La consternation croissante des intervenants à l’université vis-à-vis de l’usage déraisonné de l’intelligence artificielle se comprend aisément. Il est notamment possible de constater un engouement croissant pour Pangram, qui est aujourd’hui l’un des détecteurs les plus performants. Toutefois, les détecteurs d’IA (Pangram, GPTzero, et tous les autres) ne sont pas fiables et ne doivent pas être utilisés pour évaluer le travail d’un étudiant – jamais, absolument jamais.
Le problème est simple : un détecteur ne peut pas prouver qui a écrit un texte. Il produit une estimation statistique à partir de caractéristiques du texte. Même lorsqu’il affiche une probabilité très élevée, il ne dispose d’aucune information sur la manière dont le document a réellement été rédigé : il ne voit ni les brouillons, ni l’historique du document, ni le processus de travail de l’étudiant.
Dans une université, un faux positif signifie qu’un étudiant qui a réellement écrit son travail peut être soupçonné de triche. Même un faible risque d’erreur n’est pas acceptable lorsque les conséquences sont une mauvaise note, une accusation de fraude ou une procédure disciplinaire. Prenons un exemple : si un amphithéâtre de 800 étudiants doit rendre un devoir, un taux de faux positif d’1% conduit 8 étudiants à être accusés à tort. C’est beaucoup trop !
Plus fondamentalement, les détecteurs peuvent apprendre à reconnaître les caractéristiques des modèles d’IA qu’ils connaissent, plutôt qu’une propriété universelle permettant de distinguer un auteur humain d’une machine. En 2026, des chercheurs de Carnegie Mellon University ont montré que Pangram et GPTZero pouvaient considérer comme humains des textes produits par certains modèles de base, et que des techniques de paraphrase permettaient de contourner leur détection. Leur conclusion est que ces systèmes semblent en partie reconnaître des caractéristiques particulières de certains modèles plutôt que « l’écriture par IA » elle-même. Une étude publiée dans les Findings of ACL 2025 a également montré que de simples modifications de textes pouvaient fortement modifier les résultats de plusieurs détecteurs, dont Pangram.
Les institutions universitaires reconnaissent elles-mêmes ce problème : Cornell University déconseille explicitement l’utilisation des détecteurs automatiques pour établir une violation de l’intégrité académique, car ils ne fournissent pas de preuve définitive. Cornell recommande plutôt des méthodes d’évaluation qui permettent de vérifier le travail réel de l’étudiant. Vanderbilt University a désactivé le détecteur d’IA de Turnitin en expliquant que les faux positifs rendent son utilisation injuste pour évaluer les étudiants.
Le rapport entre risques et bénéfices est donc très mauvais. Par ailleurs, cet usage est d’autant plus problématique en France du fait que, dans l’enseignement supérieur public, une fraude n’est pas censée être établie par la seule appréciation d’un enseignant ou par le résultat d’un logiciel.
La procédure disciplinaire prévue par les articles R. 811-25 à R. 811-39 du Code de l’éducation est claire et précise : les faits reprochés et les pièces justificatives doivent être communiqués à l’étudiant, celui-ci peut consulter son dossier, présenter des observations, être entendu et se faire assister. Une instruction est menée avant qu’une commission de discipline statue, et la décision doit être motivée. Le Code prévoit même, en cas de fraude constatée pendant un examen, la saisie des pièces ou matériels permettant « d’établir ultérieurement la réalité des faits ». Cette procédure est difficilement conciliable avec l’idée qu’un simple pourcentage produit par Pangram puisse suffire à établir la fraude.
Le droit français distingue également l’évaluation académique de la sanction disciplinaire. L’article R. 811-12 du Code de l’éducation prévoit que, même lorsqu’une fraude est constatée pendant un examen, le jury délibère sur les résultats du candidat dans les mêmes conditions que pour les autres étudiants, dans l’attente de la décision disciplinaire. Autrement dit, une suspicion de fraude ne donne pas simplement à un enseignant le pouvoir de transformer cette suspicion en sanction académique.
Le Conseil d’État a ainsi déjà annulé une décision de jury de l’Université de Nantes qui avait attribué zéro à une étudiante pour fraude alors que les faits invoqués n’étaient pas corroborés par les pièces du dossier et que la preuve matérielle de la fraude n’avait pas été établie. Un « zéro parce que GPTzero indique 100 % d’IA » serait donc particulièrement difficile à défendre si aucune preuve indépendante ne vient établir les faits.
C’est un point essentiel : Pangram et les autres détecteurs d’IA ne constatent aucun fait matériel ; il fournit uniquement une inférence statistique. En droit disciplinaire universitaire, cette différence compte. Une commission peut naturellement examiner des indices, mais elle doit établir la réalité des faits qui justifient la sanction. Le régime prévu par le Code de l’éducation exige justement une instruction, des pièces justificatives, la possibilité de les contester et une décision motivée. Faire du détecteur la preuve principale revient à demander au logiciel de résoudre la question même que la procédure disciplinaire est censée établir.
Il existe aussi un problème de protection des données. La CNIL rappelle qu’en vertu de l’article 22 du RGPD, une personne a en principe le droit de ne pas faire l’objet d’une décision entièrement automatisée produisant des effets juridiques ou l’affectant de manière significative. Si un score de détecteur entraîne automatiquement une mauvaise note, une accusation ou une sanction, ou si l’intervention humaine consiste seulement à entériner le résultat du logiciel, l’établissement s’expose donc à une difficulté supplémentaire. La CNIL insiste notamment sur la nécessité d’une véritable intervention humaine, de la possibilité de contester la décision et de comprendre les critères employés.
Le règlement européen sur l’intelligence artificielle (AI Act) confirme d’ailleurs que ce type d’usage doit être traité avec une prudence particulière. Son annexe III classe parmi les systèmes d’IA « à haut risque » ceux utilisés dans l’éducation pour évaluer les acquis des étudiants et ceux destinés à détecter des comportements interdits pendant des examens. Le règlement justifie ce classement par l’impact que ces systèmes peuvent avoir sur le parcours éducatif et professionnel d’une personne.
Enfin, cette approche correspond davantage à l’orientation actuellement défendue par le ministère français de l’Enseignement supérieur. Dans son rapport sur l’IA et l’enseignement supérieur, la mission ministérielle recommande de repenser les modalités d’évaluation pour tenir compte de l’IA. Elle souligne l’intérêt des oraux, de l’explicitation de l’usage de l’IA et d’évaluations permettant de vérifier réellement les compétences de l’étudiant. Elle précise également que l’évaluation doit rester sous la responsabilité de l’enseignant. La réponse institutionnelle raisonnable n’est donc pas de déléguer la recherche de fraude à un classificateur opaque, mais de construire des évaluations dans lesquelles l’étudiant peut démontrer ce qu’il sait et expliquer son processus de travail.
Ainsi, en France, le résultat d’un détecteur d’IA ne peut jamais conduire à retirer des points, attribuer un zéro, présumer une fraude ou prononcer une sanction. Une sanction fondée sur ce type de score serait juridiquement très fragile, posant des problèmes de preuve, de contradictoire, de motivation, de protection des données et de droit européen de l’IA. Surtout, au-delà des risques, le bon sens doit faire réaliser aux enseignants que les conséquences possibles pour l’étudiant sont trop importantes pour accepter un niveau de preuve aussi faible.
« Mieux vaut que dix coupables s’échappent plutôt qu’un innocent souffre. »
– Formulation de Blackstone, au fondement du droit pénal anglo-saxon.
Laisser un commentaire