Lorsque Lauren Jager, étudiante en chimie à l’Idaho State University, a soumis sa lettre de motivation pour une bourse, elle l’avait entièrement rédigée elle-même. Par curiosité, elle l’a tout de même passée dans un détecteur d’IA en ligne. Le résultat indiquait qu’elle était générée à près de 100 % par une IA.
« J’ai commencé à paniquer », a-t-elle confié à Nature.
L’expérience de Jager n’a rien d’exceptionnel. La Déclaration d’indépendance des États-Unis, rédigée par Thomas Jefferson en 1776, obtient également un score de 95 à 100 % de génération par IA lorsqu’elle est soumise à ZeroGPT, l’un des détecteurs gratuits les plus populaires. Comme le montre une enquête de Nature publiée le 6 juillet, les outils sur lesquels les universités comptaient pour détecter la triche par IA sont profondément peu fiables, en particulier face aux étudiants dont l’anglais n’est pas la langue maternelle.
Le problème des 61 %
L’étude la plus citée sur le sujet, dirigée par le chercheur de Stanford Weixin Liang et publiée dans Patterns en 2023, a testé sept détecteurs GPT largement utilisés sur 91 essais TOEFL rédigés par des apprenants chinois d’anglais et 88 essais d’élèves américains de huitième année. Les détecteurs ont identifié 61,3 % des textes non natifs comme étant générés par IA. En revanche, le taux de faux positifs pour les textes natifs était de 5,1 %.
La raison est contre-intuitive : les rédacteurs non natifs utilisent un langage plus simple et plus prévisible, soit le même signal de faible perplexité que les détecteurs d’IA emploient pour identifier un texte généré par machine. En soumettant les mêmes essais TOEFL à ChatGPT avec l’instruction « d’améliorer le choix des mots pour ressembler davantage à un locuteur natif », le taux de faux positifs est passé de 61,3 % à 11,8 %.
Ce biais a été reproduit au moins quatre fois dans des études indépendantes depuis 2023, la plus récente en mai 2026 montrant que GPTZero produit encore un taux de faux positifs de 16 % sur des écrits informels d’apprenants d’anglais.
Un outil qui pénalise les étudiants honnêtes
Le manque de fiabilité des détecteurs d’IA ne se limite pas au problème du biais linguistique. Différents détecteurs produisent des résultats radicalement différents pour un même texte. Les écrits courts, techniques ou formulaires, dans des domaines comme les mathématiques, la chimie et l’ingénierie, sont systématiquement signalés comme générés par IA. Les étudiants qui utilisent des assistants grammaticalux comme Grammarly ou QuillBot sont également plus susceptibles d’être faussement accusés.
Les conséquences peuvent être graves. Des étudiants ont été signalés pour inconduite académique, se sont vu refuser des bourses, ou ont dû défendre leur travail contre des accusations opaques. Mike Perkins, chercheur à la British University Vietnam à Hanoï qui étudie la détection par IA, a déclaré à Nature : « La réponse courte est non, ils ne fonctionnent pas de manière fiable. La réponse longue est oui, ils peuvent fonctionner, mais le fait qu’il y ait tant d’inquiétudes concernant les faux positifs signifie qu’ils ne devraient pas vraiment être utilisés pour tout ce qui est sensible pour un étudiant. »
Certains étudiants ont réagi en « simplifiant » délibérément leur écriture pour éviter de déclencher les détecteurs. Une écriture « moins parfaite », a constaté Jager, a fait passer son score IA de 100 % à 30 %.
Une escalade sans fin
Le problème de la détection est exacerbé par l’essor des outils « d’humanisation d’IA », des services qui réécrivent les textes générés par IA pour échapper à la détection. Turnitin estime que ces outils attirent désormais 33,9 millions de visites mensuelles sur plus de 150 services. Chaque amélioration de la détection conduit à de meilleures méthodes d’évitement, et vice versa, dans un cycle sans fin apparente.
« Les gens voient un score et lui font confiance », a déclaré Perkins. « Les outils de similarité fonctionnaient parce qu’ils pouvaient vous montrer exactement où le texte correspondait à autre chose. Avec les outils de détection d’IA, cette preuve n’existe tout simplement pas. »
Les universités réagissent
Au moins 25 universités ont restreint ou désactivé les outils de détection d’IA, notamment Vanderbilt, l’University of Waterloo, la Curtin University en Australie et plusieurs campus de l’UC. L’Australian Catholic University a complètement abandonné la détection d’IA de Turnitin après qu’elle a généré environ 6 000 fausses accusations.
Le consensus émergent parmi les éducateurs et les chercheurs est que les scores de détection d’IA ne devraient pas être utilisés comme base unique ou principale pour les décisions d’intégrité académique. Au lieu de cela, beaucoup proposent d’évaluer le processus d’écriture, brouillons, plans, défenses orales, plutôt que de se fier uniquement au produit écrit final.
« Aucun détecteur d’IA ne pourra jamais être parfait à 100 % », reconnaît GPTZero sur son site web. « Les résultats ne devraient pas être utilisés pour punir ou comme verdict final. »
Turnitin, qui dessert 16 000 établissements, maintient que son outil a un taux de faux positifs au niveau du document inférieur à 1 %, bien que des études indépendantes aient trouvé des taux de 4 à 12 % sur des textes atypiques.
L’article de Nature souligne que le problème fondamental est peut-être insoluble : à mesure que les grands modèles de langage s’améliorent, les textes générés par IA deviennent de plus en plus difficiles à distinguer de l’écriture humaine. « Nous ne pouvons certainement pas rejeter massivement des gens à cause de cela », a déclaré Marzena Karpinska de l’Université Simon Fraser. Pour l’instant, la réponse la plus honnête que les universités doivent peut-être accepter est que le problème de la détection n’a pas de solution technologique.
Sources
- McKie, A. « Universities are relying on AI-detection software to catch cheating. How well do the programs work? » Nature 655, 535-537 (2026). DOI : 10.1038/d41586-026-01358-2. https://www.nature.com/articles/d41586-026-01358-2
- Liang, W., et al. « GPT detectors are biased against non-native English writers. » Patterns 4(7), 100779 (2023). DOI : 10.1016/j.patter.2023.100779. https://doi.org/10.1016/j.patter.2023.100779
- Dik, A., et al. « Assessing GPTZero’s Accuracy. » arXiv:2506.23517 (2025). https://arxiv.org/abs/2506.23517
Traduit par Lydie