Votre essai en anglais affiche un taux d'IA trop élevé ? Commencez par lire le rapport

Le rapport de détection d'IA de Turnitin n'affiche aucun chiffre entre 1 % et 19 % : il montre un astérisque et retient les surlignages. Ce n'est qu'à partir de 20 % qu'un pourcentage précis apparaît, accompagné de passages surlignés que vous pouvez réellement examiner. Donc quand vous dites « mon taux d'IA est trop élevé », la première chose à faire n'est pas de le baisser. C'est de vérifier si vous regardez un chiffre ou une étoile, car seul le chiffre s'accompagne d'éléments actionnables.

La deuxième étape est de comprendre pourquoi il est élevé. Le modèle de Turnitin découpe votre texte en segments qui se chevauchent, attribue à chacun une probabilité entre 0 et 1, regroupe ces scores et les agrège en un pourcentage global. Si vos choix de mots tombent du côté « généré par IA » de la frontière probabiliste du modèle, votre score augmente. Écrire en anglais quand on est de langue maternelle chinoise présente trois tendances statistiques qui poussent votre probabilité vers le côté IA. Nous détaillons chacune ci-dessous.

La troisième étape, c'est la révision. L'objectif n'est pas de baisser une métrique appelée « perplexité », car Turnitin n'en calcule pas explicitement. L'objectif est de ramener la probabilité de vos mots vers votre propre pattern humain : utilisez les mots que vous choisiriez naturellement, des structures de phrases que vous ne produisez pas habituellement, et révisez les passages signalés un par un plutôt que de tout retravailler d'un coup.

Le rapport de détection d'IA de Turnitin applique une règle d'affichage spéciale pour les scores faibles. La FAQ sur les capacités de détection l'exprime ainsi :

"To avoid potential incidence of false positives, no score or highlights are attributed for AI detection scores in the 1% to 19% range. When AI is detected below the 20% threshold in the report, it is now indicated with an asterisk (%) and no percentage is attributed." (Pour éviter les faux positifs, aucun score ni surlignage n'est attribué pour les scores de détection d'IA entre 1 % et 19 %. Lorsqu'une IA est détectée en dessous du seuil de 20 % dans le rapport, elle est désormais indiquée par un astérisque (%) et aucun pourcentage n'est attribué.)

Donc si le « taux d'IA » que vous avez en main est un nombre avec un signe pourcent, il est d'au moins 20. Si vous regardez un astérisque, vous êtes quelque part entre 1 et 19, et le rapport ne vous dit pas où. Zéro est le seul chiffre exact affiché en dessous de vingt.

Cette distinction peut sembler pédante, mais elle détermine ce que vous pouvez faire ensuite. Un astérisque signifie aucun passage surligné, aucun moyen de localiser ce qui a déclenché le signal, rien à réviser en cible. Un chiffre à 20 ou au-dessus s'accompagne de surlignages, et les surlignages sont la seule chose qui vous permet de localiser et modifier le texte signalé. Donc « mon taux d'IA est trop élevé, que faire ? » n'a de réponse actionnable que si votre rapport affiche 20 % ou plus et que vous voyez les surlignages. Nous avons analysé le rapport lui-même dans comment lire un rapport de détection d'IA Turnitin.

Encore une chose à vérifier d'abord. Turnitin indique que « only instructors and administrators are able to see the indicator » (seuls les enseignants et administrateurs peuvent voir l'indicateur), et que « The AI writing detection indicator and report are not visible to students. However, with the PDF download feature, instructors can download and share the AI report with students. » (L'indicateur et le rapport de détection d'IA ne sont pas visibles par les étudiants. Cependant, grâce à la fonction de téléchargement PDF, les enseignants peuvent télécharger et partager le rapport IA avec les étudiants.) Si vous avez un rapport en main, c'est que quelqu'un a décidé de le télécharger et de vous le donner. Assurez-vous d'avoir le PDF complet, pas une capture d'écran.

Turnitin décrit la chaîne de calcul dans sa FAQ :

"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. Each qualifying sentence within these segments inherits the segment's score. Since segments overlap, some sentences may have multiple scores, which are then pooled into a single score. These sentence scores are further aggregated and used to compute the overall document AI writing score." (Lorsqu'un document est soumis à Turnitin, les phrases de la soumission sont extraites et segmentées en sections qui se chevauchent pour l'analyse de prédiction. Chaque segment est classifié par le modèle de détection d'IA et reçoit une valeur entre 0 et 1, indiquant la probabilité que le texte soit d'origine humaine ou généré par IA. Chaque phrase qualifiante dans ces segments hérite du score du segment. Comme les segments se chevauchent, certaines phrases peuvent avoir plusieurs scores, qui sont ensuite regroupés en un score unique. Ces scores de phrases sont ensuite agrégés et utilisés pour calculer le score global d'écriture IA du document.)

C'est une chaîne de probabilité. Chacune de vos phrases reçoit un score entre 0 et 1 du modèle ; plus il est proche de 1, plus elle ressemble à de l'IA. Ces scores s'agrègent dans le pourcentage que vous voyez.

Donc le sens mécanique de « taux d'IA élevé » est précis : votre écriture, dans l'espace probabiliste du modèle, tombe du côté « généré par IA ». Pas parce que vous avez utilisé l'IA, mais parce que les caractéristiques statistiques de vos choix de mots et de vos structures de phrases se trouvent être plus proches du pattern moyen des textes générés par IA.

Une affirmation répandue doit ici être corrigée. De nombreuses réponses décrivent le mécanisme de Turnitin comme « mesurant la perplexité et la burstiness » puis vous expliquent comment baisser ces deux valeurs. Turnitin dément explicitement cela dans sa FAQ :

"Our model is not explicitly programmed to evaluate specific signals such as "burstiness," "perplexity," or other individual metrics sometimes referenced in public discussions." (Notre modèle n'est pas explicitement programmé pour évaluer des signaux spécifiques tels que la « burstiness », la « perplexité » ou d'autres métriques individuelles parfois évoquées dans les discussions publiques.)

La phrase juste après :

"Instead, it learns statistical patterns from our training data." (Au lieu de cela, il apprend des patterns statistiques à partir de nos données d'entraînement.)

Mais cela ne signifie pas que Turnitin ignore la probabilité des mots. La même page FAQ dit ailleurs :

"Our classifiers are trained to detect these differences in word probability and are adept at the particular word probability sequences of human writers." (Nos classificateurs sont entraînés à détecter ces différences de probabilité des mots et sont compétents pour reconnaître les séquences de probabilité de mots particulières aux rédacteurs humains.)

Ces deux affirmations doivent être lues ensemble. Turnitin ne calcule pas explicitement un score appelé « perplexité », mais son classificateur opère un jugement au niveau de la probabilité des mots, car la perplexité est elle-même une mesure de probabilité des mots. L'énoncé correct est : vous ne pouvez pas régler un cadran appelé « perplexité », car ce cadran n'existe pas en tant qu'entrée explicite. Ce que vous pouvez changer, c'est votre propre distribution de probabilité de mots, pour que le modèle la replace du côté « écriture humaine ».

Cette section porte sur trois tendances statistiques. Chacune pousse votre probabilité de mots vers le côté IA. Ce ne sont pas des défauts chez les locuteurs natifs chinois. Ce sont des patterns qui apparaissent quand on écrit dans une langue seconde tout en gérant simultanément grammaire, vocabulaire et argumentation.

Premièrement, la tendance à chercher des mots « sûrs » à haute fréquence. Quand on écrit en anglais comme langue seconde, l'instinct naturel est de choisir des mots aux significations stables et à faible risque d'erreur. Ces mots sont des mots à haute fréquence. Ce sont aussi ceux que les textes générés par IA choisissent le plus souvent, car les modèles de langage sélectionnent par probabilité et les mots à haute fréquence ont une probabilité élevée. Plus votre distribution de mots se concentre en haut du tableau des fréquences, plus elle se rapproche de la distribution moyenne des textes générés par IA. La phrase que nous avons déjà citée, « Our classifiers are trained to detect these differences in word probability and are adept at the particular word probability sequences of human writers » (Nos classificateurs sont entraînés à détecter ces différences de probabilité des mots et sont compétents pour reconnaître les séquences de probabilité de mots particulières aux rédacteurs humains), parle exactement de cela : le classificateur lit des séquences de probabilité de mots, et les rédacteurs humains ont leurs propres séquences caractéristiques. La concentration sur les mots à haute fréquence n'en fait pas partie.

Deuxièmement, une faible variation structurelle. Turnitin liste lui-même les caractéristiques 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." (Parfois, les faux positifs (qui signalent incorrectement un texte écrit par un humain comme généré par IA) peuvent inclure du contenu sans grande variation structurelle, un texte qui se répète littéralement, ou un texte qui a été paraphrasé sans développer de nouvelles idées.)

La phrase suivante :

"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 affiche une quantité plus élevée d'écriture IA dans ce type de texte, nous vous conseillons d'en tenir compte lorsque vous examinez le pourcentage indiqué.)

Quand on écrit en anglais comme langue seconde, le budget cognitif restant pour la structure des phrases est limité. Le résultat est une cohérence structurelle : sujet-verbe-complément, sujet-verbe-complément, sujet-verbe-complément. Une faible variation structurelle correspond exactement au premier élément de la liste de Turnitin des caractéristiques sujettes aux faux positifs. Le conseil officiel aux éducateurs est de minorer les scores élevés sur de tels textes, et cette phrase doit accompagner la première.

Troisièmement, l'usage possible de traduction automatique ou de Grammarly. La sortie d'une traduction automatique est elle-même produite par un modèle de langage, donc sa distribution de probabilité de mots se situe naturellement du côté IA. La situation de Grammarly est plus spécifique. La FAQ de Turnitin contient une déclaration dédiée : les modifications d'orthographe, de grammaire et de ponctuation ne sont pas signalées « dans la plupart des cas », mais les fonctionnalités génératives de Grammarly, notamment la génération de brouillons, la paraphrase et le résumé, ne sont pas couvertes par cette exemption. La formulation officielle indique que le contenu produit avec ces fonctionnalités « sera probablement signalé comme généré par IA ». Donc si vous avez utilisé la réécriture de phrases de Grammarly, il est normal que ces passages soient signalés, ce n'est pas une surprise.

Pourquoi les détecteurs IA sont biaisés contre les rédacteurs non natifs en anglais place cette famille de questions dans un cadre plus large.

D'abord, ce qu'il ne faut pas faire.

N'essayez pas de baisser la perplexité. Nous avons déjà cité Turnitin disant que son modèle n'est pas explicitement programmé pour évaluer la perplexité comme une métrique individuelle. Tout conseil qui vous dit de « baisser la perplexité » part d'une prémisse fausse. Vous ne pouvez pas baisser une valeur que Turnitin ne calcule pas explicitement. Beaucoup de textes marketing des humanizers sont construits sur cette prémisse erronée.

Ne vous arrêtez pas à une seule phrase. Turnitin évalue des segments de plusieurs phrases qui se chevauchent, donc une modification confinée à une phrase doit rivaliser avec le paragraphe qui l'entoure. Un passage signalé l'est pour la forme de toute sa distribution : ce qu'elle place en premier, où elle tourne, combien elle court avant de s'arrêter. L'unité de travail est le passage, pas la phrase.

Ne réécrivez pas le document entier. Les documents courts ont un comportement extrême documenté :

"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 avec seulement quelques centaines de mots, la prédiction sera principalement du style « tout ou rien » car 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 pourrait être entièrement signalé comme généré par IA.)

Donc un document court à moitié réécrit est particulièrement risqué. Vous avez réécrit la moitié, l'autre moitié est qualifiée d'IA, et le tout revient avec un score élevé.

Maintenant, ce qu'il faut faire.

Obtenez d'abord le rapport. Nous l'avons déjà cité : les étudiants ne peuvent pas voir l'indicateur, mais les enseignants peuvent télécharger le PDF et le partager. Vous avez le droit de demander ce PDF. Une fois que vous l'avez, localisez les passages surlignés. Seuls les rapports à 20 % et au-dessus ont des surlignages. Savoir quels passages sont signalés est la condition préalable pour les réviser.

Révisez les passages signalés un par un. L'objectif est de changer la forme de la phrase. Prenez le pattern sujet-verbe-complément par défaut et remplacez-le par une structure que vous ne produisez pas habituellement : une proposition subordonnée, une inversion, une parenthèse, un renvoi inter-phrases. Ces structures changent votre séquence de probabilité de mots, ce que le modèle lit. Le score d'une phrase est aussi influencé par ses voisines, car les segments se chevauchent, donc réviser un passage déplace les scores des phrases alentour.

Utilisez les mots que vous choisiriez vraiment. Résistez à la traction vers le vocabulaire sûr à haute fréquence. Utilisez le mot que vous voulez vraiment, même s'il est moins courant. La partie distinctive de la séquence de probabilité de mots d'un rédacteur humain se trouve souvent dans les choix qui s'écartent du haut du tableau des fréquences.

Soyez attentif à la frontière du texte qualifiant. Turnitin analyse uniquement les phrases grammaticalement standard :

"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 qualifiant inclut uniquement des phrases en prose, c'est-à-dire que nous analysons seulement des blocs de texte écrits en phrases grammaticalement standard et n'incluons pas d'autres types d'écriture comme les listes, les puces (structures courtes non phrastiques) ou d'autres structures non phrastiques.)

La phrase suivante :

"This percentage is not necessarily the percentage of the entire submission." (Ce pourcentage n'est pas nécessairement le pourcentage de la soumission entière.)

Donc le chiffre que vous voyez est un pourcentage sur le texte qualifiant, pas sur le fichier entier. Quand vous révisez, visez le texte qualifiant. Modifier une liste à puces ne fait pas bouger ce numérateur.

Encore une chose, car cela affecte la façon dont vous lisez votre propre score. Turnitin divulgue le compromis de conception dans sa FAQ :

"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. We're comfortable with that since we do not want to incorrectly highlight human-written text as AI-written. For example, if we identify that 50% of a document is likely written by an AI tool, it could contain as much as 65% AI writing." (Afin de maintenir ce faible taux de 1 % pour les faux positifs, il est possible que nous passions à côté de certains textes écrits par IA dans un document. Nous sommes à l'aise avec cela car nous ne voulons pas incorrectement signaler un texte écrit par un humain comme écrit par IA. Par exemple, si nous identifions que 50 % d'un document est susceptible d'être écrit par un outil IA, il pourrait contenir jusqu'à 65 % d'écriture IA.)

La direction est explicite : le modèle préfère rater du texte IA que signaler du texte humain. Cela signifie que le rapport a une tendance intégrée à sous-estimer, pas à surestimer. Si vous regardez un score élevé, ce score se situe du côté conservateur de la conception du modèle, pas du côté aggressif. Cela ne prouve pas que le score est correct. Mais cela signifie que vous ne devriez pas le traiter comme un plafond.

« Changer la structure » semble abstrait. Un exemple rend cela concret.

• Original : "The results show that the method is effective." (Original : « The results show that the method is effective. »)
• Reconstruit : "What the results show is not that the method works in general, but that it works under the specific condition we tested." La phrase passe d'un simple sujet-verbe-complément à une construction emphatique avec un tournant. La séquence de probabilité de mots est différente. Le modèle voit une distribution différente.

Changer la structure ne consiste pas à écrire des phrases sophistiquées. Il s'agit d'écrire les structures de phrases que vous ne produisez pas habituellement, car les structures que vous ne produisez pas habituellement sont précisément là que réside votre signature de probabilité de rédacteur humain.

1. Assurez-vous d'avoir le PDF, pas une capture d'écran. Une capture n'a pas de date, pas de positions de surlignage, aucun moyen de dire de quel rapport il s'agit.
2. Vérifiez si le chiffre est un pourcentage ou un astérisque. Un pourcentage signifie 20 % ou plus, et des surlignages pour travailler. Un astérisque signifie 1 % à 19 %, aucun surlignage, et rien à localiser.
3. Trouvez les passages surlignés spécifiques. Ce sont ceux-là à réviser. Laissez le reste tranquille. Modifier du texte qui n'a pas été signalé est un effort gaspillé.
4. Lisez chaque passage signalé et diagnostiquez quelle tendance l'a produit. Structure de phrase uniforme ? Vocabulaire à haute fréquence ? Une réécriture Grammarly ? Des causes différentes nécessitent des correctifs différents.
5. Reconstruisez la structure de la phrase. Réécrivez les phrases signalées dans des structures que vous n'utilisez pas habituellement.
6. Revérifiez après révision. Les détecteurs changent, et Turnitin dit que son modèle itère, donc aucun résultat fixe ne peut être promis. Ce que vous pouvez faire est d'exécuter un autre rapport après révision et voir si les surlignages ont reculé. Pourquoi différents détecteurs IA ne sont pas d'accord explique pourquoi les résultats de différents détecteurs ne peuvent pas se valider mutuellement.

Un taux d'IA élevé signifie-t-il que j'ai utilisé l'IA ? Non. Le modèle de Turnitin lit des distributions de probabilité de mots, pas des journaux d'utilisation. Vous pouvez être signalé sans avoir utilisé l'IA, si votre vocabulaire est à haute fréquence, votre structure de phrase uniforme, ou si vous avez utilisé la traduction automatique. Turnitin liste lui-même les caractéristiques qui tendent à produire des faux positifs, et conseille aux éducateurs de minorer les scores élevés sur de tels textes.

Puis-je vérifier mon propre taux d'IA ? Pas via l'indicateur de Turnitin. La déclaration officielle est que l'indicateur et le rapport ne sont pas visibles par les étudiants, et que les enseignants peuvent télécharger le rapport en PDF et le partager. Chaque rapport que vous voyez, vous le voyez parce que quelqu'un a choisi de vous le montrer.

Quels passages dois-je réviser en premier ? Ceux que le rapport marque effectivement. Turnitin fait des rapports au niveau des passages, donc les passages marqués sont le seul endroit où vous avez des preuves pour travailler ; réviser un passage non marqué change votre essai sans changer quoi que ce soit auquel le rapport répond.

Serai-je signalé pour avoir utilisé Grammarly ? Les modifications d'orthographe, de grammaire et de ponctuation ne sont pas signalées dans la plupart des cas. Mais les fonctionnalités génératives de Grammarly, notamment la génération de brouillons, la paraphrase et le résumé, seront probablement signalées comme générées par IA. Distinguez les deux.

Les articles courts sont-ils plus susceptibles d'être signalés ? Les documents de quelques centaines de mots ont des prédictions qui sont principalement du style tout-ou-rien, et le contenu mixte peut être entièrement signalé comme IA. Soyez particulièrement prudent avec les réécritures partielles sur des documents courts.

Un outil humanizer peut-il baisser mon score ? Cet article ne fait aucune affirmation d'efficacité. La direction de conception de Turnitin est de préférer les omissions aux fausses alarmes, le modèle itère, et toute promesse sur un résultat de détection futur est une promesse qu'un outil ne peut pas honnêtement faire. Ce que nous pouvons dire est que réviser avec le rapport en main vous dit quels passages ont bougé, et réviser à l'aveugle ne le dit pas.