Un score d’IA élevé peut-il faire baisser votre note ? Une expérience menée auprès de 214 enseignants

Dans une expérience, cela a bien été le cas, et dans des proportions considérables. 214 enseignants universitaires ont noté le même devoir après avoir consulté un rapport de détection. Quand le rapport affichait 7 % d’IA, qualifiait le texte de risque faible et ne surlignait rien, le devoir obtenait en moyenne 73,30 sur 100. Quand il affichait 87 %, qualifiait le texte de risque élevé et montrait quatre des phrases du devoir en rouge, la moyenne tombait à 51,61. Le texte du devoir, lui, n’a pourtant pas changé d’une virgule.

Cela ne signifie pas pour autant que votre note baissera de 22 points, ni même qu’elle baissera forcément. Le rapport a été inventé par les chercheurs, le devoir était rédigé en chinois, les enseignants l’ont noté dans le cadre d’un sondage en ligne et non dans un vrai cours, et seuls 16 des 214 participants (7,5 %) avaient déjà utilisé un outil de détection d’IA. Ce que l’étude montre en réalité, c’est qu’un score et la conclusion affichée à ses côtés peuvent modifier le jugement porté sur la qualité même du texte, et pas seulement éveiller des soupçons quant à l’utilisation d’une IA.

L’étude s’intitule "Automation bias in teachers' evaluation of student writing: effects of algorithmic warnings and visual risk cues in AI detection reports" (Biais d’automatisation dans l’évaluation des écrits étudiants par les enseignants : effets des alertes algorithmiques et des indices visuels de risque dans les rapports de détection d’IA), par Peitao Du et Tingting Liu de l’université nationale kazakhe Al-Farabi et Xujin Xian de l’université catholique de Corée. Elle a été publiée le 7 juillet 2026 dans Frontiers in Psychology et est accessible en libre accès. Les auteurs ne déclarent aucun financement ni aucun conflit d’intérêts commercial ou financier.

Les chercheurs ont rédigé un devoir intitulé "The Effects and Challenges of Online Education" (Effets et défis de l’enseignement en ligne), calibré pour correspondre à une dissertation d’étudiant de licence de niveau moyen : fluide, dotée d’une structure de base, d’idées conventionnelles et de peu de profondeur. Ils y ont glissé quatre phrases stéréotypées. Celles-ci ne comportaient ni erreurs factuelles évidentes ni ruptures logiques majeures ; il s’agissait simplement de ces formules convenues qui sonnent un peu creux.

Ils ont ensuite conçu quatre versions d’un rapport émis par un outil de détection fictif, baptisé « AcademicCheck » :

Chaque enseignant a reçu au hasard l’une des versions, à raison de 52 à 55 enseignants par groupe. Ils ont d’abord consulté le résumé du rapport, puis ont lu le devoir. Chaque rapport comportait également une brève conclusion à côté du chiffre. Les versions à 7 % indiquaient "Low risk" (Faible risque) et décrivaient "predominantly human-authored writing characteristics" (caractéristiques d’une écriture principalement rédigée par un humain) ; les versions à 87 % affichaient "High risk" (Risque élevé) et "a high likelihood of AI-assisted writing." (forte probabilité d’écriture assistée par IA). Dans les versions avec signalement en rouge, le rapport indiquait également que les passages surlignés nécessitaient une vérification manuelle ; le terme « rouge » désigne donc ici la couleur assortie d’une consigne, et non la simple couleur. Une fois l’exercice terminé, les enseignants ont été informés que le rapport était simulé.

C’est le rapport à 87 % qui a produit l’essentiel de l’effet. Remplacer le rapport à 7 % « Faible risque » par celui à 87 % « Risque élevé », sans le moindre surlignage, a fait perdre en moyenne environ 13 points au devoir. De plus, les enseignants ne se sont pas contentés de juger le texte plus susceptible d’avoir été généré par une IA : ils ont également attribué des notes inférieures à son originalité, à sa qualité de rédaction et à sa structure logique, alors même que le texte sous leurs yeux était rigoureusement identique mot pour mot.

Les phrases en rouge ont eu le plus d’impact lorsque le rapport annonçait déjà un risque élevé. À 7 %, le fait de surligner quatre phrases n’a pas modifié la note sur 100 de manière statistiquement significative. Cela a en revanche dégradé l’évaluation de la qualité de la langue par les enseignants, ce qui est logique : c’étaient précisément les phrases qu’on venait de leur désigner. À 87 %, ce même surlignage a fait perdre environ 9 points supplémentaires.

Les enseignants ont déclaré qu’ils interviendraient davantage. La dernière colonne mesurait leur propension à exiger des révisions, à rappeler à l’étudiant les règles d’autonomie rédactionnelle ou les consignes d’usage de l’IA, ou encore à lui demander d’expliquer sa démarche et ses sources. Ce score est passé de 3,40 à 5,66 sur une échelle de 1 à 7. Il s’agit toutefois de ce que les enseignants ont affirmé qu’ils feraient, et non de comportements réellement observés sur le terrain.

Les auteurs qualifient eux-mêmes leurs résultats de "preliminary and context-specific" (préliminaires et dépendants du contexte). Voici pourquoi cette formule est particulièrement juste.

• Le rapport était fictif et délibérément poussé aux extrêmes. L’outil « AcademicCheck » a été inventé de toutes pièces pour éviter que les préjugés des enseignants sur des logiciels réels ne viennent interférer. Les deux pourcentages ont été choisis pour être très éloignés l’un de l’autre. Les auteurs expliquent que le contraste "was intentionally strong" (a été volontairement accentué) afin de vérifier si les enseignants réagissaient différemment à une alerte nettement basse par rapport à une alerte nettement haute, et soulignent qu’extrapoler ces résultats aux scores intermédiaires observés dans la réalité exige la plus grande prudence.
• Un seul devoir, rédigé en chinois. Tous les enseignants ont lu la même dissertation en langue chinoise. Son niveau de « qualité moyenne » reposait sur la seule appréciation des chercheurs, qui précisent qu’il n’a pas été étalonné par une étude pilote ni par des évaluateurs indépendants. Un devoir brillant ou très médiocre n’aurait peut-être pas suscité les mêmes réactions.
• La plupart des enseignants n’avaient jamais utilisé de détecteur. Ils ont été recrutés en ligne via la plateforme d’enquêtes Wenjuanxing et des communautés d’enseignants, contre une modeste rémunération, et environ deux tiers enseignaient les sciences sociales. Seuls 16 des 214 participants (7,5 %) avaient déjà utilisé des outils de détection d’IA ou de détection de plagiat par IA. Ni l’article ni ses documents annexes n’isolent les résultats de ces 16 enseignants.
• Il s’agissait d’un questionnaire, pas d’un carnet de notes officiel. Les enseignants n’avaient sous les yeux que le rapport et le devoir, sans guère d’autre information, et les notes attribuées n’avaient aucun impact pour aucun étudiant. Les auteurs concluent eux-mêmes que leurs résultats "should not be generalized directly to all real grading contexts." (ne doivent pas être généralisés directement à tous les contextes réels d’évaluation.)
• L’écart est d’une netteté inhabituelle. Dans chaque groupe, les notes de la majorité des enseignants se situaient à environ 5 points de la moyenne de leur groupe ; pourtant, les moyennes des groupes A et D accusent près de 22 points d’écart. Les auteurs soulignent eux-mêmes qu’un effet d’une telle ampleur "should be interpreted cautiously." (doit être interprété avec prudence.) Ils l’expliquent en partie par le contraste saisissant entre 7 % et 87 % ainsi que par le peu d’éléments contextuels dont disposaient les correcteurs : "In real teaching, teachers may see intermediate rates and have richer information about students and writing processes, so actual bias may be smaller." (Dans l’enseignement réel, les professeurs peuvent être confrontés à des pourcentages intermédiaires et disposer d’informations plus riches sur les étudiants et leur processus de rédaction, de sorte que le biais réel pourrait être plus restreint.)

Si l’on met de côté ces conditions particulières, un constat fondamental subsiste : les enseignants ont vu le rapport avant de lire la copie, et ce rapport a influencé leur lecture. Selon les auteurs, un indicateur tel que "AI content: 87%" (Contenu IA : 87 %) détourne l’enseignant de sa mission d’évaluation pour le pousser à vérifier si le logiciel a vu juste. Parmi leurs recommandations aux universités figure une procédure en deux étapes, dans laquelle les professeurs doivent "complete their quality evaluation before reviewing the detection report" (finaliser leur évaluation qualitative avant de consulter le rapport de détection).

La plupart de nos lecteurs sont confrontés à Turnitin plutôt qu’à un outil inventé. Il est donc utile de mettre trois éléments issus de la documentation de Turnitin en regard de cette étude.

• Vous n’avez généralement pas accès à ce que voit votre enseignant. La FAQ de Turnitin précise que "only instructors and administrators are able to see the indicator" (seuls les enseignants et les administrateurs sont en mesure de voir l’indicateur), même si un professeur a la possibilité de télécharger le rapport d’IA au format PDF pour le partager. Notre article Les étudiants peuvent-ils voir leur score d’IA Turnitin ? Comparatif des vues étudiant et enseignant détaille précisément ce qui est visible par chacun.
• Les scores faibles s’affichent sans surlignage. Turnitin indique que "no score or highlights are attributed for AI detection scores in the 1% to 19% range." (aucun score ni surlignage n’est attribué pour les scores de détection d’IA situés entre 1 % et 19 %.) Le rapport affiche à la place un astérisque. La configuration du groupe B — un chiffre faible accompagné de phrases signalées — ne correspond donc pas à ce qu’un rapport Turnitin actuel afficherait. Sous la barre des 20 %, aucune phrase n’est signalée par l’IA pour orienter le regard du correcteur. Pour en savoir plus, consultez Que signifie l’astérisque (*%) sur un score d’IA Turnitin ?.
• Turnitin rappelle que ce pourcentage ne constitue pas une note. La même FAQ souligne que ce chiffre "should not be used as the sole basis for action or a definitive grading measure by instructors." (ne doit pas être utilisé par les enseignants comme unique fondement d’une décision ni comme critère de notation définitif.) Pourtant, dans cette expérience, personne n’a demandé aux enseignants d’utiliser ce score pour noter. On leur a simplement demandé d’évaluer un devoir, et le rapport leur a été fourni avec. Notre article Le score Turnitin constitue-t-il une note ? explique en détail sur quoi une note est censée reposer.

Cette étude ne peut donc pas vous dire si votre propre enseignant a été influencé, ni à quel point. Ce qu’elle permet en revanche, c’est de faire passer l’inquiétude "the report might color how my paper gets read" (ce rapport risque d’altérer la perception de mon devoir) du statut de paranoïa à celui de question tout à fait légitime à aborder.

Aucune de ces démarches n’exige que l’on vous ait préalablement accusé de quoi que ce soit.

1. Si une note vous semble anormale, interrogez la grille d’évaluation, pas le score d’IA. Demander "Which rubric criteria lost marks, and which passages show it?" (Quels critères du barème ont entraîné une perte de points, et quels passages du texte l’illustrent ?) est une démarche parfaitement naturelle après toute évaluation. Le surlignage a d’ailleurs modifié la nature des remarques formulées par les enseignants : lorsqu’on leur a demandé ce qu’ils recommanderaient à l’étudiant de réviser, 65,4 % de ceux ayant vu le rapport à 7 % avec des phrases en rouge ont suggéré des retouches linguistiques, contre seulement 7,5 % pour le rapport à 7 % sans rouge ; dans le même temps, les suggestions visant à approfondir le contenu sont passées d’environ la moitié à quasiment aucune. (Les auteurs considèrent ce codage des réponses ouvertes comme exploratoire.) Si les retours que vous recevez ne portent que sur la formulation et ne disent rien de votre argumentation, posez aussi des questions sur le fond.
2. Demandez si un rapport d’IA a été consulté et, si c’est le cas, demandez à recevoir le PDF. Un simple pourcentage ne vous apprend pas grand-chose ; seul le rapport complet montre quels passages ont été signalés.
3. Soyez prêt à présenter votre démarche d’écriture. Les interventions évoquées dans cette étude n’étaient pas des sanctions, mais des demandes : réviser un passage, expliquer la méthode de rédaction, présenter ses sources. Les enseignants confrontés au rapport à 87 % avec phrases en rouge ont très nettement penché vers ce type d’exigences. Conserver vos brouillons, vos notes et l’historique des versions vous permet de répondre rapidement et sereinement à ces demandes.
4. Si vous êtes encore en train de réviser et que vous disposez d’un rapport, lisez d’abord les passages signalés. Voici les quatre phrases surlignées en rouge dans l’expérience, dans la traduction anglaise fournie par les auteurs : "With the rapid development of information technology, online education has gradually become an important component of higher education." (Avec le développement rapide des technologies de l’information, l’enseignement en ligne est progressivement devenu une composante essentielle de l’enseignement supérieur.) "This paper analyzes this issue from three aspects: learning effects, interaction modes, and technical conditions." (Le présent article analyse cette question sous trois aspects : les effets sur l’apprentissage, les modes d’interaction et les conditions techniques.) "In conclusion, online education brings convenience but also faces many practical challenges." (En conclusion, l’enseignement en ligne apporte de la commodité mais fait également face à de nombreux défis pratiques.) "Therefore, this issue deserves continued attention and further research from the education community." (Par conséquent, cette question mérite une attention continue et des recherches approfondies de la part de la communauté éducative.) Une fois signalées, des phrases de ce type ont fait chuter l’évaluation de la qualité de la langue. Les phrases d’accroche génériques, les annonces de plan passe-partout et les conclusions interchangeables qui pourraient convenir à n’importe quel devoir méritent de toute façon d’être reformulées avec vos propres mots.

Si vous disposez d’un rapport Turnitin ou iThenticate, que vous êtes encore en phase de révision et que votre établissement autorise ce type d’aide, l’option d’humanisation de HumanPen intervient sur les passages signalés. Importez le rapport Turnitin ou iThenticate et reformulez uniquement les passages signalés. Vous récupérez un fichier modifiable au même format. Relisez vous-même l’intégralité du fichier obtenu avant de le rendre.

Les enseignants savaient-ils que le rapport était fictif ? Les chercheurs ne le leur ont pas dit pendant la notation. Ce n’est qu’après coup qu’ils ont été informés que le rapport était simulé et ne constituait pas une véritable décision d’intégrité académique.

Cette étude portait-elle sur Turnitin ? Non. Le rapport provenait d’un outil inventé, « AcademicCheck », afin que les préjugés sur les détecteurs réels n’influencent pas les résultats.

Le surlignage en rouge a-t-il eu un impact à 7 % ? Pas sur la note globale de 0 à 100, où l’écart n’était pas statistiquement significatif. Il a en revanche fait baisser l’évaluation de la qualité de la langue par les enseignants.

Turnitin affiche un astérisque sous la barre des 20 %. Pourrait-il produire le même effet ? Cette étude ne l’a pas testé. Sa condition basse associait le chiffre 7 % à la mention « Faible risque », et non à un astérisque. Un astérisque indique bien à l’enseignant qu’une détection a eu lieu ; la manière dont les correcteurs interprètent ce signal reste une question à laquelle cette étude ne peut pas répondre.

• Peitao Du, Tingting Liu et Xujin Xian, Automation bias in teachers' evaluation of student writing: effects of algorithmic warnings and visual risk cues in AI detection reports, Frontiers in Psychology 17:1889402, publié le 7 juillet 2026 ; consulté le 2 octobre 2026 (sections 3–6, tableaux 1 et 3 ; annexe, appendice A, tableaux B1 et F4).
• Turnitin, FAQ sur les fonctionnalités de détection de l’écriture par IA de Turnitin.