Détecteur IA et université : ce que les étudiants et les enseignants doivent savoir

Publié le 10 septembre 2026 · Mis à jour le 10 septembre 2026 · L'équipe Détecteur IA

Les universités utilisent des détecteurs IA pour repérer les travaux générés, mais un score ne peut pas fonder seul une sanction : les faux positifs touchent d'abord les étudiants non natifs et les écrits académiques, par nature formels. Un étudiant se protège en conservant son processus de rédaction ; un enseignant se protège en utilisant le score comme un signal d'entretien, pas comme un verdict. L'AI Act classe l'évaluation des acquis par IA parmi les usages à haut risque, applicables à partir du 2 décembre 2027. Le détecteur rappelle ces limites.

Comment les universités utilisent les détecteurs

Trois usages coexistent. Le dépistage systématique, où chaque travail remis passe par un détecteur intégré à la plateforme de dépôt, et où un score au-dessus d'un seuil déclenche un examen. Le contrôle ciblé, à la demande d'un enseignant qui a un doute. La pédagogie, où l'outil sert à montrer aux étudiants ce que « ressemble à de l'IA » veut dire. Le premier usage est le plus problématique : appliqué à des milliers de copies, même un faible taux de faux positifs produit des dizaines d'étudiants accusés à tort.

Pourquoi l'écrit académique est un terrain de faux positifs

Une dissertation, un rapport de stage ou un mémoire obéissent à des conventions : plan annoncé, connecteurs logiques, vocabulaire disciplinaire, phrases complètes et régulières. Ce sont exactement les propriétés que mesurent les détecteurs. Un étudiant qui applique bien les consignes produit un texte prévisible ; un étudiant non natif, qui écrit avec un vocabulaire appris, encore plus. Le mécanisme est détaillé dans comment fonctionnent les détecteurs et les causes dans faux positifs.

Ce qu'un étudiant doit faire

Ce qu'un enseignant ou une commission devrait faire

Utiliser le score comme un motif d'entretien, jamais comme une preuve. Fixer un seuil élevé et une longueur minimale. Croiser avec d'autres signaux : sources inexistantes, incohérences avec le niveau habituel de l'étudiant, incapacité à expliquer le travail. Documenter la procédure et permettre la contradiction. Préférer les évaluations moins exposées : oraux, travaux en présence, versions intermédiaires, réflexion sur le processus. Plusieurs éditeurs de détecteurs recommandent eux-mêmes de ne pas sanctionner sur la seule base d'un score.

Ce que dit l'AI Act

Le règlement (UE) 2024/1689 range dans son annexe III, parmi les systèmes à haut risque, les systèmes d'IA destinés à évaluer les acquis d'apprentissage ou à surveiller les comportements interdits pendant les examens. Ces systèmes devront respecter des exigences de gestion des risques, de qualité des données, de transparence et de contrôle humain. Le règlement (UE) 2026/1744, en vigueur le 27 juillet 2026, a repoussé l'application de ces obligations du 2 août 2026 au 2 décembre 2027. D'ici là, les principes généraux (interdictions de l'article 5 depuis le 2 février 2025, transparence) s'appliquent déjà, et le RGPD encadre les décisions individuelles automatisées. Le guide AI Act et transparence détaille ces dates.

Cas concrets

Master en droit, mémoire de 60 pages. Score global de 55 % ; l'historique des versions sur quatre mois et la soutenance orale lèvent le doute.

Licence, étudiant international. Trois devoirs courts signalés ; la commission constate le biais linguistique et adapte sa procédure : entretien systématique avant toute sanction.

Rédiger une charte d'usage de l'IA qui tient

Une charte utile distingue les usages autorisés (correction orthographique, traduction de sources, aide à la structuration, recherche documentaire), les usages soumis à déclaration (génération de passages, reformulation étendue) et les usages interdits (rendre un texte généré comme sien), puis décrit la procédure en cas de doute : entretien, production du processus, décision motivée, recours. Elle précise que les détecteurs sont un signal et non une preuve, et fixe une longueur minimale en dessous de laquelle ils ne sont pas utilisés. Une charte de ce type protège autant l'établissement que les étudiants.

Adapter les évaluations plutôt que multiplier les détecteurs

Les établissements qui réduisent le plus les contentieux sont ceux qui ont changé les modalités d'évaluation : versions intermédiaires déposées et commentées, oraux de restitution, travaux ancrés dans des données ou des situations locales que les modèles ne connaissent pas, journaux de bord réflexifs. Ces formats rendent la génération intégrale moins utile et rendent visible le processus, ce qui est précisément ce qu'un détecteur ne voit pas.

Formation continue, rapport professionnel. Le stagiaire a utilisé un correcteur avancé, autorisé par la charte, et l'a déclaré ; aucun grief. La transparence a suffi.