Thèse ou mémoire signalé pour IA dans une université chinoise : démarches réelles, dossier de preuves et procédure de recours

Bien qu’il n’existe aucun organisme national dédié au règlement des litiges liés au taux d’IA, la Loi sur les diplômes prévoit des voies de réexamen légales, et les universités intègrent des clauses de recours dans leurs directives de soutenance. Ce guide s’appuie sur les enquêtes des médias officiels et les règlements universitaires pour expliquer pourquoi contester les pourcentages est voué à l’échec, tout en détaillant la préparation d’un dossier de preuves pour solliciter une évaluation humaine sur le fond.

L'équipe HumanPen

· 14 min de lecture

Mémoire signalé pour IA dans une université chinoise : comment contester la décision et quelles preuves réunir ?

La Loi sur les diplômes de la République populaire de Chine confère aux candidats le droit de demander un réexamen académique en cas de contestation d’une évaluation (art. 40, décision sous 30 jours) ainsi qu’un réexamen du diplôme (art. 41) si celui-ci est refusé ou révoqué. La manière dont un établissement traite un résultat de détection d’IA, l’organe compétent pour instruire la demande et les délais applicables relèvent des règlements internes de chaque université : vous devez donc impérativement identifier la clause de recours et la date limite propres à votre établissement.

Si votre travail de fin d’études est signalé pour dépassement du seuil institutionnel de contenus générés par intelligence artificielle (AIGC), gardez à l’esprit que même s’il n’existe pas d’autorité nationale unique pour trancher ces litiges, des voies de réexamen légales sont prévues. Les enquêtes menées par les médias officiels (notamment l’Agence de presse Xinhua, China Media Group / China National Radio, Guangming Online et le Beijing Daily), ainsi que les directives publiées par les universités, montrent que les établissements chinois considèrent ces pourcentages automatisés comme de simples filtres de pré-sélection ou des signaux d’alerte. Pour savoir si un taux élevé d’IA équivaut à un manquement à l’intégrité académique, rappelons que le cadre juridique national — régi par la Loi sur les diplômes de la RPC et les règlements du ministère de l’Éducation — définit la fraude académique par des actes matériels précis (tels que le plagiat, la fabrication de données ou le recours à un prête-plume) et non par un score de similarité algorithmique. Toutefois, à l’échelle de l’établissement, dépasser un seuil conditionne directement l’autorisation de soutenir ou l’obligation d’effectuer des révisions. La gestion des dossiers s’effectue en interne : les étudiants déposent une réclamation formelle accompagnée des pièces attestant leur démarche d’écriture dans les délais impartis, après quoi le directeur de recherche et le comité académique de la faculté procèdent à une évaluation sur le fond.

Face à une alerte automatisée, les candidats à l’obtention d’un diplôme doivent garder à l’esprit deux principes fondamentaux :

  1. Produire des scores issus d’autres logiciels ne prouve en rien votre bonne foi : les universités chinoises évaluent les mémoires et thèses en se basant exclusivement sur la plateforme officielle désignée par l’établissement ou la faculté (telle que CNKI, VIP ou Wanfang). Présenter un score avantageux obtenu sur un site commercial non agréé n’a aucune valeur juridique ou administrative auprès des instances académiques ;
  2. Conserver l’historique des brouillons ne garantit pas automatiquement le succès d’un recours : les versions successives documentées constituent des preuves indispensables pour l’examen professoral, mais la décision finale dépend toujours de l’évaluation sur le fond menée par le comité académique quant à l’authenticité de votre recherche.

La seule démarche efficace consiste à cesser de débattre des scores logiciels : consultez sans attendre la note officielle de votre université pour identifier la clause de recours et la date limite de dépôt, sollicitez une révision humaine sur le fond auprès de votre directeur de recherche et de votre département, puis constituez un dossier de preuves en 6 volets comprenant l’approbation de votre sujet, vos brouillons successifs, l’historique des versions, vos notes de lecture et données brutes, l’export du rapport officiel complet, ainsi qu’une chronologie détaillée de vos recherches.

La réalité institutionnelle : réexamens légaux, règlements universitaires et rôle central des départements

Pour appréhender la manière dont les universités chinoises gèrent la détection de l’IA, il convient d’analyser les enquêtes journalistiques et les directives officielles publiées par les services des affaires académiques. Précisons d’emblée un point essentiel : les exemples documentés illustrent des pratiques institutionnelles qui varient selon les établissements et les années universitaires.

  1. Difficultés constatées par les médias et précédents de recours

Les enquêtes approfondies menées par les grands organes de presse mettent en lumière plusieurs réalités concrètes au sein des universités chinoises :

  • Manque d’encadrement initial et désarroi des étudiants : une enquête publiée par The Paper (澎湃新闻, juillet 2024, reprise par Guangming Online) a révélé que lors des premiers déploiements, certains établissements avaient mis en place des outils de filtrage sans prévoir de procédure de contestation, plaçant les étudiants dans une situation où "they had no appeal route and could only revise according to the machine's operational logic." (ils ne disposaient d’aucune voie de recours et ne pouvaient que modifier leur texte selon la logique de fonctionnement de la machine). Une analyse ultérieure diffusée par Guangming Online (« La réduction du taux d’IA des thèses est devenue un commerce : la détection de l’IA ne doit pas dégénérer en formalisme », juin 2026) a souligné que le filtrage technique ne devait pas sombrer dans un formalisme procédural pénalisant une écriture académique rigoureuse.
  • Faux positifs algorithmiques et précédent d’un recours victorieux : un reportage initialement diffusé par CCTV News (« Les thèses de fin d’études seront-elles soumises au taux d’AIGC : les critères de détection sont-ils scientifiquement fiables ? », 22 mai 2026, repris par le Beijing Daily, puis relayé par le compte WeChat de l’Agence Xinhua le 23 mai) a insisté sur le fait que les modèles statistiques génèrent des faux positifs face à une prose universitaire formelle et rigoureuse, tout en alertant les évaluateurs sur le risque de données de recherche forgées par l’IA. Fait déterminant, une enquête du Guangming Daily (reprise par China National Radio le 27 mai 2026 sous le titre « Mesurer le taux d’IA avec une IA : est-ce vraiment fiable ? ») a documenté un cas concret de recours institutionnel : une étudiante, Zhang Li (pseudonyme), avait reçu lors d’une relecture à l’aveugle par un tiers une note de 0 assortie d’un taux d’IA de 95 %, alors que la plateforme officielle de son université indiquait 27 %. Elle a immédiatement formé un recours, produisant son projet de recherche, son plan d’origine et les remarques de révision issues de ses différentes versions. Après avoir complété son dossier à plusieurs reprises et attendu les délibérations de la commission d’experts, son taux d’IA a finalement été ramené à 32 %, lui permettant d’obtenir la validation juste avant la date limite.
  • Dérives commerciales et cadre réglementaire : une enquête du Legal Daily (reprise par China National Radio en juillet 2025) a mis au jour les pratiques frauduleuses d’officines commerciales proposant de « faire baisser le taux d’IA », qui exploitent l’angoisse des étudiants en leur faisant courir des risques d’extorsion et de fuite de leurs écrits. L’autorisation de recourir à des outils d’aide à la rédaction ou à la réécriture dépend exclusivement du règlement de chaque établissement et des exigences de chaque formation ; les candidats doivent se référer aux directives de leur université plutôt que de se fier aux promesses commerciales garantissant une validation sans faille.
  1. Modalités d’application selon les règlements universitaires publiés

Les directives universitaires considèrent ces mesures automatisées comme de simples indicateurs de gestion administrative, et plusieurs règlements officiels prévoient expressément des procédures de recours et de réexamen :

  • Université du Sichuan : les directives du bureau des affaires académiques relatives au contrôle des manquements à l’intégrité pour la promotion 2025 (9 avril 2025) ont fixé des seuils indicatifs distincts pour les lettres et sciences humaines (ne devant pas dépasser 20 % en principe) et pour les filières scientifiques, techniques et médicales (ne devant pas dépasser 15 % en principe). La circulaire précisait expressément que "secondary colleges may independently select their AIGC detection tools... recommending students within the same college use the same system," (les facultés peuvent choisir librement leurs outils de détection d’AIGC… en recommandant aux étudiants d’une même faculté d’utiliser le même système), chargeant les départements d’en informer les directeurs de recherche et les étudiants pour traitement.
  • Université de sciences et technologies de Tianjin : la note du bureau des affaires académiques sur l’évaluation des mémoires de licence (9 avril 2024) stipule que les taux de détection d’AIGC doivent en principe rester inférieurs à 40 % (strictement < 40 %). Fait capital, ce document comporte une clause de contestation explicite : "Students who have objections to the similarity check or AIGC detection results may file an appeal with their college within the prescribed timeframe, and the college will review and handle it in accordance with relevant procedures," (les étudiants contestant les résultats de similarité ou de détection d’AIGC peuvent déposer un recours auprès de leur faculté dans le délai imparti ; la faculté examinera et traitera la demande conformément aux procédures applicables), la décision finale revenant au comité académique de la faculté.
  • Université normale d’Aba : la circulaire du bureau des affaires académiques relative à l’encadrement des outils d’IA pour les mémoires de licence (21 mars 2025) a fixé un seuil précis pour la promotion 2025 : "An AIGC detection rate $\le 35\%$ is deemed a pass" (un taux de détection d’AIGC $\le 35\%$ est réputé conforme) ; les travaux dépassant 35 % doivent être révisés dans un délai imparti en vue d’un second contrôle. La note instaure clairement une voie de recours formelle : "Students who have objections to the AIGC detection results may file an appeal within the prescribed timeframe for procedural review." (les étudiants contestant les résultats de détection d’AIGC peuvent former un recours dans le délai prescrit en vue d’un réexamen de la procédure). De surcroît, la directive enjoint aux encadrants de "periodically inspect original working files of phased research deliverables" (vérifier périodiquement les fichiers de travail originaux des étapes intermédiaires de recherche) et de "require students to provide human revision records when necessary." (exiger des étudiants, le cas échéant, la production des traces de révision manuelle).
  • Université d’ingénierie du Hebei : un article du Beijing Daily (19 juillet 2026) relève que plusieurs établissements, dont l’Université d’ingénierie du Hebei et l’Université d’aéronautique et d’astronautique de Nanjing, ont fixé à 40 % le seuil de tolérance pour les mémoires de licence.

Au sein de ces établissements, le traitement d’une alerte IA suit un cycle administratif interne bien défini : signalement lors du filtrage automatisé → consultation de la note universitaire pour identifier les clauses de recours et les délais → soumission des preuves de la démarche d’écriture et d’un mémoire explicatif → révision sur le fond menée par le directeur de recherche et le comité académique de la faculté.

Changement de perspective capital : solliciter une révision humaine sur le fond plutôt que contester des pourcentages

Les étudiants signalés par un outil d’analyse tombent fréquemment dans le piège consistant à vouloir « démontrer que l’algorithme a tort ». Il est pourtant fondamental de distinguer la contestation stérile des chiffres logiciels d’une véritable demande d’évaluation humaine :

Deux voies possibles face à une alerte d’IA :

  • La démarche inefficace (débattre des pourcentages) : acheter des analyses auprès d’outils tiers pour afficher un score plus bas, puis soutenir devant les enseignants que le logiciel de l’université est défaillant. Les instances académiques ne prennent en compte que la plateforme officiellement adoptée par l’établissement ; polémiquer sur des calculs probabilistes bloque le dialogue et risque de vous faire manquer les délais réglementaires de recours.
  • La démarche constructive (demander une révision humaine sur le fond) : vérifier la date limite de recours fixée par l’établissement, avertir son directeur de recherche en lui remettant le rapport officiel intégral, déposer un dossier de preuves en 6 volets assorti d’une chronologie détaillée, et solliciter un examen par le comité d’experts de la faculté fondé sur la réalité de votre travail de recherche.
  1. Pourquoi contester les pourcentages est voué à l’échec
  2. Les rapports d’outils tiers n’ont aucune valeur réglementaire : les universités et les départements souscrivent des licences auprès de plateformes spécifiques (comme CNKI, VIP ou Wanfang). Fournir un rapport commercial extérieur affichant 0 % ou 4 % n’a aucun poids institutionnel, dans la mesure où les corpus de comparaison et les modèles d’analyse varient radicalement d’un éditeur à l’autre.
  3. Le débat algorithmique conduit à une impasse : les détecteurs génèrent de simples estimations probabilistes fondées sur la prévisibilité du texte. Tenter d’expliquer à des professeurs que le modèle probabiliste est biaisé aboutit rarement, car les universitaires sont des spécialistes de leur discipline et non des ingénieurs en algorithmes d’apprentissage.
  1. En quoi consiste réellement une révision humaine sur le fond
  2. Revenir à l’essence du travail de recherche : une révision humaine sur le fond déplace l’interrogation de "how closely does the prose match an algorithmic pattern?" (dans quelle mesure ce texte correspond-il à un schéma algorithmique ?) vers "did the candidate personally conduct the investigation and write the thesis?" (le candidat a-t-il personnellement mené les recherches et rédigé ce travail ?).
  3. Mobiliser le jugement académique des enseignants : les comités de faculté et les directeurs de recherche disposent de l’autorité académique nécessaire pour attester l’authenticité d’un travail intellectuel. En examinant les données brutes de recherche, l’évolution des versions provisoires et les explications orales, les enseignants déterminent si le mémoire est le fruit d’un investissement intellectuel personnel.

Le dossier de preuves concret : six catégories indispensables pour attester votre démarche d’écriture

Lorsque vous sollicitez une évaluation sur le fond auprès de votre directeur de recherche ou de la commission académique, affirmer oralement que vous avez rédigé le texte vous-même ne suffit pas. Vous devez constituer un dossier de preuves complet, rigoureux et vérifiable.

[!IMPORTANT] Une mise en garde réaliste s’impose : conserver et produire ces documents ne garantit pas de façon absolue l’annulation de l’alerte. Leur fonction véritable est de fournir aux enseignants et aux jurys un ensemble d’éléments factuels continus et vérifiables, leur permettant d’apprécier objectivement l’authenticité de votre démarche d’auteur.

Un dossier de preuves méthodique s’articule autour des 6 catégories suivantes :

  1. Cahier des charges, projet de recherche approuvé et fiche de validation du sujet
  2. Contenu des pièces : cahier des charges initial, projet de recherche (kaiti baogao) et formulaires d’approbation du sujet visés par votre encadrant au début de l’année universitaire.
  3. Intérêt déterminant : atteste que l’orientation des recherches, le cadre théorique et le calendrier ont été validés plusieurs mois avant la rédaction, écartant ainsi tout soupçon de génération intégrale de dernière minute par une IA.
  1. Versions de travail intermédiaires datées
  2. Contenu des pièces : fichiers distincts sauvegardés aux différentes étapes du travail (plans initiaux, brouillons de chapitres, documents remis lors de l’évaluation de mi-parcours et versions révisées successives).
  3. Intérêt déterminant : ces documents jalonnant les différentes étapes illustrent l’évolution logique du projet, de la première ébauche au mémoire achevé. Si les horodatages du système d’exploitation apportent un faisceau d’indices utiles, ils restent modifiables ; la valeur probante principale repose sur la maturation intellectuelle visible d’une version à l’autre.
  1. Historique des versions et suivi des modifications dans vos logiciels de traitement de texte
  2. Contenu des pièces : historiques de révision intégrés de Microsoft Word, WPS Office ou des plateformes collaboratives en ligne. Pour obtenir des conseils pratiques sur la configuration des archives de versions, consultez notre guide pour conserver l’historique des versions dans WPS et Tencent Docs.
  3. Intérêt déterminant : une rédaction humaine authentique comporte d’innombrables remaniements de structure, réécritures de phrases, ajustements stylistiques et corrections de coquilles. Les journaux de révision détaillés et les commentaires consignés dans le logiciel attestent une composition progressive et réfléchie, excluant tout collage massif d’un texte extérieur.
  1. Notes de lecture, annotations bibliographiques et données de recherche brutes
  2. Contenu des pièces : Lettres et sciences humaines : fiches de lecture détaillées, articles universitaires au format PDF annotés et bases de données bibliographiques (ex. Zotero, EndNote) comportant les dates d’ajout initiales. Sciences, technologies et médecine : cahiers de laboratoire avec entrées datées, fichiers de sortie d’instruments, feuilles de calcul de données de sondages brutes, transcriptions d’entretiens audio ou scripts d’analyse statistique.
  3. Intérêt déterminant : les données empiriques brutes et les annotations personnelles de sources constituent la démonstration tangible d’un véritable labeur universitaire. Les grands médias ont rappelé que l’IA est également capable de fabriquer des données synthétiques, ce qui rend d’autant plus indispensables des relevés bruts vérifiables comportant des paramètres expérimentaux réels et des carnets de méthode. Cela fait écho aux circulaires comme celle de l’Université normale d’Aba, qui invite expressément les encadrants à vérifier les fichiers d’étape et les relevés de révision.
  1. Export intégral du rapport de détection officiel
  2. Contenu des pièces : le rapport PDF complet et non abrégé, téléchargé directement depuis la plateforme de détection agréée par l’université ou la faculté.
  3. Intérêt déterminant : la page récapitulative ne fait qu’afficher un pourcentage global. Seul le rapport exhaustif surligne chaque phrase signalée, vous permettant, avec votre directeur de recherche, de vérifier si l’alerte est causée par un jargon disciplinaire pointu, des citations d’usage ou des tournures syntaxiques répétitives.
  1. Note chronologique détaillée de la démarche de recherche
  2. Contenu des pièces : une note factuelle synthétique de 1 à 2 pages retraçant les grandes étapes de votre recherche et de votre rédaction : Date : proposition de sujet déposée et approuvée ; Date : revue de littérature initiale constituée à partir des bibliothèques et bases documentaires ; Date : mesures expérimentales réalisées ou enquête de terrain administrée ; Date : première version transmise à l’encadrant et consignation de ses premières remarques ; Date : révisions des chapitres effectuées d’après les retours de l’encadrant.
  3. Intérêt déterminant : relie entre eux des éléments de preuve épars au sein d’une chronologie limpide, permettant aux examinateurs de suivre pas à pas l’avancement de vos travaux sans avoir à décrypter un ensemble de fichiers désorganisés.

Plan d’action immédiat : la marche à suivre dès la réception d’une alerte IA

Si votre travail de fin d’études déclenche une alerte de détection d’IA dans votre établissement, suivez méthodiquement ces 5 étapes :

  • [ ] Étape 1 : préserver les brouillons originaux et les rapports d’analyse sans écraser vos fichiers dans la précipitation Gardez votre calme et ne cherchez pas à utiliser des outils commerciaux de réécriture pour brouiller les pistes. L’autorisation de recourir à des assistants de rédaction dépend des consignes de votre établissement et de votre formation. Évitez d’enregistrer à plusieurs reprises par-dessus votre fichier principal, au risque d’altérer les horodatages de version. Sauvegardez sans attendre la version déposée, l’ensemble de vos brouillons et le rapport officiel dans une archive sécurisée (un fichier ZIP, par exemple) stockée sur un support externe.
  • [ ] Étape 2 : consulter les règlements universitaires pour repérer les clauses de recours et les délais Consultez le portail des affaires académiques et le panneau d’affichage de votre faculté pour retrouver la directive de l’année en cours relative au contrôle des mémoires (comme celles publiées par l’Université de Tianjin Tech ou l’Université normale d’Aba). Identifiez avec précision la clause régissant les contestations de résultats (异议申诉), la commission compétente ainsi que la date limite de dépôt.
  • [ ] Étape 3 : prendre contact sans attendre avec votre directeur de recherche Votre encadrant est le premier garant académique de votre travail de fin d’études. Sollicitez un rendez-vous, transmettez-lui le rapport de détection intégral, réaffirmez avec clarté que votre recherche a été menée en toute indépendance et demandez-lui conseil pour enclencher la procédure de réexamen ou de recours institutionnel.
  • [ ] Étape 4 : réunir le dossier de preuves en 6 volets et rédiger la chronologie Rassemblez votre cahier des charges, vos versions de travail intermédiaires, l’historique de vos versions logicielles, vos notes bibliographiques et vos données empiriques en suivant la grille ci-dessus. Joignez-y une note chronologique objective et détaillée.
  • [ ] Étape 5 : déposer le recours officiel et préparer votre argumentation orale Déposez votre dossier de contestation auprès du comité académique ou du bureau d’enseignement de votre faculté dans les délais prescrits. Lors d’une évaluation humaine, la preuve irréfutable de votre statut d’auteur réside dans votre maîtrise intime du texte. Révisez soigneusement vos hypothèses, votre méthodologie et l’analyse de vos données afin de répondre aux questions du jury avec rigueur et assurance.

Sources et références officielles

Les enquêtes journalistiques, règlements universitaires et directives administratives cités dans cet article s’appuient sur les documents suivants (remarque : certaines circulaires institutionnelles étant archivées sur les intranets universitaires ou d’anciens panneaux d’affichage, les lecteurs peuvent en vérifier l’existence sur les portails des universités à partir de l’intitulé exact des notes) :

  1. The Paper / Guangming Online (澎湃新闻 / 光明网) : « 自己写的毕业论文,被确诊AI » (« Ma propre thèse de fin d’études a été diagnostiquée comme issue d’une IA »). Enquête journalistique menée par The Paper (publiée le 22 juillet 2024 ; reprise par Guangming Online), décrivant les difficultés initiales de mise en œuvre lorsque les étudiants ne disposaient d’aucune voie de recours et devaient réécrire leur texte pour satisfaire aux algorithmes. URL : `https://m.gmw.cn/2024-07/22/content_1303798841.htm`
  2. Guangming Online (光明网) : « 论文‘降AI率’已成生意,AI检测不能沦为形式主义 » (« La réduction du taux d’IA des thèses est devenue un commerce : la détection de l’IA ne doit pas dégénérer en formalisme »). Article d’opinion (publié le 11 juin 2026) analysant la marchandisation des services de réduction du taux d’IA et le formalisme procédural. URL : `https://guancha.gmw.cn/2026-06/11/content_38823723.htm`
  3. CCTV News / Beijing Daily (央视新闻 / 北京日报) : « 毕业论文将检测AIGC率,检测标准科学吗? » (« Les thèses de fin d’études seront-elles soumises au taux d’AIGC : les critères de détection sont-ils scientifiquement fiables ? »). Publié le 22 mai 2026 par le Beijing Daily (paru initialement sur le compte WeChat de CCTV News ; également relayé le 23 mai sur WeChat par l’Agence Xinhua), analysant les faux positifs algorithmiques sur la prose académique et appelant à la vigilance face aux données de recherche forgées par l’IA. URL : `https://news.bjd.com.cn/2026/05/22/11759420.shtml`
  4. Guangming Daily / China National Radio (光明日报 / 央广网) : « 用AI查AI率,真的靠谱吗 » (« Mesurer le taux d’IA avec une IA : est-ce vraiment fiable ? »). Enquête menée par le Guangming Daily (publiée le 27 mai 2026 ; reprise par CNR), documentant le recours d’une étudiante ayant obtenu un taux d’IA de 95 % lors d’une relecture à l’aveugle par un tiers (contre 27 % sur la plateforme de son université) et qui, en produisant son projet de recherche, son plan et les annotations de ses versions successives, a vu son taux ramené à 32 %. URL : `https://news.cnr.cn/rebang/20260527/t20260527_527637099.shtml`
  5. Legal Daily / China National Radio (法治日报 / 央广网) : « 代降论文AI率服务乱象调查:学生遭遇欺诈还被威胁 » (« Enquête sur les dérives des services de réduction du taux d’IA des thèses : des étudiants escroqués et menacés »). Enquête journalistique du Legal Daily (publiée le 14 juillet 2025 ; reprise par CNR) relative aux fraudes et aux extorsions orchestrées par des intermédiaires commerciaux. URL : `https://news.cnr.cn/native/gd/20250714/t20250714_527260647.shtml`
  6. Beijing Daily (北京日报客户端) : « 论文AI检测,正在‘逼疯’这届大学生 » (« La détection de l’IA dans les mémoires est en train de rendre fous les étudiants »). Publié le 19 juillet 2026 à 21:05. Documentant les seuils disciplinaires de 20 % et 15 % à l’Université du Sichuan, la délégation aux facultés à l’Université de technologie de Nanjing (Nanjing Tech), ainsi que les seuils de 40 % adoptés par l’Université d’ingénierie du Hebei et l’Université d’aéronautique et d’astronautique de Nanjing. URL : `https://xinwen.bjd.com.cn/content/s6a5ccb7de4b03fa51a81b89b.html`
  7. Bureau des affaires académiques, Université de sciences et technologies de Tianjin (天津科技大学教务处) : circulaire officielle sur le contrôle de similarité et la détection d’AIGC pour les mémoires de licence (publiée le 9 avril 2024 ; fixant un seuil strictement inférieur à 40 % et établissant une procédure de recours formelle devant les comités académiques des facultés). URL : `https://jw.tust.edu.cn/ggtz/65b256ce743a41fa82c3533e16009807.html`
  8. Bureau des affaires académiques, Université normale d’Aba (阿坝师范学院教务处) : circulaire sur l’encadrement de l’usage des outils d’IA dans les mémoires de licence (publiée le 21 mars 2025 ; établissant un seuil de conformité de $\le 35\%$ pour la promotion 2025, prévoyant des procédures de recours et de réexamen, et ordonnant aux encadrants de contrôler les fichiers de travail d’étape et les relevés de révision). URL : `https://jw.abtu.edu.cn/info/1131/4590.htm`
  9. Bureau des affaires académiques, Université du Sichuan (四川大学教务处) : circulaire sur le contrôle des manquements à l’intégrité académique dans les mémoires de licence de la promotion 2025 (publiée le 9 avril 2025 ; fixant des seuils indicatifs de $\le 20\%$ pour les lettres et sciences humaines et de $\le 15\%$ pour les sciences, technologies et médecine, et autorisant les facultés à choisir leurs outils de détection). URL : `https://jwc.scu.edu.cn/info/1069/9801.htm`
  10. Assemblée nationale populaire (全国人民代表大会) : Loi sur les diplômes de la République populaire de Chine (《中华人民共和国学位法》). URL : `http://www.npc.gov.cn/npc/c2/c30834/202404/t20240426_436840.html`

CONTINUER LA LECTURE