Faux positifs Turnitin : comment les signaler et que faire

Un faux positif se produit lorsque Turnitin signale comme généré par l’IA un texte écrit par un humain. La documentation reconnaît que cela peut arriver et demande aux utilisateurs de le signaler : "If you find AI written documents that we've missed, or notice authentic student work that we've predicted as AI-generated, please let us know! Your feedback is crucial in enabling us to improve our technology further." (si vous trouvez des documents rédigés par l’IA que nous avons manqués, ou si vous constatez qu’un travail authentique d’étudiant a été identifié par nous comme généré par l’IA, faites-le nous savoir ! Vos retours sont essentiels pour nous permettre d’améliorer notre technologie.)

Si vous êtes confronté à un faux positif, signalez-le à Turnitin par son canal de retour. Dans le même temps, considérez le score comme un signal qui appelle un jugement humain, et non comme un verdict définitif.

Turnitin fixe un seuil clair en matière de faux positifs. La documentation indique : "We strive to maximize the effectiveness of our detector while keeping our false positive rate - incorrectly identifying fully human-written text as AI-generated - under 1% for documents with over 20% of AI writing." (nous nous efforçons de maximiser l’efficacité de notre détecteur tout en maintenant notre taux de faux positifs — c’est-à-dire le fait d’identifier à tort comme généré par l’IA un texte entièrement écrit par un humain — sous 1 % pour les documents comportant plus de 20 % de rédaction par l’IA.)

Un objectif situé sous 1 % est bas, mais il n’est pas nul. Pour les établissements qui traitent des milliers de copies, même une fraction de pour cent finit par concerner de vrais étudiants, sommés de s’expliquer sur un travail qu’ils ont écrit eux-mêmes. Ce que signifie un taux de faux positifs de 1 % reprend ce calcul sur un volume réel de soumissions. C’est pour cela que Turnitin demande des retours, et c’est pour cela que le score est conçu pour être examiné par un enseignant plutôt que pour déclencher une décision automatique.

Turnitin identifie des schémas précis qui favorisent les faux positifs. La documentation indique : "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 comme généré par l’IA un texte écrit par un humain — portent sur un contenu qui manque de variation structurelle, un texte qui se répète littéralement, ou un texte reformulé sans apporter d’idées nouvelles.)

La phrase suivante compte tout autant : "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 relève une part plus élevée de rédaction par l’IA dans ce type de texte, nous vous conseillons d’en tenir compte lorsque vous examinez le pourcentage indiqué.)

Autrement dit : si votre texte se trouve être structurellement uniforme, répétitif par construction, ou largement reformulé à partir de vos sources sans analyse nouvelle, le détecteur a plus de chances de le signaler. Cela ne signifie pas que le texte a été généré par l’IA. Cela signifie qu’il partage avec des productions de l’IA des régularités de surface, et que le pourcentage doit être lu en gardant cela à l’esprit. Pourquoi les détecteurs d’IA signalent les dissertations bien écrites décrit le même phénomène par l’autre bout.

Turnitin dit clairement que son détecteur n’est pas un outil disciplinaire. La documentation indique : "Our AI writing detection model may not always be accurate (it may misidentify human-written, AI-generated, and AI-paraphrased text), so it should not be used as the sole basis for adverse actions against a student." (notre modèle de détection de rédaction par l’IA n’est pas toujours exact — il peut se tromper sur un texte écrit par un humain, généré par l’IA ou reformulé par l’IA — et il ne doit donc pas servir de seul fondement à des mesures défavorables à un étudiant.)

La phrase suivante le confirme : "It takes further scrutiny and human judgment in conjunction with an organization's application of its specific academic policies to determine whether academic misconduct has occurred." (il faut un examen approfondi et un jugement humain, conjugués à l’application par l’établissement de ses propres politiques académiques, pour déterminer s’il y a eu inconduite académique.)

Turnitin dit donc explicitement que le score, à lui seul, ne permet pas de conclure à une inconduite académique. Un évaluateur humain doit examiner le travail, appliquer la politique de l’établissement et trancher.

La documentation va plus loin dans la façon de cadrer l’usage du score. Elle indique : "It is not meant to provide definitive answers in isolation. More important than any tool is the educator who sees the score and makes decisions balancing this information with their personal knowledge of their students, their work, and institutional policy." (il n’a pas vocation à fournir à lui seul des réponses définitives. Plus important que n’importe quel outil : l’enseignant qui voit le score et prend ses décisions en mettant cette information en balance avec sa connaissance personnelle de ses étudiants, de leur travail et de la politique de l’établissement.)

La phrase suivante résume l’usage prévu : "When educators look at the AI writing score and utilize it as a single data point rather than a definitive response, then it is being used as intended." (lorsque les enseignants consultent le score de rédaction par l’IA et l’utilisent comme une donnée parmi d’autres plutôt que comme une réponse définitive, alors l’outil est utilisé comme prévu.)

C’est le cadrage que nous vous recommandons d’adopter. Le pourcentage est un élément parmi d’autres, ce n’est pas un verdict. Si vous êtes enseignant, croisez le score avec ce que vous savez de l’historique de rédaction de l’étudiant, avec le contexte du devoir et avec les politiques de votre établissement. Si vous êtes un étudiant victime d’un faux positif, ce cadrage est votre argument le plus solide : l’outil dit lui-même qu’il ne doit pas être traité comme une réponse définitive. Comment contester un signalement d’IA erroné détaille les preuves que les universités acceptent réellement en complément.

Turnitin invite explicitement les utilisateurs à lui signaler les erreurs du détecteur. La documentation indique : "If you find AI written documents that we've missed, or notice authentic student work that we've predicted as AI-generated, please let us know! Your feedback is crucial in enabling us to improve our technology further." (si vous trouvez des documents rédigés par l’IA que nous avons manqués, ou si vous constatez qu’un travail authentique d’étudiant a été identifié par nous comme généré par l’IA, faites-le nous savoir ! Vos retours sont essentiels pour nous permettre d’améliorer notre technologie.)

Pour signaler un faux positif, passez par le canal de retour de Turnitin. Fournissez le document, le pourcentage de rédaction par l’IA indiqué et une brève explication des raisons pour lesquelles vous estimez que le texte signalé est bien de la main d’un humain. Plus le retour est précis, plus il est utile pour améliorer le modèle. Signaler le problème à l’éditeur ne règle pas pour autant votre dossier auprès de votre propre établissement : comment prouver que votre travail est original relève d’une démarche distincte.

Pendant que vous attendez une réponse ou un réexamen, concentrez-vous sur les passages signalés. Si certaines parties de votre travail ont déclenché la détection, les retravailler pour y introduire plus de variation structurelle, une analyse originale et des formulations moins répétitives peut aider lors d’une nouvelle soumission. Réécrire uniquement les paragraphes signalés par un rapport Turnitin décrit cette reprise plus ciblée.

Si votre rapport Turnitin a signalé des passages que vous avez écrits vous-même, voici les étapes à suivre :

1. Signalez le faux positif à Turnitin par son canal de retour.
2. Relisez les passages signalés en les confrontant aux schémas décrits par Turnitin : uniformité structurelle, répétitions et reformulation sans idées nouvelles.
3. Retravaillez les passages signalés pour y ajouter de la variation et une analyse originale.
4. Considérez le score comme une donnée parmi d’autres et non comme un verdict définitif, comme la documentation de Turnitin le demande elle-même.

Les passages éligibles peuvent être traités à nouveau sans frais.