Une traduction automatique est-elle signalée comme IA par Turnitin ?

Oui. Le résultat d’une traduction automatique est signalé par le détecteur d’écriture IA de Turnitin, et ce n’est pas un bug. Les outils de traduction et les générateurs IA reposent sur la même famille technologique : la prose qui sort d’un traducteur porte donc la même signature statistique que le classificateur a été entraîné à reconnaître. Vous avez écrit les idées dans une autre langue et une machine les a rendues en anglais. C’est précisément cette mise en anglais que le détecteur lit.

Ce n’est pas la même chose que de faire écrire votre travail de bout en bout par une IA. La distinction compte pour vous. Elle ne compte pas pour le détecteur, parce que le détecteur regarde le texte fini, pas la façon dont il a été produit.

Ce qui suit explique pourquoi cela arrive, quelles parties de votre texte traduit sont les plus exposées, quels traits de la prose traduite correspondent à la description officielle des textes sujets aux faux positifs, et où passe la ligne entre utiliser un traducteur pour un premier jet et rendre quelque chose que le détecteur lira comme de l’IA.

La description publiée par Turnitin commence par la segmentation. Les phrases sont extraites, découpées en sections qui se chevauchent, et chaque section reçoit une valeur comprise entre 0 et 1. Cette valeur est la probabilité que le texte ait été généré par une machine. Les scores des sections sont regroupés en scores de phrase, et les scores de phrase sont agrégés en un chiffre pour le document.

La même page de FAQ nomme ce à quoi le classificateur est réellement sensible. Turnitin indique que ses classificateurs sont entraînés à détecter des différences de probabilité des mots et qu’ils maîtrisent les séquences de probabilité particulières aux écritures humaines. C’est cette propriété qui est mesurée. Ni la taille du vocabulaire, ni la longueur des phrases, ni le fait qu’une tournure sonne formel. La séquence des choix de mots, classés selon leur degré de prévisibilité.

Les outils de traduction et les générateurs de texte IA ont la même origine. Les deux utilisent des modèles de langage pour produire du texte anglais. Un traducteur choisit le mot anglais le plus probable à chaque position compte tenu de la phrase source : c’est la même opération statistique qu’effectue un modèle génératif lorsqu’il prédit le jeton suivant. Le résultat des deux tend vers la voie la plus fréquente, la plus fluide, la moins surprenante. C’est exactement la distribution que le classificateur a été entraîné à signaler.

Une objection courante veut que Turnitin ne calcule pas explicitement « perplexity » ni « burstiness », deux mesures souvent citées dans les débats publics. La FAQ le confirme : le modèle n’est pas explicitement programmé pour évaluer des signaux précis comme « burstiness, » « perplexity, » ou d’autres mesures individuelles. Mais la phrase immédiatement suivante, sur la même page, dit que le modèle apprend plutôt des régularités statistiques à partir des données d’entraînement. La perplexité est elle-même une mesure de la probabilité des mots. Nier que le modèle calcule une mesure précisément nommée n’équivaut pas à nier qu’il lit des probabilités de mots. Il les lit. C’est pour cela qu’il a été entraîné.

Turnitin définit ce qu’il analyse comme du « qualifying text », du texte admissible. La FAQ précise que ce texte ne comprend que des phrases de prose, c’est-à-dire qu’il n’analyse que des blocs de texte rédigés en phrases grammaticalement standard. Les listes, les puces et les autres structures qui ne sont pas des phrases sont exclues.

Un paragraphe traduit automatiquement est fait de phrases grammaticalement standard. C’est tout le but d’un outil de traduction : il produit de la prose. La prose traduite tombe donc en plein dans le texte admissible que le détecteur traite.

Le détecteur ne sait pas que vous avez écrit vous-même le texte source dans une autre langue. Il ne sait pas qu’un traducteur l’a rendu en anglais. Il ne sait pas que vous l’avez ensuite révisé. Il regarde la prose anglaise finale et attribue une probabilité. Vous avez utilisé un traducteur pour mettre en anglais votre propre réflexion ; quelqu’un d’autre a utilisé un chatbot pour générer un travail qu’il n’a pas écrit. Ce sont des actes différents. Pour le détecteur, ils produisent le même type de résultat.

C’est la partie qui paraît injuste à bien des utilisateurs, et nous comprenons pourquoi. Mais le détecteur n’a jamais été conçu pour distinguer l’aide de la paternité du texte. Il a été conçu pour signaler un texte dont la distribution de probabilité des mots paraît produite par une machine. Les outils de traduction produisent un texte qui paraît produit par une machine, parce qu’il l’est.

La FAQ de Turnitin contient un passage sur les types de texte qui tendent à produire des 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 des faux positifs — c’est-à-dire un texte écrit par un humain signalé à tort comme généré par IA — portent sur un contenu qui manque de variation structurelle, un texte qui se répète littéralement, ou un texte paraphrasé sans développer d’idées nouvelles.)

La phrase juste après est celle qu’on oublie : "If our indicator shows a higher amount of AI writing in such text, we advise you to take that into consideration when looking at the percentage indicated." (Si notre indicateur montre une quantité plus élevée d’écriture IA dans ce type de texte, nous vous conseillons d’en tenir compte lorsque vous regardez le pourcentage indiqué.)

La prose traduite présente ces trois traits plus souvent qu’un texte composé directement en anglais.

La variation structurelle a tendance à être faible, parce que les outils de traduction privilégient une seule forme de phrase par motif source. Une phrase sujet-verbe-objet dans la source devient une phrase sujet-verbe-objet dans la traduction, et l’outil n’introduit ni les ruptures de rythme ni les détours structurels qu’un rédacteur écrivant naturellement en anglais produirait sans y penser.

La répétition littérale apparaît parce que le traducteur se fixe sur un équivalent anglais pour un mot source récurrent et le réutilise. Un humain qui écrit en anglais à partir de rien irait chercher dans la réserve de synonymes. Le traducteur ne le fait pas, parce que son travail est de coller à la source, pas de varier le style.

Paraphraser sans idées nouvelles est la condition structurelle de la traduction elle-même. Une traduction rend le même contenu avec d’autres mots. Aucun argument nouveau n’apparaît. C’est la définition même de la paraphrase.

Le conseil de Turnitin est le suivant : lorsque l’indicateur montre une quantité plus élevée d’écriture IA dans ce type de texte, vous devez en tenir compte en regardant le pourcentage. Cette phrase n’est pas une note de bas de page. C’est la position officielle sur la façon de lire un score élevé pour exactement le type de texte que produit la traduction automatique.

La FAQ de Turnitin décrit ce qui se passe avec les copies courtes :

« 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, qui ne comptent que quelques centaines de mots, la prédiction sera surtout « tout ou rien », parce que nous prédisons sur un seul segment, sans possibilité de chevauchement.)

La phrase suivante : "This means that some text that is a mix of AI-generated and original content could be flagged as entirely AI-generated." (Cela signifie qu’un texte mêlant contenu généré par IA et contenu original peut être signalé comme entièrement généré par IA.)

Beaucoup de copies traduites automatiquement sont courtes. Un résumé, une section méthodologie, une lettre de motivation, une réponse aux commentaires des relecteurs. Quelques centaines de mots. Si le document est assez court pour ne produire qu’un seul segment, le détecteur n’a aucun chevauchement à moyenner, et un mélange d’anglais traduit et d’anglais écrit directement peut être signalé comme entièrement généré par IA. Plus le document est court, moins le score a de marge pour se remettre d’un mauvais segment.

Un réflexe courant consiste à passer le texte traduit dans un outil de paraphrase ou un « humaniseur » pour casser les motifs de mots. La FAQ de Turnitin l’aborde directement :

« Furthermore, it can also identify instances where AI-generated text may have been modified by AI paraphraser or bypasser (also called humanizers) tools to evade detection. » (En outre, il peut aussi repérer les cas où un texte généré par IA a pu être modifié par des outils de paraphrase ou de contournement par IA — également appelés humaniseurs — afin d’échapper à la détection.)

Le périmètre du détecteur inclut le texte modifié par des outils de paraphrase ou de contournement. Faire passer le résultat du traducteur dans un outil de réécriture ne vous fait pas sortir de la zone de détection. Cela vous fait entrer dans une seconde catégorie que le détecteur a été conçu pour attraper.

Il y a aussi un problème structurel. Les outils de paraphrase font exactement ce que décrit la notice des faux positifs de Turnitin : ils paraphrasent sans développer d’idées nouvelles. Le contenu reste le même, les mots changent, et la distribution de probabilité des mots garde une forme de machine, parce que c’est une machine qui a fait le changement. Les deux outils à la suite, traducteur puis paraphraseur, produisent un texte qui cumule le signal d’origine et le signal de paraphrase.

Nous voulons être honnêtes sur cette distinction. Écrire un contenu original dans sa propre langue et utiliser un traducteur pour le rendre en anglais n’est pas le même acte que demander à une IA de générer un contenu que vous n’avez pas écrit. Le premier est une aide face à une barrière de langue. Le second est une délégation de la réflexion.

Le détecteur de Turnitin ne sépare pas les deux. Il n’a pas été conçu pour cela. Son travail est d’estimer la probabilité qu’un morceau de prose anglaise ait été produit par une machine. Un traducteur est une machine. La prose qu’il produit a été produite par une machine. Le fait que la machine ait traduit au lieu de générer à partir d’une consigne ne change rien à ce que le classificateur voit.

C’est réellement difficile pour celles et ceux qui écrivent dans une langue seconde, et nous n’allons pas prétendre le contraire. Les mêmes outils qui abaissent la barrière de la langue produisent le texte que le détecteur a été conçu pour signaler. Personne n’a résolu le problème qui consiste à distinguer la prose traduite de la prose générée au niveau des probabilités de mots, parce qu’à ce niveau elles se ressemblent.

Trois choses, par ordre d’effort.

Premièrement, utilisez le traducteur pour un premier jet et rien d’autre. La sortie brute du traducteur est la version la plus exposée de votre texte. C’est un point de départ, pas un produit fini.

Deuxièmement, réécrivez phrase par phrase dans votre propre anglais. Restructurez. Changez la forme de la phrase. Déplacez une proposition ailleurs. Coupez une longue phrase en deux. Fusionnez deux phrases courtes. L’objectif est de ramener les séquences de probabilité des mots vers les motifs irréguliers et personnels que le classificateur associe aux écritures humaines. Votre anglais n’a pas besoin d’être parfait. Il doit être à vous plutôt qu’au traducteur.

Troisièmement, si vous avez accès au rapport d’écriture IA, servez-vous-en comme d’un périmètre. Les passages surlignés sont ceux que le classificateur a lus comme produits par une machine. Ce sont ces passages qu’il faut réécrire. Tout le reste peut rester tel quel.

Ce qui n’aide pas : faire passer le texte dans un second outil. Ce que mesurent les détecteurs d’IA approfondit le signal sous-jacent. Paraphrasé avec l’IA, quand même signalé déroule ce qui se passe lorsque c’est le résultat du paraphraseur qui est rendu. Pourquoi les détecteurs ne sont pas d’accord explique pourquoi deux détecteurs peuvent donner deux scores différents sur le même texte traduit.

Si votre enseignant partage avec vous le rapport d’écriture IA, la première chose à examiner n’est pas le pourcentage, mais la structure de ce qui a été signalé.

Un rapport qui surligne des paragraphes entiers de prose traduite lit les motifs de mots du traducteur. Un rapport qui ne surligne que la première et la dernière phrase des paragraphes montre peut-être l’effet de segment court décrit plus haut. Un rapport qui signale un mélange de passages traduits et de passages écrits directement correspond au cas du tout ou rien des documents courts.

Comment lire un rapport d’écriture IA Turnitin passe en revue les états de l’indicateur et ce que chacun dit et ne dit pas. 20 % d’IA, est-ce trop ? explique ce que signifie le seuil et pourquoi la bande en dessous n’affiche aucun chiffre.

Le pourcentage sur un document traduit n’est pas une déclaration sur votre honnêteté. C’est une déclaration sur la distribution de probabilité des mots du texte que vous avez rendu. Ce sont deux choses différentes, et la discussion avec votre enseignant doit les traiter comme telles.

Mon travail traduit sera-t-il forcément signalé ? Rien n’est certain en matière de détection. Mais la prose traduite porte des motifs de probabilité de mots que le classificateur a été entraîné à associer à une production machine : le risque est donc réel et structurel, et non accidentel.

Utiliser un traducteur, est-ce la même chose que demander à ChatGPT d’écrire mon travail ? Non. Vous avez écrit vous-même le contenu source, et un traducteur l’a rendu en anglais. Mais le détecteur lit le texte anglais final, et à ce niveau le texte a été produit par un modèle de langage. La distinction compte pour vous et pour votre enseignant. Elle ne compte pas pour le classificateur.

Si je paraphrase le texte traduit, le score baissera-t-il ? Les outils de paraphrase entrent dans le périmètre publié du détecteur. La FAQ indique que le modèle peut identifier un texte modifié par des outils de paraphrase ou de contournement par IA. La paraphrase correspond aussi au profil de faux positifs d’un texte paraphrasé sans développer d’idées nouvelles.

Mon texte traduit a obtenu un score élevé, mais j’ai écrit chaque mot de la source. Que faire ? La FAQ de Turnitin conseille de tenir compte de ce score lorsque l’indicateur montre une quantité plus élevée d’écriture IA dans un texte sans variation structurelle ou avec des répétitions littérales. Apportez le brouillon source, la traduction et l’historique de vos révisions. Le pourcentage est une propriété du texte anglais, pas un verdict sur votre méthode.

Est-ce à dire que je ne dois plus utiliser d’outils de traduction ? Non. Utilisez-les pour un premier jet. Ensuite, réécrivez vous-même l’anglais, phrase par phrase, jusqu’à ce que la prose sonne comme vous et non comme l’outil. Le détecteur signale ce que la machine a produit. Votre travail est de faire en sorte que la version finale soit ce que vous avez produit.