Turnitin détecte-t-il Gemini et Copilot ? Ce que dit la FAQ

Oui pour Gemini et, concrètement, oui pour Copilot. La FAQ de Turnitin publie la liste des modèles de rédaction IA à partir desquels son détecteur peut identifier du contenu. La liste inclut Gemini, ainsi que GPT, Claude, LLaMA, Mistral, Deepseek, Nova, Grok et o1-mini. La formulation officielle est "can detect content from." (peut détecter le contenu issu de ces modèles). La liste se termine par : "and tools based on these LLMs as well." (ainsi que les outils basés sur ces LLM.) Copilot est construit sur des modèles GPT, et GPT figure sur la liste. Cela signifie que Copilot entre dans la catégorie des outils basés sur un LLM répertorié. La FAQ ajoute : "We will continue to expand our detection capabilities to other models in the future." (Nous continuerons à étendre nos capacités de détection à d'autres modèles à l'avenir.) La FAQ reconnaît également que les capacités de détection ne sont pas figées et qu'elles évolueront à mesure que le modèle sera mis à jour.

La FAQ fournit une liste séparée par des virgules des modèles dont elle peut détecter le contenu. La phrase d'introduction est la suivante : "Currently, Turnitin's AI writing detection model for English submissions can detect content from …" (Actuellement, le modèle de détection de rédaction IA de Turnitin pour les soumissions en anglais peut détecter le contenu issu de …). Elle est suivie de la liste comprenant GPT, Gemini, Claude, LLaMA, Mistral, Deepseek, Nova, Grok et o1-mini. La liste se conclut par :

"and tools based on these LLMs as well." (ainsi que les outils basés sur ces LLM.)

La phrase suivante : "We will continue to expand our detection capabilities to other models in the future." (Nous continuerons à étendre nos capacités de détection à d'autres modèles à l'avenir.)

Cette formulation compte. La liste ne nomme pas chaque outil ni chaque enveloppe individuelle. Elle nomme les familles de modèles sous-jacentes, puis couvre tout ce qui est construit dessus. Copilot fonctionne grâce à des modèles GPT : il entre donc dans le champ des outils basés sur ces LLM. Gemini est nommé directement dans la liste. La promesse d'élargissement signifie que la liste peut s'allonger à mesure que de nouveaux modèles apparaissent et que le modèle de détection est mis à jour.

La FAQ décrit le mécanisme de détection en termes de segmentation et de score de probabilité :

"When a paper is submitted to Turnitin, sentences from the submission are extracted and segmented into overlapping sections for prediction analysis. Each segment is classified by the AI detection model and given a value between 0 and 1, denoting the probability of the text being likely human or AI-generated." (Lorsqu'un devoir est soumis à Turnitin, les phrases de la soumission sont extraites et segmentées en sections chevauchantes pour l'analyse de prédiction. Chaque segment est classé par le modèle de détection IA et reçoit une valeur comprise entre 0 et 1, qui indique la probabilité que le texte soit probablement humain ou généré par IA.)

Chaque segment reçoit son propre score. Le pourcentage global reflète la proportion de segments que le modèle classe comme générés par IA. Le détecteur ne cherche ni filigrane ni indice unique et révélateur. Il classe le texte segment par segment à partir de scores de probabilité. L'article Ce que mesurent les détecteurs d'IA au-delà de perplexity et burstiness détaille ce qui entre dans chacun de ces scores.

La FAQ reconnaît un compromis entre faux positifs et texte IA non détecté :

"In order to maintain this low rate of 1% for false positives, there is a chance that we might miss some AI written text in a document." (Afin de maintenir ce faible taux de 1 % de faux positifs, il est possible que nous manquions une partie du texte rédigé par IA dans un document.)

Le détecteur est réglé pour éviter d'accuser à tort des étudiants d'avoir utilisé l'IA. Le prix de ce réglage : une partie du texte généré par IA peut passer inaperçue. C'est un choix de conception délibéré, documenté par Turnitin elle-même. Un modèle produisant un texte plus proche des probabilités de mots humaines serait plus difficile à détecter, du moins jusqu'à ce que le modèle de détection soit mis à jour pour le couvrir. Ce même décalage est toute la question posée dans Turnitin détecte-t-il les humaniseurs d'IA ?.

La FAQ affirme explicitement que la détection n'est pas une cible fixe :

"As we iterate and develop our model further to better detect newer LLMs, it is likely that our detection capabilities will also change, affecting the AI percentage." (Alors que nous itérons et développons davantage notre modèle pour mieux détecter les LLM plus récents, il est probable que nos capacités de détection évoluent également, ce qui affectera le pourcentage d'IA.)

La phrase suivante : "However, for a submitted document, the AI percentage will change only if it's re-submitted again to be processed." (Toutefois, pour un document déjà soumis, le pourcentage d'IA ne changera que s'il est soumis à nouveau pour être traité.)

Deux conséquences en découlent. Premièrement, le modèle de détection est mis à jour pour cibler les LLM plus récents : la couverture de modèles comme Gemini et Copilot peut donc s'améliorer ou se déplacer avec le temps. Deuxièmement, un document évalué avant une mise à jour du modèle conserve son score d'origine, sauf s'il est soumis à nouveau. Le score d'une soumission passée reflète les capacités de détection de ce moment-là, et non les actuelles ; c'est pourquoi Toujours signalé après une nouvelle vérification Turnitin recommande de comparer deux rapports plutôt que deux chiffres.

En résumé :

• Gemini figure directement sur la liste publiée par Turnitin des modèles dont le contenu peut être détecté.
• Copilot repose sur des modèles GPT, qui figurent sur la liste. La liste couvre également "tools based on these LLMs as well." (les outils basés sur ces LLM.)
• La FAQ promet de "continue to expand our detection capabilities to other models in the future." (continuer à étendre ses capacités de détection à d'autres modèles à l'avenir.)
• Le détecteur traite le texte en segments chevauchants et attribue à chacun un score de probabilité compris entre 0 et 1.
• Pour maintenir un faible taux de faux positifs, le détecteur peut manquer une partie du texte généré par IA.
• Les capacités de détection évoluent avec le temps. Un document évalué avant une mise à jour du modèle conserve son score d'origine, sauf s'il est soumis à nouveau.

Si vous recevez un rapport IA Turnitin et souhaitez traiter les passages signalés, importez le rapport et travaillez dessus. Les passages éligibles peuvent être relancés gratuitement.