Une étude de cas d’entreprise signalée comme IA ? SWOT, Five Forces et deux types de ressemblance

Quand tout un groupe rend des documents qui se ressemblent, la première inquiétude est en général le plagiat. Ce réflexe pointe vers le mauvais rapport. Vous avez probablement deux chiffres entre les mains, et ils ne mesurent pas la même chose.

Un cadre d’analyse fait deux choses à votre texte. Il vous livre un vocabulaire fixe dans un ordre fixe : voilà pourquoi vos paragraphes ressemblent à ceux de vos camarades. Et il transforme votre rapport en une série de cases parallèles : voilà pourquoi vos cinq propres paragraphes se ressemblent entre eux.

Seul le second est ce à quoi un pourcentage d’écriture IA est conçu pour réagir. La description publiée par Turnitin de la notation IA est un processus par dépôt : le fichier est découpé en segments qui se chevauchent, chaque segment reçoit une probabilité, les scores de phrase sont regroupés et agrégés. Rien là-dedans ne compare votre document à celui de quelqu’un d’autre. La comparaison avec d’autres travaux, c’est l’autre chiffre, le score de similarité, défini par rapport à « Turnitin's comprehensive collection of content » (la collection exhaustive de contenus de Turnitin) ; et le fournisseur indique que les deux sont « completely independent and do not influence each other » (entièrement indépendants et sans influence l’un sur l’autre).

Il y a une troisième chose à savoir avant de toucher à quoi que ce soit, et c’est celle qui surprend les gens : dans une étude de cas saturée de cadres d’analyse, l’essentiel de ce que vous avez écrit n’est tout simplement pas noté. Le pourcentage est calculé sur les phrases de prose. Selon cette définition, une grille SWOT, un PESTEL en puces et une liste d’intitulés des cinq forces ne sont pas des phrases de prose.

Ces deux-là méritent d’être séparés avant de décider quoi que ce soit, parce que les étudiants apportent routinièrement la première inquiétude au second rapport.

Deux détails du côté de la similarité qui sont propres au langage des cadres d’analyse. Premièrement, les libellés de cadre sont courts. Le guide des filtres d’exclusion de Turnitin documente un réglage des petites correspondances : « By default, the threshold is 8 words, meaning that only matches 8 words or longer appear in the Similarity Report. You can increase this number, but 8 words is the minimum allowed value. » (Par défaut, le seuil est de 8 mots, ce qui signifie que seules les correspondances de 8 mots ou plus apparaissent dans le Similarity Report. Vous pouvez augmenter ce nombre, mais 8 mots est la valeur minimale autorisée.) Comparez vos propres chaînes de cadre à cela. « Threat of new entrants », c’est quatre mots. « Bargaining power of buyers », c’est quatre. « Forces, faiblesses, opportunités et menaces », c’est cinq. Le réglage n’est pas disponible dans la version classique du rapport, et vous ne pouvez pas l’activer ou le désactiver dans un sens comme dans l’autre. Huit mots, c’est la valeur par défaut une fois que quelqu’un active le filtre, pas un plancher qui s’applique que quelqu’un l’ait fait ou non — mais cela vous dit tout de même à partir de quelle longueur de correspondance le fournisseur traite quelque chose comme du bruit.

Deuxièmement, du côté de l’IA, le modèle ne cherche pas du tout des expressions partagées. La FAQ dit que les classificateurs « are trained to detect these differences in word probability and are adept at the particular word probability sequences of human writers » (sont entraînés à détecter ces différences de probabilité des mots et maîtrisent les séquences de probabilité de mots particulières aux rédacteurs humains), et ailleurs que le modèle « is not explicitly programmed to evaluate specific signals such as 'burstiness,' 'perplexity,' or other individual metrics sometimes referenced in public discussions » (n’est pas explicitement programmé pour évaluer des signaux spécifiques comme 'burstiness,' 'perplexity,' ou d’autres mesures individuelles parfois évoquées dans les discussions publiques). Rapport d’écriture IA de Turnitin et Similarity Report : la différence détaille la séparation complète si vous avez les deux chiffres devant vous.

La FAQ est explicite sur ce qui est analysé :

« This qualifying text includes only prose sentences, meaning that we only analyze blocks of text that are written in standard grammatical sentences and do not include other types of writing such as lists, bullet points (short non-sentence structures), or other non-sentence structures. » (Ce texte éligible ne comprend que des phrases de prose, ce qui signifie que nous n’analysons que des blocs de texte rédigés en phrases grammaticales standard et que nous n’incluons pas d’autres types d’écrits comme les listes, les puces (structures courtes qui ne sont pas des phrases) ou d’autres structures qui ne sont pas des phrases.)

Et sur ce dont le pourcentage est le pourcentage :

« As noted previously, this percentage is not necessarily the percentage of the entire submission. If text within the submission is not considered long-form prose text, it will not be included. » (Comme indiqué précédemment, ce pourcentage n’est pas nécessairement le pourcentage de l’ensemble du dépôt. Si un texte du dépôt n’est pas considéré comme un texte en prose de forme longue, il ne sera pas inclus.)

Parcourons maintenant un rapport de cas de MBA ordinaire et marquons ce qui survit à cette définition.

Ce tableau a deux conséquences, et le chiffre sur votre écran ne vous en montre aucune.

Votre pourcentage et celui de votre camarade ne sont pas comparables si vous avez agencé la même analyse différemment. Même contenu PESTEL, l’un en puces et l’autre en phrases complètes dans un tableau, et vous êtes notés sur des quantités de texte différentes.

Et le reste de prose éligible dans un rapport saturé de grilles peut être faible. Cela compte à cause de ce que la FAQ dit des petites quantités de texte : « In shorter documents where there are only a few hundred words, the prediction will be mostly 'all or nothing' because we're predicting on a single segment without the opportunity to overlap. » (Dans les documents plus courts où il n’y a que quelques centaines de mots, la prédiction sera surtout « tout ou rien », parce que nous prédisons sur un seul segment, sans possibilité de chevauchement.) En dessous de 300 mots de texte en prose, aucun rapport d’écriture IA n’est produit du tout. Si votre étude de cas de 3 000 mots est faite surtout d’exhibits et de puces, le pourcentage que vous avez sous les yeux a peut-être été calculé sur le commentaire de liaison et sur peu d’autre chose. Quels contenus l’IA de Turnitin ignore-t-elle ? traite des exclusions en général ; le point ici est que les mises en page par cadre modifient le dénominateur plus que presque tout autre format de devoir.

Turnitin publie une description du texte sur lequel tombent ses faux positifs :

« Sometimes false positives (incorrectly flagging human-written text as AI-generated), can include content without a lot of structural variation, text that literally repeats itself, or text that has been paraphrased without developing new ideas. » (Il arrive que les faux positifs, c’est-à-dire le fait de signaler à tort un texte écrit par un humain comme généré par l’IA, portent sur un contenu sans grande variation structurelle, un texte qui se répète littéralement, ou un texte paraphrasé sans développer de nouvelles idées.)

La prose de cadre correspond à cette description honnêtement, et pour des raisons qui n’ont rien à voir avec la personne qui écrit.

Le vocabulaire est fixé par la source. L’Institute for Strategy and Competitiveness de la Harvard Business School publie les cinq forces exactement sous ces noms : Threat of New Entrants, Bargaining Power of Suppliers, Bargaining Power of Buyers, Threat of Substitute Products or Services, Rivalry Among Existing Competitors. Michael Porter les a exposées pour la première fois dans un article de 1979 du Harvard Business Review. Ces chaînes ne sont pas à vous pour les faire varier, et aucun correcteur ne le souhaite.

L’ordre est une convention, pas une doctrine. La page de l’ISC elle-même les liste avec les substituts en premier et les nouveaux entrants en quatrième, ce qui n’est pas l’ordre du paragraphe ci-dessus. Ce qui est fixe, c’est la phrase qui termine chaque bloc. Le mouvement caractéristique est un verdict dans un cadre fixe : la force, la note, une proposition de justification. Faites cela cinq fois et vous aurez écrit cinq phrases de structure identique avec des noms interchangés, ce qui décrit assez bien « content without a lot of structural variation » (un contenu sans grande variation structurelle).

J’ai aussi vérifié si tout cela était documenté comme un cas particulier.

Ce que j’ai compté. Le 27 août 2026, j’ai lu le texte rendu des trois pages Turnitin qui définissent l’AI Writing Report : Using the AI Writing Report (6 492 caractères), la FAQ sur les capacités de détection de l’écriture IA (30 987), et les notes de mise à jour du AI writing detection model (9 233). Recherches sur les trois : `SWOT` 0 · `PESTEL` 0 · `PESTLE` 0 · `Porter` 0 · `case study` 0 · `business` 0 · `marketing` 0 · `discipline` 0 · `genre` 0. Le seul résultat pour `framework` est le fournisseur qui décrit son propre cadre de test. Vérification de sensibilité sur le même texte : `prose` 13 · `qualifying` 15 · `bibliograph` 4. `subject area` revient trois fois, toujours sur la page FAQ et toujours pour décrire l’échantillon d’entraînement : une fois sous la forme « academic writing across geographies and subject areas » (l’écriture académique à travers les zones géographiques et les domaines disciplinaires), puis deux fois dans une liste répétée de « less common subject areas such as anthropology, geology, sociology, and others » (domaines disciplinaires moins courants comme l’anthropologie, la géologie, la sociologie et d’autres).

Il n’y a donc pas de dérogation pour les écoles de commerce, dans aucun des deux sens. Le modèle ne distingue pas une étude de cas d’un rapport de laboratoire, et la documentation ne prétend pas le contraire.

La partie « cadre » d’une étude de cas est censée être interchangeable. C’est tout l’intérêt d’un cadre. L’analyse est censée être la partie que vous seul pouviez écrire, et dans la plupart des rapports les deux se trouvent dans le même paragraphe, dans le même registre : c’est ce qui rend le document uniforme.

Des gestes concrets qui les séparent :

1. Donnez au verdict et au raisonnement des formes de phrase différentes. Si la phrase de notation est un cadre fixe, laissez-la l’être, mais n’écrivez pas la phrase suivante dans un cadre fixe elle aussi. Une ligne de notation courte et plate suivie d’un paragraphe argumentatif plus long ne se lit pas comme cinq hybrides identiques.
2. Nommez le chiffre, la date et la source. Une phrase qui rattache le pouvoir des fournisseurs aux deux fabricants sous contrat que vous nommez dans votre propre Exhibit 4, et à l’année de rachat du second, porte une information que « le pouvoir des fournisseurs est élevé en raison de la concentration du secteur » ne porte pas. La seconde phrase, n’importe qui n’ayant rien lu peut l’écrire à propos de n’importe quel secteur.
3. Dites où le cadre échoue pour cette entreprise. Un paragraphe qui explique que la force des substituts est à peu près dépourvue de sens dans un marché régulé avec un monopole légal, c’est de l’analyse. La noter « faible » et passer à la suite, c’est remplir un formulaire.
4. Supprimez une case et justifiez l’absence en une phrase. Traiter avec la même longueur des forces qui n’ont pas la même importance, c’est exactement la structure plate que décrit le fournisseur, et cela dépense le même nombre de mots pour une force qui vaut une phrase que pour une force qui vaut une page.
5. Écrivez la recommandation avant les cadres, puis vérifiez s’ils la soutiennent. Les rapports assemblés en commençant par le cadre finissent souvent par une conclusion qui répète les cases. Une note de mise à jour de Turnitin de 2023 a observé des faux positifs concentrés dans la première et la dernière phrase des documents, « written in a generic way » (rédigées de manière générique), et la logique de détection a été modifiée pour réduire cela ; l’habitude d’écriture sous-jacente n’a pas bougé. Pourquoi les introductions et les conclusions sont signalées comme IA reproduit la note en entier.

Je ne vous dis pas ce qu’un pourcentage fait ensuite, et personne d’honnête ne le fera. Ce que la liste ci-dessus décrit, c’est quels paragraphes d’une étude de cas sont les vôtres et lesquels appartiennent au cadre, et cette ligne mérite d’être tracée, qu’un détecteur soit impliqué ou non.

Supposons que le rapport est revenu et que quelque chose doit changer. L’ordre compte, parce qu’une étude de cas est l’un des documents les plus faciles à abîmer en le réécrivant.

1. Lisez les surlignages, pas le pourcentage. L’endroit où tombent les surlignages vous dit si le modèle a réagi à votre commentaire de liaison ou à votre recommandation. Le chiffre, non.
2. Laissez les libellés du cadre tranquilles. Ce sont des termes consacrés. Qui vérifie si vous avez correctement appliqué Porter veut voir les cinq noms.
3. Laissez les exhibits, les ratios et les chiffres tranquilles. Ce n’est pas de la prose éligible, et c’est la partie du document où une erreur est fatale.
4. Commencez par les paragraphes d’analyse. C’est la partie qu’une réécriture peut légitimement toucher, et si le rapport est ressorti uniforme, c’est aussi la partie qui était mince dès le départ.
5. Relisez entièrement tout ce que vous avez touché. Chaque paragraphe modifié est un paragraphe que vous devez désormais confronter aux chiffres de vos propres exhibits. C’est ce coût-là, et non la réécriture, qui rend chères les passes sur le document entier.

Le point cinq est la raison pour laquelle le périmètre compte plus que tout dans un outil. L’outil HumanPen travaille sur le fichier et non sur un extrait collé : un DOCX est téléversé et un DOCX modifiable revient, avec la structure, la terminologie, les citations, la mise en page et les styles laissés tels quels. Pour un rapport plein de tableaux et d’exhibits, c’est la différence entre un travail et un après-midi de reformatage. Vous marquez vous-même les passages, ou vous le pointez vers le rapport IA que vous avez déjà de Turnitin ou iThenticate et le laissez choisir les passages signalés ; dans les deux cas il ne réécrit que ceux-là et laisse tout le reste tranquille. Le paragraphe est la plus petite unité touchée, et la sélection élargie vous est présentée pour approbation d’abord, pour que vous sachiez exactement combien de paragraphes vous vous êtes engagé à relire. Les passages éligibles peuvent être relancés gratuitement.

Nous étions trente à écrire le même SWOT. Est-ce que cela apparaîtra comme de l’IA ? Pas par ce mécanisme. Le pourcentage d’écriture IA est décrit comme une classification par dépôt de votre propre texte en segments qui se chevauchent, pas comme une comparaison avec d’autres dépôts, et la FAQ indique qu’il n’existe « no separate repository for AI writing detection » (aucun dépôt séparé pour la détection de l’écriture IA). Le texte partagé avec d’autres travaux relève de la similarité, un chiffre différent, avec ses propres filtres.

La grille SWOT elle-même est-elle notée ? Les puces et les autres structures qui ne sont pas des phrases sont documentées comme hors analyse. Les phrases de prose complètes dans un tableau sont un autre cas : une note de mise à jour d’août 2023 indique que la prose de forme longue dans les tableaux est désormais traitée, les dépôts existants devant être redéposés pour être retraités. Le même PESTEL peut donc entrer ou non dans le dénominateur selon la façon dont vous l’avez mis en page.

Mon étude de cas est revenue à 100 %. Ce n’est que 900 mots de prose réelle. Cette combinaison mérite d’être lue à la lumière de la propre mise en garde de la FAQ sur les textes courts : « In shorter documents where there are only a few hundred words, the prediction will be mostly 'all or nothing' because we're predicting on a single segment without the opportunity to overlap. » (Dans les documents plus courts où il n’y a que quelques centaines de mots, la prédiction sera surtout « tout ou rien », parce que nous prédisons sur un seul segment, sans possibilité de chevauchement.) Un rapport saturé de grilles peut contenir bien moins de prose éligible que son nombre total de mots ne le suggère. Documents courts et le problème du tout ou rien dans Turnitin explique la mécanique des segments.

Dois-je arrêter d’utiliser des cadres ? Non, et vos critères d’évaluation les exigent probablement. Ce que vous pouvez changer, c’est la proportion : moins de place pour étiqueter les cases, plus pour le jugement que les cases étaient censées étayer. C’est un meilleur rapport, et un rapport moins uniforme.

Puis-je simplement apporter le pourcentage à mon tuteur et soutenir qu’il s’agit d’un faux positif ? Vous pouvez en parler, et les propres mots du fournisseur vous aident. Son guide d’utilisation du rapport d’écriture IA dit que l’indicateur « may not always be accurate » (peut ne pas toujours être exact) et « should not be used as the sole basis for adverse actions against a student » (ne doit pas servir de seule base à des mesures défavorables à un étudiant). Sa FAQ de détection, dans le passage sur les faux positifs, conseille de prendre le texte structurellement uniforme « into consideration when looking at the percentage indicated » (en considération lorsqu’on examine le pourcentage indiqué). Rien de tout cela ne prouve qui a écrit le document. Ce que signifie un taux de faux positifs de 1 % lorsqu’une université soumet 75 000 copies est la version honnête du calcul.