avant le procès la défense en savait plus sur le devoir contesté que l'autre partie. Un comparatif de précision des détecteurs explique pourquoi plusieurs outils sont utiles.

Le cas inverse montre à quel point un récit cohérent compte. L'étudiant en master Haishan Yang, du Minnesota, accusé d'avoir utilisé ChatGPT lors d'un examen, a changé de version au fil de l'affaire — de déni total à « l'IA vérifiait mon anglais » — et parmi ses fichiers figuraient des brouillons qui semblaient générés. Ces documents ont joué contre lui. Le dossier profite à la partie qui apprend en premier ce qu'il contient.

Comment contester une accusation de tricherie IA : quatre questions de recours

Une fois l'accusation de plagiat IA formulée, un recours repose sur quatre questions que tribunaux et ombudsmen ont utilisées, encore et encore, pour juger ces affaires.

1. L'accusé a-t-il vu les preuves réelles ? Le médiateur OIA, qui traite les plaintes d'étudiants contre les universités en Angleterre et au Pays de Galles, a statué deux fois en un an en faveur d'étudiants sur cette question précise : dans un cas, l'université n'a communiqué que sa conclusion sans montrer les preuves ; dans l'autre, la commission a consigné « recherché des synonymes sur Google » comme aveu d'utilisation de l'IA — l'enregistrement de la réunion l'a contredit.
2. Existe-t-il des preuves en dehors du détecteur ? L'affaire new-yorkaise s'est effondrée sur cette question : à part le score, l'université n'avait aucune preuve.
3. Des brouillons et un historique de travail ont-ils été demandés ? Le règlement de l'université anglaise l'exigeait en cas de suspicion d'IA — la commission ne les a pas demandés, et le médiateur a considéré cela comme une violation.
4. Le profil linguistique de l'étudiant a-t-il été pris en compte ? C'est là que les affaires visant des étudiants internationaux échouent le plus souvent.

Aucune des quatre questions ne nécessite un avocat. On les pose par écrit, dans la toute première réponse à l'accusation — et la réaction de l'université montre immédiatement la solidité de son dossier.

Faux positifs des détecteurs IA : qui est signalé le plus souvent

Des chercheurs de Stanford ont montré dès 2023 que les détecteurs IA de cette génération signalaient plus souvent les textes de locuteurs non natifs de l'anglais : les algorithmes prenaient un vocabulaire simple et des phrases courtes pour un signe d'IA.

Ce biais apparaît aussi dans des cas réels. Selon une analyse du think tank HEPI, la plupart des décisions OIA publiées sur ce type d'accusations concernent des étudiants internationaux — dans l'une d'elles, le médiateur a reproché à une université de ne pas vérifier si son détecteur était fiable pour un étudiant dont l'anglais n'est pas la langue maternelle. Les détecteurs plus récents, dont It's AI, sont transparents sur les limites de leur précision : une estimation de probabilité est un motif de poser des questions — c'est l'examen du dossier qui doit y répondre. Pour un étudiant international, le profil linguistique est un argument légitime en recours — le médiateur l'a déjà accepté. Un détecteur IA fiable pour les devoirs réduit le risque de faux positifs.

Quand un recours contre une accusation IA échoue

Un recours n'aide pas lorsque l'université dispose de preuves au-delà du détecteur et que la procédure a été respectée. Si en plus les explications de l'étudiant se contredisent, les chances sont quasi nulles. L'affaire du Minnesota de l'étudiant en master Yang ressemblait exactement à cela : les enseignants ont soumis les questions d'examen à ChatGPT et ont obtenu des réponses quasi identiques à celles de Yang — et toute la procédure, de la notification à l'audience, a été menée correctement. Le tribunal fédéral l'a dit clairement : il n'intervient dans les décisions internes des universités qu'en cas extrême — et la décision de l'université paraissait justifiée. L'affaire scolaire au Massachusetts s'est terminée de la même façon : l'accusation reposait sur le jugement de l'enseignant, le tribunal l'a jugé raisonnable, et la famille de l'élève n'a pas obtenu de réexamen. Tenter de contourner la détection IA expose à d'autres conséquences — voir la recherche sur les conséquences des méthodes de contournement.

Le conseil des forums étudiants — « il suffit de faire appel » — ne fonctionne pas aussi bien qu'il en a l'air. Un recours aide quand on a quelque chose à montrer.

Que faire dès aujourd'hui, avant toute accusation

Même un litige gagné coûte cher : la défense dans l'affaire new-yorkaise a coûté six chiffres à la famille Newby, écrit Communications of the ACM. Se préparer à l'avance coûte moins cher — et ne prend pas beaucoup de temps.

Les étapes pour un étudiant sont simples. Activez l'historique des versions partout où vous rédigez : dans Google Docs, c'est activé par défaut ; dans Word, cela fonctionne avec la sauvegarde automatique dans le cloud. Créez un dossier séparé pour chaque devoir et y placez notes et premiers brouillons. Conservez-le jusqu'à la fin du semestre, même une fois la note obtenue. Si le travail est passé par un vérificateur, enregistrez les résultats. Expliquez comment le devoir a été rédigé — et gardez la même explication à chaque fois.

Il y a quelque chose d'injuste ici : une personne honnête doit collecter des preuves de son honnêteté à l'avance. Mais les détecteurs ne quitteront pas les universités, les affaires augmentent chaque année — et les décisions reposent sur des documents. Des documents rassemblés à l'avance protègent mieux que tout ce qu'on peut dire à l'oral.

Pour un enseignant, la même préparation fait gagner du temps aussi. Vérifier les quatre questions de recours avant de déposer un signalement prend quelques minutes. Un dossier qui s'effondre six mois plus tard en coûte bien plus — et après une fausse accusation, les étudiants font moins confiance à l'enseignant et aux contrôles eux-mêmes. Un workflow de vérification IA équitable pour enseignants aide à éviter les erreurs.

Si une lettre du doyen arrive malgré tout, pas de panique. L'issue de ces litiges se joue sur la préparation — et tout se fait en amont. Dans les cas examinés, a gagné la partie qui connaissait le mieux ses propres faiblesses.

FAQ