Votre université impose-t-elle un taux d’IA inférieur à X % ? Ce qu’exigent réellement les mémoires et thèses en Chine (licence, master, doctorat)
Les tableaux qui circulent massivement et affirment l’existence de plafonds nationaux de 30 % pour la licence et de 10 % à 20 % pour les cycles supérieurs relèvent d’arguments marketing commerciaux non vérifiés. Les règles relatives à l’IA dans les universités chinoises sont fixées localement et documentées pour l’essentiel au niveau de la licence. Ce guide passe en revue des cas institutionnels vérifiés et détaille la distinction fondamentale entre seuils de filtrage et constats formels de manquement à l’intégrité académique.
L'équipe HumanPen
· 11 min de lecture
Votre université exige un taux d’IA inférieur à X % : quels sont les chiffres réels ?
Dans l’état actuel des recherches et des politiques publiques accessibles, aucun seuil national de validation ni aucun pourcentage légal d’IA n’a été instauré pour les mémoires et thèses de fin d’études.
Si vous rencontrez sur les moteurs de recherche ou les réseaux sociaux des tableaux comparatifs bien ordonnés affirmant que "undergraduates cannot exceed 30%, master's theses cannot exceed 20%, and doctoral dissertations cannot exceed 10%," (les étudiants de licence ne doivent pas dépasser 30 %, les mémoires de master 20 % et les thèses de doctorat 10 %), sachez que ce barème ne constitue pas une règle nationale. Pour les mémoires de master et thèses de doctorat, les registres publics institutionnels ne font état d’aucun seuil chiffré universel vérifié. Des seuils applicables à l’ensemble des cycles supérieurs existent bien dans certains établissements et varient d’une université à l’autre (par exemple, les directives pilotes de l’école doctorale de l’Université de finance et d’économie de Lanzhou applicables à compter du 2026-01-01 fixent "博士学位论文:≤15%" (thèses de doctorat : ≤ 15 %), "全日制硕士学位论文:≤20%" (mémoires de master à temps plein : ≤ 20 %) et "非全日制硕士学位论文:≤25%" (mémoires de master à temps partiel : ≤ 25 %), les thèses dépassant ces normes devant être révisées et validées par un second contrôle avant examen et soutenance ; de son côté, l’école doctorale de l’Université de finance et d’économie du Guangdong impose depuis le 2025-04-01 un avertissement et une révision pour les mémoires de master dont le résultat d’AIGC est "超过40%" (supérieur à 40 %)) ; les étudiants des cycles supérieurs doivent impérativement consulter les directives officielles en vigueur émises par leur propre établissement et département.
En pratique, les universités chinoises établissent leurs propres règles relatives aux contenus générés par intelligence artificielle (AIGC), et certaines délèguent directement la fixation des critères précis à leurs différentes facultés ou départements. Les exemples publics actuellement documentés demeurent peu nombreux et proviennent presque exclusivement des consignes pour les thèses de licence. Les chiffres publiés varient nettement d’un établissement à l’autre, s’échelonnant entre 15 %, 20 %, 25 %, 35 % et 40 %. Dans la mesure où cette étude ne constitue pas un recensement exhaustif de l’ensemble des universités chinoises, appliquer un chiffre forfaitaire non vérifié sans tenir compte de l’établissement, de la discipline et de l’année universitaire n’a aucune validité.
Règlements institutionnels documentés : ce qu’indiquent les avis et rapports officiels
Pour comprendre les exigences institutionnelles relatives au filtrage par IA des thèses et mémoires, il convient d’examiner les enquêtes journalistiques accessibles au public ainsi que les circulaires administratives publiées par les directions des études. Pour consulter un tableau comparatif d’introduction portant sur quatre universités chinoises aux côtés de repères internationaux, reportez-vous à notre guide sur quel pourcentage d’IA est acceptable ; les sections ci-dessous analysent la manière dont les avis officiels chinois formulent concrètement ces chiffres en pratique. Il convient de souligner d’emblée que les exemples documentés sont en nombre limité, reflètent essentiellement les exigences de licence et ne constituent pas un inventaire national exhaustif.
Les cas documentés ci-dessous illustrent les pratiques institutionnelles précises identifiées dans les archives publiques :
- Différenciation des seuils selon la discipline académique : l’Université du Sichuan
D’après une enquête journalistique du Beijing Daily (2026-07-19, Thesis AI Detection Is Pushing College Students to the Brink) et les circulaires administratives de la direction des études de l’Université du Sichuan (2026-04-08, citant 川大教〔2025〕28号), l’établissement a fixé des exigences distinctes selon les filières académiques pour les thèses de licence :
- Sciences humaines et sociales : la proportion de contenus générés par IA ne doit en principe pas dépasser 20 % ;
- Sciences, technologies, ingénierie, mathématiques (STEM) et médecine : la proportion de contenus générés par IA ne doit en principe pas dépasser 15 %.
Cette même circulaire précise que chaque faculté peut choisir son propre outil de détection de l’AIGC ("学院可以自行选择AIGC检测工具" (les facultés peuvent choisir de manière autonome leur outil de détection d’AIGC)).
- Délégation des normes aux facultés secondaires : Nanjing Tech (Université de technologie de Nanjing)
Selon ce même article du Beijing Daily (2026-07-19), Nanjing Tech n’a pas instauré de plafond uniforme à l’échelle de l’ensemble du campus au niveau de l’administration centrale. L’université a plutôt autorisé ses facultés secondaires à formuler des modalités d’application spécifiques fondées sur les caractéristiques de chaque discipline. Par conséquent, les étudiants de différents départements d’un même établissement sont soumis à des critères d’évaluation distincts.
- Universités fixant un plafond ou une note éliminatoire à 40 % : TUST, NUAA, Université d’ingénierie du Hebei et École normale du Guangxi
- Université de sciences et technologies de Tianjin (TUST) : l’avis de la direction des études (2024-04-09) indique que "AIGC检测结果显示的智能生成内容比例原则上不超过40%(不含40%)" (la proportion de contenu généré par IA affichée par les résultats de détection de l’AIGC ne doit en principe pas dépasser 40 %, 40 % non inclus). Au-delà de ce taux, les étudiants reçoivent un avertissement, doivent réviser leur travail et se soumettre à un nouveau test ; les facultés peuvent formuler des exigences professionnelles plus spécifiques en complément des directives de l’établissement ("更具体、更专业的要求" (exigences plus spécifiques et plus professionnelles)).
- Université d’aéronautique et d’astronautique de Nanjing (NUAA) : la circulaire de la direction des études pour la promotion de licence 2026 stipule que "AIGC比例高于40%或未按规定时限提交AIGC检测的,检测结果视为不通过" (un taux d’AIGC supérieur à 40 % ou le non-respect des délais de soumission au test d’AIGC est considéré comme un échec). Les étudiants recalés ne peuvent pas participer à la première session de soutenance, qui est reportée d’au moins un mois. Des articles du Beijing Daily et de Xinhua décrivent également cela comme une règle générale de l’université selon laquelle la proportion d’AIGC ne doit pas dépasser 40 % ("规定AIGC比例不得高于百分之四十" (stipule que la proportion d’AIGC ne doit pas dépasser quarante pour cent)).
- Université d’ingénierie du Hebei : le Beijing Daily (2026-07-19) a rapporté que l’université fixe un plafond d’AIGC en licence avec la mention "不得高于百分之四十" (ne doit pas dépasser quarante pour cent) ; la circulaire interne de l’établissement datée du 2026-04-24 est restreinte au réseau du campus et ne peut être consultée de l’extérieur.
- École normale du Guangxi : le Beijing Daily (2026-07-19) et Xinhua ont tous deux rapporté que l’École normale du Guangxi applique une règle générale à l’ensemble de l’université disposant que la proportion d’AIGC "不得高于百分之四十" (ne doit pas dépasser quarante pour cent).
- Instauration d’un seuil d’admissibilité uniforme de 35 % sur l’ensemble du campus : l’Université normale d’Aba
Les circulaires de la direction des études de l’Université normale d’Aba établissent un seuil de validation uniforme pour l’ensemble du campus : un avis sur l’usage des outils d’IA daté du 2025-03-21 indique que "AIGC检测率≤35%,则视为通过" (un taux de détection d’AIGC ≤ 35 % est considéré comme validé), tandis que la circulaire du 2026-03-31 pour la promotion 2026 précise que "AIGC小于35% … 则检测通过,可参加毕业答辩;如检测结果大于规定标准,则检测不通过" (un taux d’AIGC inférieur à 35 % est validé et qualifie pour la soutenance de fin d’études ; si le résultat est supérieur à la norme fixée, le test n’est pas validé).
Tableaux comparatifs trompeurs et règles d’usage des outils La comparaison de ces cas documentés démontre que les seuils publiés pour les cycles de licence et d’études supérieures varient selon les établissements, oscillant entre 15 %, 20 %, 25 %, 35 % et 40 %, tandis que d’autres universités laissent l’entière appréciation des normes à leurs départements. Le tableau largement relayé sur Internet affirmant "30% for bachelors, 20% for masters, 10% for PhDs" (30 % pour la licence, 20 % pour le master, 10 % pour le doctorat) ne constitue pas une réglementation nationale établie ; bien que des barèmes échelonnés existent dans quelques rares universités (comme les paliers 15 % / 20 % / 25 % à l’Université de finance et d’économie de Lanzhou), les règles diffèrent considérablement d’un établissement à l’autre, et les lecteurs ne doivent en aucun cas prendre une formule trouvée en ligne pour une règle universelle.
La possibilité pour les étudiants d’utiliser des outils de reformulation assistée par IA, d’humanisation ou d’édition dépend exclusivement des règles d’intégrité académique propres à leur établissement, à leur département et au travail demandé. Tandis que certaines institutions autorisent le polissage linguistique sous réserve d’une mention explicite, d’autres interdisent rigoureusement toute assistance générative. Les lecteurs doivent se référer aux règlements de leur propre établissement plutôt que de présumer que tous les outils sont automatiquement permis ou universellement bannis, et ne doivent jamais se fier aux promesses marketing commerciales garantissant des résultats aux détecteurs.
Trois notions bien distinctes : seuil de filtrage initial, seuil d’alerte et constat d’infraction académique
L’angoisse suscitée par les pourcentages de détection provient en grande partie du fait que les étudiants prennent un score automatisé pour un verdict institutionnel définitif. Dans la gestion universitaire, il s’agit en réalité de trois étapes progressives et distinctes :
- Étape 1 (Filtrage automatisé) : un logiciel analyse le texte et génère un pourcentage statistique automatisé ;
- Étape 2 (Avertissement et examen par le département) : si le résultat franchit un seuil institutionnel, il déclenche une alerte consultative, un examen par le corps enseignant ou une obligation de révision et de recontrôle ; les conséquences varient sensiblement selon les universités (allant de révisions obligatoires à un report de soutenance), et les candidats doivent se conformer aux consignes de leur propre établissement ;
- Étape 3 (Enquête de fond sur d’éventuels manquements) : en cas de soupçon de plagiat, de fabrication de données, de recours non autorisé à un prête-plume ou d’atteintes graves à l’intégrité, les commissions académiques compétentes de l’université ou du département engagent une procédure formelle et une évaluation sur le fond.
- Seuil de filtrage automatisé (机检初筛阈值)
Il s’agit du score initial produit par une plateforme d’analyse automatisée (telle que CNKI ou VIP) après analyse du manuscrit.
- Nature : il s’agit d’une estimation algorithmique fondée sur des modèles statistiques textuels, servant de filtre préliminaire automatisé.
- Limites : les outils automatisés ne peuvent pas analyser le processus réel de rédaction ou de recherche d’un auteur. Une terminologie hautement standardisée ou des structures formelles de citation peuvent faire grimper les pourcentages. Par conséquent, un score de filtrage initial ne constitue qu’un repère administratif.
- Seuil d’alerte et examen par le département (预警整改线)
Lorsqu’un résultat préliminaire dépasse le seuil publié par un établissement, il déclenche une procédure de vérification administrative et non une décision disciplinaire immédiate.
- Procédure habituelle : l’étudiant et son directeur de recherche reçoivent une notification d’alerte automatique.
- Régularisation : les conséquences précises varient selon les établissements. Certaines universités exigent une révision suivie d’un nouveau test obligatoire (comme TUST et l’Université normale d’Aba), d’autres considèrent tout dépassement comme un échec immédiat entraînant le report de la soutenance d’au moins un mois (comme NUAA), tandis que d’autres encore imposent des corrections pour se conformer aux normes avant la soutenance ou l’évaluation en double aveugle. Les étudiants doivent impérativement consulter les directives de leur département pour connaître la marche à suivre, qu’il s’agisse de fournir l’historique des brouillons, de remanier les passages signalés ou d’effectuer un nouveau test formel.
- Constat formel de manquement à l’intégrité (学术不端认定)
La fraude académique relève d’une qualification disciplinaire formelle régie par les règlements d’intégrité institutionnels. Pour une analyse détaillée des raisons pour lesquelles un signalement automatisé ne constitue pas en soi une infraction à l’intégrité selon les statuts universitaires, découvrez si un taux d’IA élevé constitue un manquement à l’intégrité académique.
- Autorité institutionnelle : un score de détection automatisé ne fournit qu’un repère algorithmique, tandis que le pouvoir d’évaluation réel appartient aux directeurs de recherche, aux commissions académiques des facultés ou aux instances d’examen de l’établissement.
- Enquête humaine : le traitement final des thèses et mémoires signalés relève des procédures propres à chaque établissement (par exemple, TUST délègue la décision finale aux commissions académiques de ses facultés secondaires) ; la vérification des traces réelles de recherche (telles que les propositions de sujet, l’historique des versions successives des brouillons, les cahiers de laboratoire et les données empiriques) demeure le socle probatoire fondamental pour trancher les questions d’intégrité.
Pourquoi les systèmes de détection divergent et les disciplines diffèrent
Étudiants et enseignants constatent fréquemment des variations considérables de scores d’un outil à l’autre et d’un domaine d’études à l’autre :
- Les plateformes de détection utilisent des algorithmes et des bases de référence différents
CNKI, VIP, Wanfang et les systèmes internationaux reposent sur des algorithmes de classification et des bases de données de référence distincts. Un même fichier de thèse soumis à différents outils commerciaux produira très souvent des pourcentages divergents. Par conséquent, effectuer des pré-tests non autorisés sur des sites commerciaux ne fournit aucunement une indication fiable du résultat officiel de votre établissement.
- Différences intrinsèques dans les styles rédactionnels selon les disciplines
Cette disparité structurelle explique pourquoi des universités comme celle du Sichuan appliquent des seuils distincts selon les domaines disciplinaires :
- Sciences humaines et sociales : les écrits reposent sur de longs développements argumentatifs, des synthèses théoriques et des analyses bibliographiques contextuelles.
- Sciences (STEM) et médecine : les mémoires et thèses exigent des protocoles expérimentaux standardisés, une terminologie universelle, des formules mathématiques et des descriptions techniques hautement structurées. Dans la mesure où les conventions de rédaction scientifique recourent naturellement à des tournures figées, appliquer un algorithme unique et uniforme à toutes les disciplines risque d’engendrer des distorsions, ce qui conduit certains établissements à adopter des seuils différenciés ou à laisser la décision aux départements.
Liste de contrôle des sources : vérifier les règles exactes de votre cursus
Plutôt que de se fier à des discussions informelles sur les forums, les étudiants diplômants doivent vérifier méthodiquement les exigences officielles de leur filière à l’aide de cette liste de contrôle en 5 étapes :
- [ ] 1. Consultez la directive de l’année en cours émise par la direction des études ou l’école doctorale Rendez-vous sur le portail officiel de votre université pour consulter les consignes relatives aux travaux de fin d’études de l’année académique en cours. Ne vous basez pas sur des circulaires obsolètes des promotions antérieures.
- [ ] 2. Vérifiez les règles d’application de votre département ou faculté Renseignez-vous auprès du secrétariat pédagogique ou de votre conseiller pour savoir si votre faculté a publié des critères d’application détaillés et spécifiques à votre spécialité.
- [ ] 3. Confirmez la plateforme officielle désignée par votre établissement ou faculté Vérifiez si l’université ou votre faculté utilise CNKI, VIP, Wanfang ou un autre système (sachant que certains établissements, comme l’Université du Sichuan, autorisent chaque composante à choisir ses propres outils de détection d’AIGC), et déposez vos travaux exclusivement par les canaux officiels plutôt que sur des services tiers.
- [ ] 4. Clarifiez la procédure d’examen et de régularisation en cas de dépassement du seuil d’alerte Identifiez le protocole précis de l’établissement : combien de nouvelles soumissions sont autorisées, et quelle explication écrite ou dossier de suivi de rédaction devez-vous remettre à votre directeur de recherche ?
- [ ] 5. Conservez des preuves vérifiables de votre processus de recherche et de rédaction Gardez précieusement les fichiers de brouillons horodatés, les historiques de modifications, les fiches de lecture, les données brutes de laboratoire et les résultats d’enquêtes tout au long de vos recherches. Ces éléments matériels originaux constituent la preuve concrète et irréfutable d’une paternité intellectuelle indépendante.
Sources et références documentaires
Les enquêtes de presse et avis institutionnels cités dans cet article comprennent les documents suivants (remarque : certaines circulaires peuvent être archivées sur des pages internes ou exiger des identifiants d’accès au réseau du campus ; nous conseillons aux lecteurs d’effectuer une recherche sur les portails universitaires par le titre de la circulaire) :
- Beijing Daily (application mobile 北京日报客户端) : "论文AI检测,正在‘逼疯’这届大学生" (Thesis AI Detection Is Pushing College Students to the Brink (La détection d’IA dans les thèses pousse cette promotion d’étudiants à bout)). Enquête publiée le 2026-07-19 mentionnant les seuils par discipline de l’Université du Sichuan (sciences humaines ≤ 20 %, sciences/médecine ≤ 15 %), la délégation aux facultés à Nanjing Tech, ainsi que les règles générales à NUAA, à l’Université d’ingénierie du Hebei et à l’École normale du Guangxi ("规定AIGC比例不得高于百分之四十" (stipule que la proportion d’AIGC ne doit pas dépasser quarante pour cent)). URL : `https://xinwen.bjd.com.cn/content/s6a5ccb7de4b03fa51a81b89b.html`
- Direction des études, Université de sciences et technologies de Tianjin (天津科技大学教务处) : avis relatif au contrôle du plagiat et au filtrage de l’AIGC pour les thèses de licence (publié le 2024-04-09, stipulant que la part de contenu généré par IA ne doit en principe pas dépasser 40 %, 40 % non inclus, avec émission d’avertissements, corrections et recontrôles pour les scores dépassant ce seuil). URL : `https://jw.tust.edu.cn/ggtz/65b256ce743a41fa82c3533e16009807.html`
- Direction des études, Université d’aéronautique et d’astronautique de Nanjing (南京航空航天大学教务处) : "关于做好2026届本科毕业设计(论文)后期工作的通知" (Avis relatif à la finalisation des travaux de thèse et projets de fin d’études de licence de la promotion 2026, publié le 2026-04-16, stipulant qu’un taux d’AIGC supérieur à 40 % ou la non-soumission dans les délais impartis est considéré comme un échec et interdit à l’étudiant de se présenter à la première session de soutenance). URL : `https://aao.nuaa.edu.cn/2026/0415/c8230a396991/page.htm`
- Direction des études, Université d’ingénierie du Hebei (河北工程大学教务处) : circulaire administrative interne (avis interne daté du 2026-04-24 restreint au réseau du campus ; seuil de 40 % confirmé par les enquêtes de presse). URL : `https://jiaowu.hebeu.edu.cn/`
- Direction des études, Université normale d’Aba (阿坝师范学院教务处) : "阿坝师范学院本科生毕业论文规范使用AI工具的通知" (Avis relatif à l’encadrement de l’usage des outils d’IA dans les thèses de licence à l’Université normale d’Aba, 2025-03-21, fixant le seuil de validation à un taux d’AIGC ≤ 35 %) et "阿坝师范学院教务处关于启动2026届本科生毕业论文(设计)学术不端、形式规范检测和AIGC检测工作的通知" (Avis de la direction des études relatif au lancement des contrôles de manquements académiques, de conformité formelle et de détection d’AIGC pour les thèses de licence de la promotion 2026, 2026-03-31, stipulant qu’un taux d’AIGC inférieur à 35 % est validé et autorise la soutenance). URL : `https://jw.abtu.edu.cn/info/1100/4592.htm` / `https://jw.abtu.edu.cn/info/1100/5094.htm`
- Direction des études, Université du Sichuan (四川大学教务处) : "关于开展2026届本科毕业论文(设计)学术不端行为检测工作的通知" (Avis relatif à la réalisation des contrôles de manquements académiques pour les projets et mémoires de licence de la promotion 2026, publié le 2026-04-08, citant 川大教〔2025〕28号, fixant les seuils à ≤ 20 % pour les sciences humaines et ≤ 15 % pour les sciences et la médecine, et autorisant chaque faculté à choisir ses propres outils de détection d’AIGC). URL : `https://jwc.scu.edu.cn/info/1069/10518.htm`
- Science and Technology Daily / The Paper (科技日报 / 澎湃新闻) : "毕业论文将检测AIGC率,检测标准科学吗?" (Graduation Theses to Test AIGC Rate: Are Detection Standards Scientifically Sound? (Le taux d’AIGC va être testé sur les thèses de fin d’études : les normes de détection sont-elles scientifiquement fondées ?)). Enquête publiée le 2026-05-22 examinant les limites algorithmiques et les réflexions institutionnelles. URL : `https://m.thepaper.cn/newsDetail_forward_33210288`
- China National Radio (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" (Investigation into Deceptive 'AI Rate Lowering' Services: Students Defrauded and Threatened (Enquête sur les dérives des services promettant de réduire le taux d’IA des thèses : des étudiants victimes d’escroqueries et de menaces)). Enquête publiée le 2025-07-14 (initialement rapportée par le Legal Daily / 法治日报) documentant des fraudes, des réécritures de médiocre qualité et des chantages menaçant de dénoncer les thèses des étudiants auprès de leur université. URL : `https://news.cnr.cn/native/gd/20250714/t20250714_527260647.shtml`
- École doctorale, Université de finance et d’économie de Lanzhou (兰州财经大学研究生院) : "关于进一步加强研究生学位论文学术不端行为检测工作的通知" (Avis sur le renforcement du dépistage des manquements académiques dans les mémoires et thèses des cycles supérieurs, règles pilotes en vigueur à compter du 2026-01-01, fixant les seuils à ≤ 15 % pour les thèses de doctorat, ≤ 20 % pour les mémoires de master à temps plein et ≤ 25 % pour les mémoires de master à temps partiel, les thèses dépassant ces normes devant faire l’objet d’une révision et d’un second contrôle concluant avant examen et soutenance). URL : `https://yjsy.lzufe.edu.cn/__local/6/0E/C9/E637BE6416B028CC2A39386BB10_4741E860_2A3BE.pdf`
- École doctorale, Université de finance et d’économie du Guangdong (广东财经大学研究生院) : "关于开展2025届夏季毕业研究生学位论文AIGC检测工作的通知" (粤财大研〔2025〕11号, publié le 2025-04-01, émettant un avertissement et exigeant des révisions pour les mémoires de master dont les scores d’AIGC dépassent 40 %). URL : `https://yjsc.gdufe.edu.cn/2025/0401/c3011a217797/page.htm`
CONTINUER LA LECTURE
Pourquoi des travaux universitaires en chinois rédigés par des humains sont signalés comme IA : la vérité sur les listes à puces, le parallélisme et le « En résumé »
9 min de lecture
Rédaction académiqueStudy.com, Grammarly et détection d’IA : ce que la politique officielle interdit réellement
10 min de lecture
Rapports de détectionCNKI vs VIP vs Turnitin : comprendre les écarts de détection d’IA
10 min de lecture