Un score d’IA de 0 % sur CNKI est-il suspect ? Déclenche-t-il une relecture en aveugle ?

Obtenir un taux d’IA de 0 % sur CNKI (知网) ne constitue nullement une preuve de fraude, et aucun texte officiel n’en fait un critère déclencheur d’enquête pour manquement à l’intégrité académique ou de relecture en aveugle automatique (盲审). Les requêtes courantes enregistrées dans les tendances de recherche — telles que "is a 0% CNKI AI rate normal" (« un taux d’IA de 0 % sur CNKI est-il normal ? », 知网ai率0%正常吗) et "is an AI score of 0 good or bad" (« un score d’IA de 0 est-il une bonne ou une mauvaise chose ? », 知网ai率为0是好事还是坏事) — traduisent l’angoisse des étudiants en fin de cursus. Une enquête du Legal Daily (法治日报) consacrée aux services payants d’abaissement artificiel des scores, reprise par la Radio nationale de Chine (CNR, https://news.cnr.cn/native/gd/20250714/t20250714_527260647.shtml ), a mis en lumière cet état d’esprit en rapportant le cas d’un étudiant ayant fait un usage intensif d’outils d’IA et craignant qu’un score anormalement bas n’attire les soupçons. Néanmoins, cet article relatait l’inquiétude personnelle d’un étudiant dans le cadre d’une enquête sur des arnaques commerciales, et non une norme nationale officielle ou la politique d’un établissement.

Un score de 0 % signifie simplement que, dans le système propriétaire de CNKI et pour ce document précis, le classificateur n’a détecté aucun signal éligible similaire à de l’IA. Nous n’avons trouvé aucune documentation de CNKI précisant si son système arrondit les résultats ou applique un seuil d’affichage minimal. Ce score ne prouve pas une paternité humaine authentique, mais il ne constitue pas non plus une preuve de manquement à l’intégrité académique.

Plutôt que de vous inquiéter d’un score qui paraîtrait « trop bas » ou de tenter de le manipuler, consultez les directives écrites de fin d’études publiées par votre propre université et conservez vos brouillons originaux ainsi que vos dossiers de recherche.

Le module de détection d’AIGC de CNKI est un outil de classification propriétaire qui évalue le texte soumis à partir de modèles statistiques automatisés de prose générée par machine. Lorsqu’un rapport affiche « 0 % » ou indique qu’aucun contenu d’IA n’a été identifié, cela signifie que, dans cette version du logiciel, le système n’a trouvé aucun motif de texte éligible ayant franchi ses seuils de classification. Nous n’avons trouvé aucune documentation de CNKI précisant si le système arrondit les pourcentages fractionnaires minimes ou applique une limite d’affichage minimale.

• Un score de 0 % ne prouve pas une paternité indépendante : Un classificateur automatisé évalue des caractéristiques textuelles, et non le processus réel de recherche. Il ne peut pas vérifier si les données expérimentales sont authentiques, si les idées ont été conçues de manière autonome ou si le travail a fait l’objet d’échanges avec des tiers. Un texte rédigé exclusivement par un être humain peut obtenir 0 %, mais c’est également le cas d’un texte ayant fait l’objet d’une lourde restructuration manuelle après son premier jet.
• Un score de 0 % ne constitue pas une preuve de falsification ou de tricherie : Obtenir un score nul n’implique pas que l’auteur a utilisé des méthodes anti-détection ou modifié des caractères pour contourner le contrôle. Lorsqu’une thèse originale est rédigée dans un style académique standard, obtenir 0 % ou un faible pourcentage indique simplement que l’outil n’a détecté aucune signature d’IA éligible.
• Le pourcentage de similarité et le pourcentage d’IA mesurent des éléments distincts : La détection classique du plagiat vérifie le chevauchement textuel au mot à mot par rapport à des publications universitaires indexées, où un faible score de similarité indique un minimum de phrases correspondantes. La détection d’IA tente quant à elle de classifier des propriétés stylistiques du texte. Ces deux indicateurs répondent à des objectifs de filtrage différents et ne doivent pas être confondus.

Dans la mesure où la détection automatisée reflète une classification algorithmique soumise à des conditions spécifiques, les pratiques institutionnelles restent nuancées. Comme le rapportait le Xinhua Daily Telegraph (新华每日电讯) dans son article 《名篇AI率也"超标"？论文AI率检测"误伤"引争议》 (http://www.news.cn/tech/20250521/009e5c05f2b0424b95c9ecc1c06d750d/c.html), les universités ont tendance à traiter avec circonspection les dépassements de seuil d’IA (「目前高校针对论文AI率超标的处理趋于审慎」), et les logiciels automatisés ne sont pas considérés comme des juges infaillibles de la qualité universitaire. Un score de 0 % ne constitue ni un certificat officiel de recherche originale, ni un motif de suspicion de manœuvre frauduleuse.

Les craintes relatives aux faibles scores d’IA trouvent souvent leur origine dans les discussions de couloir durant la période de validation des thèses. Une enquête du Legal Daily consacrée aux services payants d’abaissement de score, reprise par la Radio nationale de Chine (https://news.cnr.cn/native/gd/20250714/t20250714_527260647.shtml), a documenté cette anxiété étudiante. Dans cette enquête, l’étudiant interrogé avait largement utilisé des outils d’IA et avait obtenu « moins de 2 % » lors d’un test sur un site non identifié (et non 0 % sur CNKI), exprimant cette crainte : "Too low won't do either! If the AI rate is too low, the paper might be drawn for 'blind review' [anonymous review] instead." (« Trop bas, ça ne va pas non plus ! Si le taux d’IA est trop bas, la thèse risque plutôt d’être sélectionnée pour la “relecture en aveugle” (évaluation anonyme) », 「太低也不行！AI率过低，论文反而会被抽去‘盲审’（匿名送审）。」). Ce contexte montre bien que cette citation traduit l’angoisse individuelle d’un étudiant après une utilisation massive de l’IA et un test informel, et non une politique institutionnelle ou une règle visant les scores de 0 % sur CNKI.

Ce reportage médiatique a fidèlement saisi une réelle inquiétude étudiante et une rumeur de campus. Cependant, rapporter la peur d’un étudiant ne prouve nullement qu’une autorité éducative ou une université ait instauré une règle ciblant les faibles scores d’IA pour les soumettre à révision.

Dans l’enseignement supérieur chinois, l’évaluation externe en double aveugle (盲审) est régie par des procédures institutionnelles publiées et par les directives des comités de diplômes. La sélection des travaux suit généralement des critères administratifs bien établis et des indicateurs de contrôle de la qualité, comme l’illustrent les règlements universitaires publiés :

• Le règlement d’évaluation en aveugle de l’université du Sud-Est échantillonne "the first cohort of master's students of newly appointed supervisors and newly added degree programmes (sampled proportionally)" (« la première promotion d’étudiants de master des directeurs nouvellement nommés et des filières nouvellement créées (échantillonnage proportionnel) », 「新任导师和新增专业（含新增专业学位）的第一批硕士生（按比例抽取）」).
• L’École de l’environnement et de l’énergie de l’université de technologie de Chine méridionale précise que les mémoires des candidats au master se trouvant dans des situations particulières telles qu’une diplomation anticipée sont "organized for evaluation by the Graduate School" (« organisés pour évaluation par l’École doctorale », 「由研究生院组织评审」).
• L’École d’ingénierie électronique et de l’information de l’université Tongji stipule que les mémoires des étudiants de troisième cycle "listed on the yellow-light warning list during early training stages" (« inscrits sur la liste d’alerte jaune lors des étapes initiales de formation », 「在前期培养环节列入黄灯预警名单」) sont désignés comme faisant l’objet d’une relecture en aveugle (盲审对象).

De plus, lorsque les universités associent dans leurs avis officiels les scores de détection à l’admissibilité à la soutenance de thèse, elles fixent des plafonds de contrôle (par exemple un taux d’AIGC supérieur à 20 %, 30 % ou 40 %), pouvant imposer des révisions, un report de la soutenance ou un second examen approfondi. Aucun des avis institutionnels de fin d’études analysés au cours de nos recherches n’établit de pourcentage minimal d’IA ni ne fait d’un score de 0 % un critère déclencheur de relecture externe en aveugle. Les mécanismes d’évaluation en aveugle sont conçus pour garantir la qualité académique et faire respecter des seuils de conformité maximaux, et non pour pénaliser les étudiants dont les écrits ne présentent aucun signal de rédaction automatisée.

Influencés par la rumeur selon laquelle 0 % paraîtrait suspect, certains étudiants se demandent s’ils devraient insérer délibérément du texte généré par IA ou faire appel à des services tiers pour "nudge the score up to a few percent." (« faire grimper le score de quelques pourcents »). Tenter de manipuler un score d’IA, que ce soit à la hausse ou à la baisse, est inutile et introduit de réels risques académiques.

Les règlements universitaires interdisent formellement toute modification malhonnête des documents soumis à la détection d’AIGC. Par exemple, dans sa Circulaire sur la conduite de la détection d’AIGC pour les thèses et mémoires de master et doctorat au semestre d’automne 2026 (《关于做好2026年秋季学期研究生学位论文AIGC检测的通知》), publiée le 30 septembre 2026 (https://www.sdjzu.edu.cn/yjsc/info/1055/3312.htm), la division des études supérieures (研究生处) de l’université Jianzhu du Shandong stipule : "It is strictly prohibited to artificially lower the proportion of artificial intelligence-generated content through deletion, alteration, or other means. Once discovered and verified, the university will deal with it seriously in accordance with relevant academic misconduct regulations." (« Il est strictement interdit d’abaisser artificiellement la proportion de contenus générés par intelligence artificielle par des moyens tels que la suppression ou la falsification. Dès lors que de tels faits sont constatés et vérifiés, l’établissement les sanctionnera avec sévérité conformément aux règlements relatifs aux manquements à l’intégrité académique », 「严禁以删除、篡改等手段人为降低人工智能生成的内容比例。一经发现与核实，学校将按学术不端相关规定给予严肃处理。」).

Point capital : la circulaire universitaire interdit expressément d’abaisser la proportion de contenu généré par IA ; elle ne dit rien sur le fait de la relever. Cependant, comme le souligne cet article, pousser délibérément un score vers le haut engendre ses propres risques académiques majeurs :

• Introduire des régularités textuelles artificielles : Insérer des phrases générées par machine dans un texte authentique risque d’introduire des anomalies algorithmiques susceptibles de déclencher des signalements sous d’autres versions logicielles ou lors d’évaluations ultérieures.
• Compromettre la clarté et la rigueur académiques : Ajouter des phrases de remplissage artificielles pour atteindre un objectif chiffré imaginaire peut introduire des incohérences logiques, des définitions imprécises ou des citations hors de propos qui nuisent à la valeur scientifique de la thèse.
• Fausser l’historique réel des versions : Modifier un travail déjà finalisé dans le seul but d’en altérer un indicateur brouille la chronologie réelle de rédaction, ce qui rendra plus difficile la démonstration de la maturation progressive de vos arguments.

Les comités d’évaluation universitaire jugent le fond, la logique et l’authenticité de votre recherche. Dénaturer un manuscrit authentique pour courir après un score arbitraire engendre précisément les problèmes de conformité que les étudiants cherchent à éviter.

Lorsqu’un rapport de détection CNKI affiche 0 %, la réaction appropriée consiste à se concentrer sur la conformité institutionnelle et la constitution de preuves documentaires plutôt que de s’inquiéter du chiffre. Les étudiants peuvent se protéger efficacement en suivant ces quatre étapes pratiques :

• Consultez la circulaire officielle en vigueur pour votre promotion : Prenez connaissance des directives officielles de fin d’études et d’évaluation des thèses publiées par la scolarité ou l’école doctorale de votre université pour votre année universitaire. Fiez-vous aux arrêtés officiels de votre composante pour connaître les plateformes requises, les formats de soumission et les modalités d’évaluation, plutôt qu’à des rumeurs d’anciennes promotions ou d’autres établissements.
• Conservez le rapport de détection original complet : Téléchargez et archivez le rapport officiel complet délivré par le système de détection désigné, comprenant l’identifiant du rapport, l’horodatage et les paramètres d’évaluation, ainsi que le fichier textuel exact qui a été soumis.
• Préservez l’historique de vos brouillons et vos documents de recherche : Si votre mémoire est sélectionné pour une relecture en aveugle standard ou fait l’objet de questions lors de la soutenance, l’authenticité de votre travail se prouve par la trace matérielle de votre rédaction. Conservez vos versions successives datées, les historiques de révision de vos logiciels de traitement de texte, vos cahiers de laboratoire, vos données d’enquêtes, vos fiches de lecture et vos échanges avec votre directeur de recherche.
• Respectez scrupuleusement les règles de déclaration de votre établissement : Si vous avez utilisé des outils numériques au cours de vos recherches pour des tâches autorisées telles que la veille bibliographique ou la révision linguistique conformément aux règles de votre université, déclarez-les de manière exacte dans les formulaires de déclaration sur l’honneur ou les sections de remerciements prévues par votre département.

Grâce à un historique cohérent de vos brouillons, à des données de recherche vérifiables et au respect des consignes institutionnelles, les étudiants peuvent aborder sereinement les tirages au sort ordinaires comme leur soutenance, quel que soit le chiffre affiché par un logiciel.

Un score d’IA de 0 % sur CNKI est-il normal pour une thèse rédigée par un être humain ? Un score de 0 % signifie simplement que le classificateur n’a détecté aucun motif de texte éligible généré par machine selon ses paramètres d’évaluation actuels. Nous n’avons trouvé aucune documentation de CNKI indiquant si le système procède à des arrondis ou applique un seuil d’affichage minimal. Obtenir 0 % arrive tout à fait naturellement dans des travaux originaux rédigés par des humains, bien que les scores varient selon les documents et les versions du système.

Un score de 0 % garantit-il que ma thèse sera validée ? Non. La détection automatisée ne fait qu’estimer des régularités textuelles ; elle n’évalue en aucun cas la rigueur universitaire, l’originalité des conclusions de recherche, la pertinence méthodologique ou l’authenticité des données. Les commissions professorales et les examinateurs jugent la valeur scientifique intrinsèque du travail.

Si un pré-contrôle non officiel affiche 0 %, le contrôle officiel de l’université peut-il donner un résultat différent ? De légères variations peuvent apparaître entre deux analyses distinctes. Les modèles logiciels font l’objet de mises à jour périodiques, et les comptes institutionnels peuvent appliquer des paramètres de filtrage différents. Conserver un historique complet et intact de vos versions successives vous assure de pouvoir démontrer l’authenticité de votre travail, indépendamment de ces infimes fluctuations.

Les évaluateurs externes en aveugle ont-ils accès au score de détection d’IA CNKI d’une thèse ? Nous n’avons trouvé aucune réglementation nationale publique établissant si les rapports de détection d’IA commerciale sont transmis aux évaluateurs externes en aveugle. Si les protocoles d’évaluation en double aveugle imposent habituellement de masquer l’identité de l’auteur, du directeur de recherche et de l’établissement sur le manuscrit, l’inclusion ou non d’un rapport institutionnel de détection dans le dossier d’évaluation relève exclusivement des règlements internes de chaque université ou faculté. Les étudiants doivent se référer aux exigences formelles de dépôt de leur propre établissement.

• Legal Daily (法治日报, repris par la Radio nationale de Chine) : Enquête sur les services payants de réduction du taux d’IA dans les thèses : des étudiants escroqués et menacés (14 juillet 2025, documentant les arnaques commerciales de baisse de score et citant un utilisateur intensif de l’IA ayant obtenu moins de 2 % sur un site anonyme et redoutant que : « 太低也不行！AI率过低，论文反而会被抽去‘盲审’（匿名送审）。 » [« Trop bas, ça ne va pas non plus ! Si le taux d’IA est trop bas, la thèse risque plutôt d’être sélectionnée pour la “relecture en aveugle” (évaluation anonyme). »], https://news.cnr.cn/native/gd/20250714/t20250714_527260647.shtml ).
• Xinhua Daily Telegraph (新华每日电讯, via Xinhua Net) : 《名篇AI率也"超标"？论文AI率检测"误伤"引争议》 (21 mai 2025, rapportant que « actuellement, le traitement par les universités des dépassements de taux d’IA dans les thèses tend vers la prudence » [「目前高校针对论文AI率超标的处理趋于审慎」], http://www.news.cn/tech/20250521/009e5c05f2b0424b95c9ecc1c06d750d/c.html ).
• Comité permanent de l’Assemblée populaire nationale : Loi sur les diplômes universitaires de la République populaire de Chine (《中华人民共和国学位法》, adoptée le 26 avril 2024, entrée en vigueur le 1ᵉʳ janvier 2025 ; article 37 régissant les motifs légaux de refus et de retrait de diplôme, http://www.npc.gov.cn/npc/c2/c30834/202404/t20240426_436840.html ).
• Division des études supérieures de l’université Jianzhu du Shandong (研究生处) : Circulaire sur la conduite de la détection d’AIGC pour les thèses et mémoires de master et doctorat au semestre d’automne 2026 (publiée le 30 septembre 2026, interdisant formellement l’abaissement artificiel des taux d’IA : « 严禁以删除、篡改等手段人为降低人工智能生成的内容比例。一经发现与核实，学校将按学术不端相关规定给予严肃处理。 » [« Il est strictement interdit d’abaisser artificiellement la proportion de contenus générés par intelligence artificielle par des moyens tels que la suppression ou la falsification. Dès lors que de tels faits sont constatés et vérifiés, l’établissement les sanctionnera avec sévérité conformément aux règlements relatifs aux manquements à l’intégrité académique. »], https://www.sdjzu.edu.cn/yjsc/info/1055/3312.htm ).
• École doctorale de l’université du Sud-Est : Règlement relatif à l’évaluation en aveugle des mémoires et thèses universitaires (révisé) (《东南大学研究生学位论文盲审条例（修订）》, article 3 : « la première promotion d’étudiants de master des directeurs nouvellement nommés et des filières nouvellement créées (y compris les filières professionnalisantes), par échantillonnage proportionnel » [「新任导师和新增专业（含新增专业学位）的第一批硕士生（按比例抽取）」], https://seugs.seu.edu.cn/_upload/article/files/67/90/c18ede9440958f6f715a429aa1e3/a80cb026-bee8-41cb-a292-b6e5de702572.pdf ).
• École de l’environnement et de l’énergie de l’université de technologie de Chine méridionale : 《关于2026年上半年硕士研究生学位论文送审评阅工作有关事项的通知》 (publié le 17 mars 2026, précisant que les mémoires des candidats se trouvant dans des situations telles qu’une diplomation anticipée sont « organisés pour évaluation par l’École doctorale » [「由研究生院组织评审」], https://www2.scut.edu.cn/cese/2026/0309/c1505a619406/page.htm ).
• École d’ingénierie électronique et de l’information de l’université Tongji : directives d’évaluation des thèses et mémoires universitaires (stipulant une relecture en aveugle pour les étudiants « inscrits sur la liste d’alerte jaune lors des étapes initiales de formation » [「在前期培养环节列入黄灯预警名单」], https://see.tongji.edu.cn/__local/1/2D/20/7923F000B89EFE5DEC4840E30F8_AA91B435_B80D2.pdf et https://see.tongji.edu.cn/__local/C/C7/AE/4A2DC1F3F11756DCE3CB8FB3705_6C14290F_BC6F9.pdf ).

Note réglementaire : Les normes d’évaluation d’AIGC et les procédures d’échantillonnage pour la relecture en aveugle sont définies par chaque établissement habilité à délivrer des diplômes, conformément à ses propres règlements académiques. Pour l’ensemble des conditions requises pour l’obtention du diplôme, veuillez consulter les circulaires écrites en vigueur publiées par votre département.