Le marché des logiciels de détection d’IA repose sur une promesse : un algorithme peut déterminer si un étudiant a rédigé une dissertation ou si une machine l’a fait. Un test pratique publié cette semaine par CNET suggère que cette promesse s’est effondrée, tous les grands détecteurs ayant été mis en échec par des contournements gratuits ou à faible coût, et les détecteurs se contredisant les uns les autres sur les mêmes images.
Rachel Kane, contributrice de CNET et professeure de journalisme à l’Arizona State University, a introduit de véritables devoirs au format PDF dans ChatGPT, Claude, Gemini et NotebookLM, puis a fait passer les dissertations obtenues dans des outils d’humanisation de texte. Tous les textes humanisés ont passé la détection haut la main, selon l’article. Le test a aussi mis en évidence un conflit structurel dans le secteur : certaines entreprises qui vendent de la détection d’IA vendent également les outils d’humanisation conçus pour la contourner.
Les contradictions étaient les plus flagrantes dans la détection d’images. Un outil a signalé une infographie créée avant l’existence de l’IA générative comme étant générée à 100 % par IA, tandis qu’un autre a estimé qu’une infographie entièrement créée par IA ne contenait que 1 % d’IA. Les étudiants accusés peuvent exploiter ces divergences, note l’article, puisque deux détecteurs produisent souvent des verdicts opposés sur un travail identique.
Même les devoirs conçus pour être infaillibles face à l’IA ont échoué au test. À partir d’une simple consigne pour un devoir exigeant des éléments visuels, Claude a produit des infographies d’allure professionnelle dans un format standardisé, sans aucune instruction supplémentaire. L’autrice n’a jamais examiné le devoir ni le résultat, ce qui affaiblit l’argument selon lequel les étudiants assimilent la matière lorsqu’ils délèguent le travail à des modèles.
Des recherches indépendantes confirment ces constats anecdotiques. Une évaluation systématique publiée dans l’International Journal for Educational Integrity a montré que les détecteurs commerciaux les plus utilisés se comportent de manière incohérente face à des contenus générés par GPT-4, produisant à la fois des faux négatifs et des classifications incertaines. Le comité de pilotage sur l’IA de l’université Brandeis a compilé des études montrant que les outils de détection présentent des taux de faux positifs élevés et peuvent être biaisés à l’égard des personnes dont l’anglais n’est pas la langue maternelle, et des reportages publiés depuis 2023 ont documenté des détecteurs signalant comme générés par machine des textes écrits par des humains.
L’économie de cet écosystème va dans une seule direction. Les applications d’aide aux devoirs qui réalisent à la demande des travaux de plusieurs pages sont vendues comme des aides à l’étude, avec des abonnements allant d’environ 7 à 12 dollars par mois ; les outils spécialisés dans les examens vantent des expériences indétectables de 15 à 192 dollars par an. L’article de CNET conclut que le client principal de toute l’industrie est l’étudiant qui veut en finir avec le travail, et non l’enseignant qui cherche à faire respecter l’intégrité.
Les universités ont commencé à répondre de manière structurelle plutôt que technologique. Les établissements s’orientent vers la randomisation des questions à partir de banques plus vastes et vers davantage d’examens en présentiel, reconnaissant que les courses aux armements logiciels favorisent celui qui contrôle l’outil d’écriture, et non celui qui contrôle le vérificateur. Pour l’instant, la leçon pratique pour les enseignants est qu’un score de détecteur seul ne constitue pas une preuve, et pour les étudiants, qu’il est plus facile de contourner la machinerie de contrôle que de lui faire confiance.
Traduit par Lydie
Sources: I Used Every AI Cheating App and Detector and Came to One Conclusion (CNET, July 31, 2026); Evaluating the efficacy of AI content detection tools in differentiating between human and AI-generated text (International Journal for Educational Integrity, Springer); Limitations of AI Detection Tools (Brandeis University AI Steering Council); Detecting AI may be impossible. That’s a big problem for teachers (Washington Post, June 2023)