Comment prouver que votre travail est original lorsqu'un détecteur d'IA donne un faux positif

Aucun outil ne peut prouver que vous êtes l'auteur original d'un morceau de texte. Ce que vous pouvez faire, c'est construire une chaîne de preuves : un historique des versions qui montre le document en cours de modification au fil du temps, des documents sources comme des notes et des plans et des sources annotées, des enregistrements du processus d'écriture allant des e-mails du superviseur aux visites au centre d'écriture, et une explication de la raison pour laquelle votre texte a l'aspect qu'il a. Aucun de ces éléments, à lui seul, ne prouve l'utilisation d'IA. Ensemble, ils donnent à celui qui examine le score quelque chose à regarder d'autre que le score lui-même. Et l'entreprise qui a créé l'outil a déclaré, dans trois documents d'aide distincts, que le score ne devrait pas être utilisé comme seule base pour une action contre un étudiant. Ce n'est pas votre argument. C'est le leur.

Le reste de ceci expose les quatre couches de preuves, ce que chacune montre et ne montre pas, et comment les apporter à la conversation sans surenchérir. Il y a aussi une section sur ce que Turnitin lui-même a dit de son propre score, parce que ces déclarations ont leur place dans la pièce et qu'il ne vous appartient pas de les formuler.

La différence entre ceci et un démenti est la différence entre « je n'ai pas utilisé d'IA » et « voici comment ce document est apparu. » Le premier est une affirmation. Le second est une preuve. Seul le second donne au réviseur quelque chose avec quoi travailler.

Les détecteurs d'écriture d'IA classent le texte. Ils prennent un document, le segmentent, attribuent à chaque segment une probabilité, et les agrègent en un nombre. Ce nombre décrit une propriété statistique de la prose. Il ne décrit pas qui l'a écrit, comment il a été produit, ni ce qui s'est passé avant que le fichier ne soit soumis.

Cela mérite d'être dit clairement parce que la question "how do I prove my work is original" (comment prouver que ce travail est bien le mien) est souvent répondue comme s'il existait un outil symétrique à Turnitin, quelque chose qui prend votre brouillon et produit « oui, vous avez écrit ceci. » Il n'existe pas un tel outil. Il n'existe pas de classificateur d'originalité. L'originalité est une affirmation sur le processus et la provenance, et le processus et la provenance sont des choses que vous établissez avec des enregistrements, pas avec un autre score.

Ainsi, le travail n'est pas de trouver une contre-détection. Le travail est d'assembler le matériel qui rend le processus d'écriture visible, et de l'associer aux déclarations que Turnitin lui-même a faites sur ce que son score établit et n'établit pas. Nous avons passé en revue la version générale de ce qu'il faut faire d'abord dans signalé mais que vous avez écrit vous-même. Cet article est le cadre plus large.

L'historique des versions est le journal horodaté de la façon dont un document a changé au fil du temps. Word en garde un via l'enregistrement automatique OneDrive et le Suivi des modifications. Google Docs en garde un nativement et il est activé par défaut. Overleaf garde un historique des pages de style Git. Les trois enregistrent le moment où les modifications ont eu lieu et grossièrement l'ampleur de chaque révision.

Ce que l'historique des versions peut montrer :

• Le document a été modifié au cours de plusieurs sessions à différentes dates.
• Certaines révisions étaient petites (un paragraphe, une phrase) et d'autres plus grandes.
• Le fichier existait dans des états antérieurs, parfois des semaines avant la soumission.
• Les modifications se regroupent autour d'événements de retour, de commentaires du superviseur, ou de vos propres passages de révision.

Ce qu'il ne peut pas montrer :

• Que chaque phrase a été écrite par une personne.
• Qu'aucun outil d'IA n'a été utilisé à aucune étape.
• Que le texte final correspond aux brouillons intermédiaires ligne par ligne.

La valeur de l'historique des versions n'est pas qu'il prouve l'absence d'utilisation d'IA. Il ne le fait pas. La valeur est qu'il montre que le document a un historique cohérent avec le fait d'avoir été écrit au fil du temps. Un bloc collé n'a pas d'historique. Un document écrit en a un. Cette distinction est quelque chose que le score d'IA ne peut pas voir, parce que le score ne regarde que le texte final.

Si vous avez écrit dans Word ou Google Docs, exportez l'historique des versions avant la réunion. Si vous avez écrit dans Overleaf, l'historique des pages sert au même objectif. Faites une capture d'écran de la liste des révisions avec les dates visibles, choisissez trois ou quatre versions le long de la chronologie et notez ce qui a changé dans chacune, et si vous avez utilisé le Suivi des modifications, gardez une copie avec les marques encore visibles. La version marquée est celle qui montre le processus d'édition directement dans le texte.

Avant que le brouillon n'existe, il y avait d'autres choses. Des notes des lectures. Un plan. Des PDF annotés. Une liste de références avec vos propres marquages dessus. Des historiques de recherche dans la base de données de la bibliothèque. Ce sont les résidus de la recherche, pas de la génération. Leurs dates tracent un chemin qui ne ressemble pas à une seule sortie de texte.

Ce qu'il faut apporter :

• Le brouillon le plus ancien que vous ayez encore, même s'il était grossier. Un brouillon grossier est une preuve d'un processus d'écriture. Sa date est une preuve que le document existait avant la version finale.
• Des notes, des plans ou des PDF annotés que vous avez produits en travaillant. Si vous avez surligné des passages dans les sources et écrit des notes en marge, ces marquages sont une preuve que vous vous êtes engagé avec le matériel avant d'écrire à ce sujet.
• Votre liste de références dans son état de travail, avant qu'elle ne soit formatée. Une liste de références qui a grandi sur des semaines au fur et à mesure que vous trouviez des sources a l'air différente d'une qui a été générée en une seule fois.

Rien de tout cela n'est un résultat de détecteur. Rien de tout cela ne produit un nombre. Ce qu'il fait, c'est mettre l'écriture dans un contexte qui a une chronologie, et cette chronologie court dans une direction qui commence avant le document et se termine après lui. Un document généré n'a pas d'avant.

La troisième couche est constituée des enregistrements du processus d'écriture qui existent en dehors du document lui-même.

• Des fils d'e-mails avec votre superviseur ou toute personne qui a donné des retours. Si vous avez envoyé un brouillon à une date spécifique et reçu des commentaires en retour, cet échange ancre un point sur la chronologie. Cela montre aussi que le document était examiné par une autre personne durant sa production.
• Des enregistrements de relecture par les pairs ou des visites au centre d'écriture. Si vous avez emmené un brouillon chez un tuteur d'écriture ou échangé des brouillons avec un camarade, ces sessions ont des dates et parfois des notes. Elles sont une preuve que l'écriture a traversé un processus social, ce qui est la façon dont la plupart des écrits académiques sont réellement réalisés.
• Tout travail antérieur qui a conduit à celui-ci. Si ce document a grandi à partir d'une proposition, d'une bibliographie annotée ou d'une section de méthodologie que vous avez soumise séparément, ces soumissions antérieures font partie de la même trajectoire d'écriture.

Ce que cette couche fait, c'est connecter le document à d'autres personnes et d'autres dates. Un document qui se tient seul sans connexion à aucune interaction antérieure est plus facile à questionner. Un document qui se tient à l'intérieur d'une chaîne d'e-mails, de tutoriels et de soumissions antérieures est plus difficile à séparer de la personne qui l'a produit.

La quatrième couche est votre capacité à expliquer pourquoi votre texte a l'aspect qu'il a. C'est ici que les conseils de Turnitin lui-même sur les faux positifs deviennent pertinents.

Les FAQ sur la détection d'écriture d'IA décrivent les caractéristiques du texte qui tend 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." (Les faux positifs — un texte écrit par une personne signalé à tort comme généré par IA — concernent parfois des textes peu variés dans leur structure, des textes qui se répètent mot pour mot, ou des textes reformulés sans idée nouvelle.)

La phrase suivante est celle qui compte dans votre contexte :

"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 signale une proportion élevée d'écriture par IA dans un texte de ce genre, nous vous conseillons d'en tenir compte au moment de lire le pourcentage affiché.)

Lisez ce que cela couvre. Un contenu sans beaucoup de variation structurelle. Un texte qui se répète littéralement. Un texte qui a été paraphrasé sans développer de nouvelles idées. Ceux-là décrivent une grande part de l'écriture académique. Les revues de littérature résument et synthétisent, ce qui est de la paraphrase par nature. Les sections de méthodologie décrivent des procédures standard dans un langage censé être répétitif parce que la procédure est la même. Les introductions et les conclusions sont souvent génériques par conception parce qu'elles encadrent un travail qui est spécifique au milieu.

Si vos sections signalées sont dans ce territoire, l'entreprise qui a créé l'outil dit à la personne qui lit le score de le minorer pour exactement cette raison. Pas vous. L'entreprise. Votre travail est d'identifier lesquelles de vos sections signalées correspondent à ces caractéristiques et de le dire. « La section de méthodologie décrit un protocole standard, et le langage est répétitif parce que le protocole l'est. » Ce n'est pas une excuse. C'est une correspondance directe avec les caractéristiques que Turnitin lui-même a listées.

Il y a un second ensemble de déclarations qui a sa place dans la pièce, et aucune d'entre elles n'est à vous.

Le guide du AI Writing Report dit :

"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 d'écriture par IA n'est pas toujours exact (il peut confondre un texte écrit par une personne, un texte généré par IA et un texte reformulé par IA) : il ne doit donc pas servir de seul fondement à une mesure défavorable à l'encontre d'un étudiant.)

La phrase immédiatement après est celle qui est omise chaque fois que cette citation est utilisée :

"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." (Établir s'il y a eu fraude académique demande un examen plus poussé et un jugement humain, en lien avec les règles propres à chaque établissement.)

Lisez les deux ensemble. La première dit de ne pas utiliser ce nombre seul. La seconde dit ce qui devrait se passer à la place : un examen approfondi, un jugement humain, les propres politiques de l'institution. C'est le fabricant qui dit à la personne qui détient le nombre de faire plus de travail avant de tirer une conclusion.

Une page distincte intitulée Comment dois-je examiner le rapport d'écriture d'IA ? le formule différemment :

"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'est pas censé fournir à lui seul de réponse définitive. Plus important que n'importe quel outil, il y a l'enseignant qui voit le score et tranche en le mettant en balance avec ce qu'il sait de ses étudiants, de leur travail et du règlement de l'établissement.)

La phrase suivante la complète :

"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." (Quand les enseignants regardent le score d'écriture par IA et s'en servent comme d'une donnée parmi d'autres plutôt que comme d'une réponse définitive, l'outil est utilisé comme prévu.)

C'est le fabricant qui qualifie son propre score de point de données unique. Pas un verdict. Pas une réponse définitive. La chaîne de preuves que vous construisez est ce qui transforme ce point de données unique en points de données multiples, ce qui est l'usage que le fabricant dit être correct.

Ces déclarations apparaissent dans trois documents d'aide Turnitin distincts. Elles ne sont pas la défense d'un étudiant. Elles sont la propre limite du fabricant d'outils sur ce que signifie son nombre.

La FAQ de Turnitin indique son objectif de précision :

"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 cherchons à rendre notre détecteur le plus efficace possible tout en gardant le taux de faux positifs — un texte entièrement écrit par une personne identifié à tort comme généré par IA — sous 1 % pour les documents contenant plus de 20 % d'écriture par IA.)

La phrase suivante le reformule :

"In other words, we might flag a human-written document as AI-written for one out of every 100 fully-human written documents." (Autrement dit, sur 100 documents entièrement écrits par des humains, nous risquons d'en signaler un comme écrit par une IA.)

Remarquez la qualification. L'objectif de moins de 1 % s'applique aux documents avec plus de 20 % d'écriture d'IA. C'est la bande où l'indicateur affiche un nombre réel et met en évidence. En dessous de 20 %, la règle d'affichage actuelle remplace le nombre par un astérisque. Ainsi, la garantie de faux positifs couvre la bande où l'outil s'engage sur un chiffre, et ne s'étend pas à la bande des astérisques.

La même page explique le compromis :

"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." (Pour maintenir ce taux de faux positifs à 1 %, il se peut que du texte écrit par une IA nous échappe dans un document. Cela nous convient, car nous ne voulons pas signaler à tort comme écrit par une IA un texte écrit par une personne. Par exemple, si nous estimons que 50 % d'un document a probablement été écrit par un outil d'IA, il peut en réalité en contenir jusqu'à 65 %.)

Lisez la direction de cela. Le modèle est réglé pour éviter les faux positifs, et le coût de ce réglage est la sous-déclaration. Un score élevé est le modèle qui s'engage sur une affirmation malgré un réglage qui le biaise vers la prudence. Un score faible est cohérent avec à la fois « rien ne s'est passé » et « quelque chose s'est passé que le modèle n'a pas attrapé. » Ni l'une ni l'autre direction ne règle la question de qui a écrit le document. Nous avons passé en revue ce que 20 % signifie et où le seuil se situe dans 20 % d'IA est-ce trop élevé.

Avant de pouvoir expliquer quoi que ce soit sur le score, vous devez voir le rapport. La FAQ de Turnitin indique :

"Please note, only instructors and administrators are able to see the indicator." (Attention : seuls les enseignants et le personnel administratif voient l'indicateur.)

La même page dit aussi :

"The AI writing detection indicator and report are not visible to students." (L'indicateur et le rapport de détection d'écriture par IA ne sont pas visibles par les étudiants.)

Cela a l'air absolu. La phrase suivante le change :

"However, with the PDF download feature, instructors can download and share the AI report with students." (Les enseignants peuvent toutefois télécharger l'AI Report au format PDF et le partager avec les étudiants.)

Donc si personne ne vous a donné le rapport, demandez le PDF. Pas une capture d'écran du pourcentage. Le rapport complet. Parce que le rapport complet vous montre où se situent les surlignages, combien de mots ont été analysés, si le score est un nombre réel ou un astérisque, et quand le rapport a été généré. Toutes ces informations sont nécessaires avant que vous puissiez expliquer quoi que ce soit.

Une capture d'écran d'un nombre vous dit une chose. Un PDF du rapport vous dit si le nombre est un nombre ou non. La page Using the AI Writing Report de Turnitin liste sept états dans lesquels l'indicateur peut se trouver, et seulement deux d'entre eux affichent un pourcentage à l'écran : 0 %, et tout ce qui va de 20 à 100. Les cinq autres sont un astérisque, un rapport en cours de chargement, une erreur de traitement, un fichier qui ne respecte pas les exigences, et une détection qui a été désactivée quand vous avez soumis. Aucun de ceux-là n'est un nombre avec lequel vous pouvez argumenter. Nous avons passé en revue comment lire ces états dans comment lire un rapport d'écriture d'IA Turnitin.

Vous n'avez pas besoin d'un jeu de diapositives. Vous avez besoin d'une page avec une chronologie dessus et d'une courte liste qui associe chaque section signalée à une explication.

1. Tracez une ligne horizontale. Marquez la date du brouillon le plus ancien à gauche, la date de soumission à droite.
2. Mettez les dates de l'historique des versions sur la ligne. Pas chaque version. Cinq ou six. Celles où quelque chose a changé.
3. Mettez les e-mails du superviseur, les sessions de relecture par les pairs et les visites au centre d'écriture sur la même ligne. Ceux-ci ancrent l'historique des versions à des événements qui se sont passés en dehors du fichier.
4. Mettez la date de génération du rapport Turnitin sur la ligne. C'est la date à laquelle le score a été produit, pas la date à laquelle vous avez soumis. Elles sont parfois différentes.
5. Sous la ligne, listez chaque section surlignée du rapport d'IA et votre explication. « Section de méthodologie, protocole standard, répétitif par conception. » « Revue de littérature, synthétisant trois sources, la variation structurelle est faible parce que c'est à quoi ressemble la synthèse. » Celles-ci correspondent directement aux caractéristiques que Turnitin lui-même a listées sous les tendances aux faux positifs.
6. Apportez les trois citations de Turnitin. Imprimées, chacune avec la page sur laquelle elle se trouve. La déclaration de seule base et sa phrase suivante sont sur Using the AI Writing Report, guides.turnitin.com/hc/en-us/articles/22774058814093-Using-the-AI-Writing-Report. La déclaration de point de données unique et sa phrase suivante sont sur How should I review the AI Writing report?, guides.turnitin.com/hc/en-us/articles/27139000787853-How-should-I-review-the-AI-Writing-report. Les caractéristiques de faux positifs et leur phrase suivante sont sur Turnitin's AI writing detection capabilities FAQs, guides.turnitin.com/hc/en-us/articles/28477544839821-Turnitin-s-AI-writing-detection-capabilities-FAQs. Ce ne sont pas vos mots. Ce sont ceux du fabricant d'outils.

Cette page fait deux choses. Elle donne au réviseur quelque chose à regarder d'autre que le score, et elle montre que vous êtes venu participer à une révision, pas à faire un démenti.

Ne prétendez pas que la chaîne de preuves prouve l'absence d'utilisation d'IA. Elle ne le fait pas. L'historique des versions montre que le document a été modifié au fil du temps. Le matériel source montre que la recherche a eu lieu. Les enregistrements de processus montrent que d'autres personnes étaient impliquées. Aucun de ceux-ci n'est un résultat de contre-détection. Prétendre plus que ce qu'ils montrent donne à l'autre côté une réfutation facile et affaiblit tout le reste que vous avez apporté.

N'apportez pas le score d'un outil comme défense. Passer votre document dans un autre détecteur d'IA et obtenir « 0 % d'IA » ne prouve rien, et l'entreprise qui a créé Turnitin a explicitement dit qu'aucun score ne devrait être la seule base. Apporter un score différent pour combattre un score, c'est utiliser la même logique que le fabricant a dit au réviseur de ne pas utiliser.

Ne surestimez pas ce que signifient les citations de Turnitin. La déclaration de seule base dit que le score ne devrait pas être la seule base. Elle ne dit pas que le score est faux. La déclaration de point de données unique dit que le score est une entrée. Elle ne dit pas que le score est sans signification. Présentez-les pour ce qu'elles sont : la propre limite du fabricant sur la façon dont son nombre devrait être utilisé. Laissez le réviseur tirer la conclusion.

Le HumanPen est un outil de réécriture de documents. Nous n'allons pas vous dire que passer votre document dans un outil de réécriture fera disparaître un score d'IA, parce que nous ne faisons pas de déclarations sur les scores futurs. Ce que nous pouvons dire, c'est ce que fait l'outil : vous téléversez le document avec son rapport d'écriture d'IA, et seuls les passages signalés dans le rapport sont réécrits. Le reste du document reste mot pour mot. Vous révisez le résultat avant qu'il ne devienne quoi que ce soit de final.

Si vous voulez aller à la réunion avec le document original et laisser la chaîne de preuves parler, c'est un chemin. Si vous voulez réviser les sections signalées au préalable, c'en est un autre. Les deux sont légitimes. La réunion passe d'abord.

Puis-je prouver que je n'ai pas utilisé d'IA ? Non. Aucun outil ne peut prouver une négation sur votre processus d'écriture. Ce que vous pouvez faire, c'est assembler une chaîne de preuves qui fait de « j'ai écrit ceci » l'explication la plus simple. Historique des versions, matériel source, enregistrements de processus, et une explication de la raison pour laquelle votre texte a l'aspect qu'il a. Ensemble, ils donnent au réviseur quelque chose à regarder d'autre que le score.

Et si je n'ai pas d'historique des versions ? Vous perdez la seule pièce la plus forte de preuve de chronologie, mais vous ne perdez pas tout. Les dates de modification de fichier sur les brouillons antérieurs, les pièces jointes envoyées à votre superviseur, et les dossiers de sauvegarde synchronisés dans le cloud portent tous des horodatages. Ils ne sont pas aussi propres qu'un panneau d'historique des versions, mais ils racontent la même histoire.

Mon professeur ne m'a envoyé qu'une capture d'écran du pourcentage. Qu'est-ce que je demande ? Le rapport d'écriture d'IA complet en PDF. La FAQ de Turnitin dit que les étudiants ne peuvent pas voir l'indicateur, mais dit aussi que les enseignants peuvent télécharger et partager le rapport via la fonctionnalité de téléchargement PDF. Demandez le PDF, pas la capture d'écran. Le rapport vous montre où se situent les surlignages, combien de mots ont été analysés, et si le score est un nombre réel ou un astérisque.

Les sections signalées se trouvent toutes dans ma revue de littérature. Est-ce important ? Oui. La FAQ de Turnitin liste "content without a lot of structural variation" (un texte peu varié dans sa structure) et "text that has been paraphrased without developing new ideas" (un texte reformulé sans idée nouvelle) comme caractéristiques associées aux faux positifs. Les revues de littérature synthétisent et résument, ce qui correspond aux deux. La phrase suivante de la FAQ dit : "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 signale une proportion élevée d'écriture par IA dans un texte de ce genre, nous vous conseillons d'en tenir compte au moment de lire le pourcentage affiché.) C'est l'entreprise qui dit au réviseur de minorer le score pour exactement cette raison.

Puis-je apporter des citations des pages d'aide de Turnitin à la réunion ? Oui. Les déclarations sur le score n'étant pas la seule base, sur le fait qu'il s'agit d'un point de données unique, et sur les caractéristiques de faux positifs sont publiées dans les documents d'aide de Turnitin. Ce sont les mots du fabricant d'outils, pas les vôtres. Les apporter imprimées avec les URL est plus efficace que de paraphraser.