Quelles preuves sont retenues dans les dossiers d’inconduite liée à l’IA ? Une étude sur 1 162 dossiers

Dans une université australienne, les scores des détecteurs ne représentaient qu’une part minime et en déclin. Sur 1 162 dossiers d’inconduite liés à l’IA entre 2023 et 2025, les résultats d’outils de détection d’IA comme GPTZero représentaient 5,8 % des preuves enregistrées en 2023, 8,8 % en 2024 et 0,5 % en 2025, soit cinq éléments seulement sur une année comptant 618 dossiers de ce type. Sur l’ensemble des trois ans, un résultat de détecteur n’apparaissait que dans 67 des 1 162 dossiers. Bien plus fréquents étaient les aveux formulés lors de l’entretien avec l’étudiant (dans 34,3 % des cas), les références introuvables (30,6 %) et l’appréciation du correcteur estimant que le texte semblait rédigé par une IA (20,6 %). La nature et la force des preuves n’expliquaient que modestement l’issue des dossiers.

L’étude s’intitule "How strong is the evidence in generative AI-related academic misconduct allegations? A mixed-methods analysis" (Quelle est la force des preuves dans les allégations d’inconduite académique liée à l’IA générative ? Une analyse par méthodes mixtes), signée par Albert Munoz, Mercedez Hinchcliff, Cameron Langfield et Ann Rogerson de l’université de Wollongong. Elle a été publiée en libre accès dans l’International Journal for Educational Integrity le 2 septembre 2026. Les dossiers proviennent de leur propre établissement et les auteurs y travaillent. Rogerson siège au comité de rédaction de la revue, ce que l’article signale au titre des conflits d’intérêts.

Entre janvier 2023 et décembre 2025, l’université a enregistré 5 127 dossiers d’inconduite académique. L’équipe en a extrait 1 162 impliquant un soupçon d’utilisation d’IA générative, soit 22,7 % du total. Cette proportion a augmenté chaque année :

Figurer dans cet ensemble ne signifie nullement qu’une faute ait été retenue contre l’étudiant. L’article est très clair sur ce point : "This study does not adjudicate whether individual students engaged in the misuse of generative artificial intelligence." (Cette étude ne tranche pas la question de savoir si des étudiants pris individuellement ont fait un mauvais usage de l’intelligence artificielle générative.)

Dans ces dossiers, ils ont recensé 1 855 éléments de preuve distincts et les ont répartis en 15 catégories. Chaque élément a été évalué selon trois critères issus de la doctrine juridique : la pertinence, la crédibilité et la force inférentielle, c’est-à-dire la capacité d’un élément à étayer l’allégation à lui seul. Ces évaluations reflètent le jugement des chercheurs, appliqué à l’ensemble du corpus par un modèle linguistique exécuté en local et calibré d’après leur propre codage manuel. Elles ne visent en aucun cas à vérifier si un élément de preuve pris isolément était exact.

Les 15 catégories, classées selon le nombre de dossiers dans lesquels elles figuraient. Un même dossier pouvant comporter plusieurs types de preuves, la somme des pourcentages dépasse 100.

Les références introuvables représentaient la catégorie en plus forte progression, passant de 10,4 % des preuves enregistrées en 2023 à 30,0 % en 2025.

Ces pourcentages se rapportent aux éléments de preuve et non aux dossiers, et l’article ne précise le décompte exact que pour 2025. À titre de contexte uniquement (et non comme dénominateur) : le nombre de dossiers liés à l’IA s’élevait à 214, 330 et 618 au cours de ces trois années. Sur l’ensemble des trois ans, les outils de détection d’IA représentent 69 éléments répartis dans 67 des 1 162 dossiers.

Avant d’en déduire que « les détecteurs ne comptent pas », deux précisions s’imposent.

Les évaluations ont été fixées a priori et non mesurées. Chaque élément issu de la détection d’IA a été classé comme ayant une faible crédibilité, et il s’agissait d’une règle établie d’emblée par les chercheurs : l’article précise que ces résultats "were treated in the present analysis as low-credibility evidence" (ont été traités dans la présente analyse comme des preuves de faible crédibilité), et son échelle de crédibilité a été conçue pour intégrer "documented limitations such as AI detector false positive rates" (des limites documentées telles que les taux de faux positifs des détecteurs d’IA). L’étude n’a pas cherché à vérifier si un score donné était erroné. Pour comprendre ce qu’un faible taux d’erreur donne à l’échelle de tout un établissement, l’article ce que représente un taux de faux positifs de 1 % lorsqu’une université soumet 75 000 travaux détaille ce calcul.

Cette baisse coïncide également avec une réglementation interne. Depuis 2025, la politique d’évaluation de l’université interdit au personnel enseignant de soumettre les travaux à des détecteurs externes. Selon sa formulation actuelle, les enseignants "are not permitted to upload student work to third party tools, including generative artificial intelligence (GenAI) or misconduct detection software" (ne sont pas autorisés à téléverser les travaux des étudiants sur des outils tiers, y compris les logiciels d’intelligence artificielle générative (GenAI) ou de détection d’inconduite). La même clause autorise toujours les "approved detection software" (logiciels de détection approuvés) pris en charge par l’université, et les rapports de similarité représentaient encore 3,1 % des preuves en 2025. La procédure disciplinaire actuelle de l’université énumère également les logiciels qu’elle peut employer, notamment les outils de comparaison de texte (Turnitin) et les "language analysis software (e.g. Turnitin Authorship)" (logiciels d’analyse linguistique (ex. Turnitin Authorship)). Les auteurs interprètent ce recul comme la reconnaissance par le personnel que les résultats des détecteurs ne permettent pas d’atteindre le niveau de preuve requis par la prépondérance des probabilités. Votre propre établissement applique ses règles spécifiques, dont certaines sont répertoriées dans 19 universités qui limitent l’usage ou la valeur de preuve des détecteurs d’IA.

Un point que l’article ne précise pas est la catégorie dans laquelle a été classé le score d’écriture par IA de Turnitin. La catégorie des rapports de similarité est définie comme une preuve de correspondance textuelle, et l’exemple donné est un rapport affichant "a similarity score of 1%, which is unusually low" (un score de similarité de 1 %, ce qui est anormalement bas) pour ce type de travail. La catégorie de détection d’IA cite quant à elle GPTZero et ZeroGPT.

Parmi les preuves tirées du texte lui-même, la catégorie la plus courante était l’impression du correcteur selon laquelle le texte ressemblait à de l’IA, recensée dans 239 dossiers. L’article donne un exemple de formulation employée par les enseignants : "generic transitional phrases, unnaturally uniform paragraph structure, and unsolicited definitions of basic terms not required by the task." (phrases de transition génériques, structure de paragraphes anormalement uniforme et définitions spontanées de termes élémentaires non exigées par la consigne).

Les chercheurs ont qualifié la plupart de ces éléments de faibles, car ces caractéristiques "not exclusive to GenAI misuse." (ne sont pas exclusives à un usage abusif de l’IA générative). Leur part parmi l’ensemble des preuves est passée de 19,5 % des éléments en 2023 à 14,5 % en 2025.

Une catégorie plus restreinte compare la copie à ce que l’étudiant rend d’ordinaire (65 dossiers), et ses évaluations se partagent presque à égalité entre force moyenne et faible. La section contextuelle de l’article en souligne la faille majeure : le style rédactionnel des étudiants évolue avec le temps, "which can make legitimate improvement difficult to distinguish from anomalies attributable to misuse." (ce qui peut rendre difficile la distinction entre une progression légitime et des anomalies imputables à un usage abusif). Si c’est l’argument auquel vous faites face, l’article utiliser d’anciens devoirs comme référence de style examine en détail ce qu’une telle comparaison permet réellement de prouver et les limites où elle est contestée.

La catégorie apparue dans le plus grand nombre de dossiers est l’aveu formulé lors d’un entretien (399 dossiers), presque systématiquement jugé de force élevée. Un second type lié à l’entretien, l’incapacité de l’étudiant à expliquer son propre travail, a été relevé dans 63 dossiers. Il a été jugé de force moyenne dans tous les cas, car cela est "consistent with GenAI use but equally consistent with alternative explanations such as poor comprehension or test anxiety" (compatible avec l’utilisation d’IA générative, mais tout autant compatible avec d’autres explications comme une mauvaise compréhension ou l’anxiété liée à l’évaluation).

Les auteurs en tirent eux-mêmes la conclusion : "in a substantial proportion of cases, the strongest evidence available emerged only after the institution had already determined the allegation was sufficient to proceed." (dans une proportion substantielle de dossiers, la preuve la plus solide disponible n’est apparue qu’après que l’établissement a déjà jugé l’allégation suffisante pour engager la procédure).

La procédure avance par ailleurs très vite. Le délai médian entre l’allégation et la décision finale était de 12 jours (la moitié centrale des dossiers a pris entre 6 et 20 jours). Selon la procédure actuelle de l’université en matière d’infraction liée aux devoirs, un entretien vous est proposé. Avant celui-ci, le coordinateur de la matière doit veiller à vous envoyer par courriel "the summary of the allegation and evidence that has been collected" (le résumé de l’allégation et des preuves recueillies). Vous avez le droit d’être accompagné par une personne de soutien, bien qu’elle ne puisse pas vous représenter. Le guide à destination des étudiants avertit que "you may be asked to explain how you developed an assessment item" (il pourra vous être demandé d’expliquer comment vous avez élaboré un devoir évalué).

Rien de tout cela ne vous incite à vous taire. Si vous avez effectivement utilisé l’IA d’une manière interdite par la consigne, l’article signalement injustifié pour IA : comment faire appel et quelles preuves votre université acceptera consacre une section à cette situation et préconise la franchise. Si ce n’est pas le cas, l’entretien est précisément l’occasion de démontrer comment votre travail a été réalisé.

Au vu de ces données, ce n’est pas évident. Les chercheurs ont testé si la nature, le nombre et l’évaluation des éléments de preuve correspondaient au degré d’escalade du dossier et à sa conclusion. Ils ont constaté quelques corrélations, mais "the explanatory power of evidence characteristics across all model specifications is modest" (le pouvoir explicatif des caractéristiques des preuves sur l’ensemble des spécifications du modèle reste modeste).

Leur explication tient à la procédure elle-même. L’escalade d’un dossier découle du constat d’un membre du personnel enseignant, et non d’une note attribuée aux preuves. Le fait qu’un dossier se solde par une conclusion d’inconduite ou par une qualification de "poor academic practice" (pratique académique insuffisante, qui entraîne une réponse pédagogique plutôt qu’une sanction disciplinaire) dépend souvent d’éléments tels que le caractère de première infraction. Les classements sans suite au stade de la commission peuvent résulter des explications de l’étudiant, d’un vice de procédure ou de considérations d’aide sociale, or les dossiers ne consignent pas les débats de l’audience. Selon les propres termes des auteurs, il n’y a "no minimum evidentiary threshold at any stage of the pipeline" (aucun seuil probatoire minimal à aucun stade de la procédure).

Ce dernier point ressort nettement dans les chiffres. Cinquante-huit dossiers (5,0 %) ne comportaient aucune description de preuve au-delà de l’allégation elle-même. Ces allégations sans preuve se sont toutefois raréfiées, passant de 7,6 % des éléments de preuve en 2023 à environ 2,5 % en 2025.

• Un seul établissement, trois années. L’université de Wollongong, de 2023 à 2025. Les auteurs soulignent que ces constats peuvent ne pas se vérifier ailleurs.
• Des dossiers écrits, pas des audiences. "The evidence records capture what was documented in the case file, not what was argued, tested, or weighed during the hearing." (Les registres de preuves consignent ce qui a été consigné dans le dossier, et non ce qui a été débattu, contesté ou soupesé lors de l’audience.)
• Aucune ventilation par profil d’étudiant. Qu’il s’agisse du cycle (licence ou master/doctorat), du statut (étudiants locaux ou internationaux) ou de la discipline, ces données ne figurent pas dans l’étude, qui ne peut donc pas déterminer qui est le plus fréquemment mis en cause.
• Les évaluations reposent sur une grille propre aux auteurs. Elles découlent d’un barème établi par les chercheurs, appliqué par un modèle linguistique calibré sur 12 dossiers puis testé sur 54 dossiers inédits, où son degré de concordance avec deux annotateurs humains était statistiquement équivalent à la concordance des deux humains entre eux.
• Auteurs internes à l’établissement. Les chercheurs sont employés par l’université dont ils ont analysé les dossiers, ce qui, d’après leurs propres termes, "introduces potential bias, especially during the calibration exercise." (introduit un biais potentiel, en particulier durant la phase de calibrage).
• Une règle modifiée en cours de période. L’interdiction adoptée en 2025 de soumettre les devoirs à des détecteurs tiers s’inscrit directement dans la période étudiée.

1. Demandez le détail de chaque élément de preuve. Qu’il s’agisse d’un score, d’un passage jugé semblable à de l’IA, d’une comparaison avec vos travaux antérieurs ou d’une anomalie dans une source : faites-les lister un par un. Dans 5,0 % des dossiers étudiés ici, il n’y avait strictement rien d’autre que l’allégation. Le règlement de votre université doit préciser ce que vous êtes en droit de consulter avant l’entretien. Tous les détails pour vous préparer figurent dans entretien d’intégrité académique après une accusation liée à l’IA.
2. Si un score de détecteur figure au dossier, renseignez-vous sur l’outil exact utilisé et vérifiez si votre université autorise son personnel à y recourir.
3. Si l’accusation porte sur le style du texte, apportez la preuve de votre processus d’écriture. Brouillons, notes de recherche et historique des versions du fichier. Le guide comment conserver l’historique des versions dans Word, Google Docs et Overleaf explique où retrouver chacun de ces éléments.
4. Soyez prêt à expliquer votre démarche. Pourquoi le raisonnement est articulé de cette façon, ce que vos sources principales affirment réellement, et ce qui a évolué d’un brouillon à l’autre. Dans 63 des dossiers étudiés ici, l’incapacité à s’expliquer a elle-même été consignée comme preuve à charge.
5. Transmettez vos preuves dès la première étape. Dans cette université, un recours contre une décision n’est recevable qu’en cas de vice de procédure ou en présence de "new and substantial evidence that has not previously been considered." (preuves nouvelles et substantielles qui n’ont pas été examinées auparavant). Consultez le règlement de votre propre université pour identifier la clause équivalente.

Rien de ce qui figure ici ne pourra vous aider si une procédure est déjà ouverte. Cette procédure concerne la version exacte que vous avez soumise, et la réécrire après coup ne modifiera en rien les pièces du dossier. Cette section s’adresse à une étape antérieure : vous êtes encore en train de réviser un brouillon, vous disposez d’un rapport Turnitin ou iThenticate, et vous avez vérifié que le syllabus de votre matière autorise le recours à un outil d’IA externe pour reformuler votre texte (et pas seulement à un outil désigné en particulier), ainsi que la façon dont cette aide doit être déclarée. Le guide des étudiants de Wollongong, par exemple, demande à ces derniers de "use only the permitted gen AI technology" (n’utiliser que les technologies d’IA générative autorisées) et assimile tout usage allant au-delà des consignes de l’évaluation à un usage abusif. Si toutes ces conditions sont réunies, c’est précisément pour cette situation que HumanPen a été conçu. Importez le rapport Turnitin ou iThenticate et reformulez uniquement les passages signalés. Vous récupérez un fichier modifiable au même format. Comparez le résultat avec votre propre brouillon avant de le soumettre, car vous devez être en mesure d’expliquer chaque phrase que vous rendez.

Les universités utilisent-elles encore les scores des détecteurs d’IA comme preuves ? Dans cet établissement, c’était devenu rare en 2025 : cinq éléments seulement, soit 0,5 % des preuves enregistrées cette année-là, suite à l’adoption d’une politique interdisant au personnel d’envoyer les travaux sur des détecteurs tiers. D’autres universités fixent leurs propres règles ; cela ne préjuge donc pas de la pratique en vigueur dans la vôtre.

L’impression que « le texte ressemble à de l’IA » suffit-elle à elle seule ? Les chercheurs ont jugé la majorité de ces éléments de faible force probante, car les caractéristiques observées ne sont pas exclusives à l’utilisation d’une IA. Il s’agit toutefois de leur propre grille d’analyse, et non du règlement de l’université. Dans cet établissement, la décision est prise selon la prépondérance des probabilités, en tenant compte de l’ensemble des preuves du dossier. L’article détaille ce que cela implique : il doit être plus probable qu’improbable qu’un manquement ait eu lieu, "with the burden of proof resting with the institution and the academic raising the allegation rather than the student" (la charge de la preuve incombant à l’établissement et à l’enseignant qui formule l’allégation, plutôt qu’à l’étudiant).

Dans cette étude, quelles preuves étaient considérées comme les plus solides ? Les aveux, qu’ils soient formulés par écrit ou lors d’un entretien, les journaux de surveillance d’examen en ligne et les comportements interdits mis en évidence par ces enregistrements. Chacune de ces catégories a été jugée de force élevée pour la majorité de ses éléments.

L’étude permet-elle de savoir si les étudiants accusés avaient réellement utilisé l’IA ? Non. Elle se contente de recenser et d’évaluer ce qui figurait dans les dossiers. L’inclusion dans ces 1 162 affaires signifie qu’un mauvais usage de l’IA était soupçonné, et non qu’il a été formellement établi.

• Albert Munoz, Mercedez Hinchcliff, Cameron Langfield et Ann Rogerson, How strong is the evidence in generative AI-related academic misconduct allegations? A mixed-methods analysis, International Journal for Educational Integrity 22, article 26, publié le 2 septembre 2026 (version finale du 10 septembre 2026) ; consulté le 2 octobre 2026 (tableau 2, figures 1 et 2).
• Université de Wollongong, Academic Misconduct (Coursework) Procedure, version entrée en vigueur le 3 novembre 2025, clauses 35, 80, 119 ; consulté le 2 octobre 2026.
• Université de Wollongong, Assessment and Feedback Policy, version entrée en vigueur le 14 mars 2025, clause 14 ; consulté le 2 octobre 2026.
• Université de Wollongong, Using Generative Artificial Intelligence (Gen AI) in Assessments ; consulté le 2 octobre 2026.