Réécrire uniquement les paragraphes signalés par un rapport Turnitin

Je développe HumanPen, qui fait exactement ce que je vais décrire, donc ce n'est pas une analyse neutre. Le mécanisme mérite d'être expliqué, même si vous préférez le faire à la main.

Un outil qui réécrit tout coûte peu à exécuter, mais beaucoup à vérifier.

Le coût qui vous retombe vraiment dessus, c'est la vérification. Et la vérification dépend de ce qui a changé, pas de ce qui posait problème. Partout où une réécriture est intervenue, vous devez maintenant confirmer que les chiffres sont intacts, que la terminologie reste cohérente avec la section précédente, que la citation dans le texte est toujours rattachée à l'affirmation qu'elle soutient, que « voir Tableau 2 » pointe bien vers le Tableau 2, et qu'une précaution ne s'est pas transformée en affirmation. Le passage d'« association » à « causation », c'est celui qui m'inquiète, parce que la phrase a toujours l'air parfaitement correcte sur la page.

Sur un paragraphe que personne n'a touché, vous ne vérifiez rien.

Prenons l'exemple que nous utilisons dans notre analyse comparative : un article de 10 000 mots dont 2 800 mots sont signalés. Si vous réécrivez tout, vous relisez 10 000 mots pour corriger la même chose. Les 7 200 autres, vous n'aviez aucune raison d'en douter.

Un deuxième coût apparaît plus tard. Une fois qu'un passage de réécriture complète a modifié les paragraphes qui étaient déjà propres, le rapport suivant n'est plus comparable au premier. Si quelque chose de nouveau est signalé, impossible de savoir si ça l'était avant, parce que le texte en dessous n'est plus celui que le premier rapport a analysé. La réécriture sélective conserve le texte non signalé comme référence.

La documentation de Turnitin est claire : l'indicateur d'écriture par IA et le score de similarité sont indépendants l'un de l'autre, et les surlignages d'écriture par IA n'apparaissent pas du tout dans le rapport Similarity (Using the AI Writing Report). Un rapport Similarity signale les recoupements avec des sources existantes. Si vous l'utilisez dans un flux guidé par rapport, vous travaillez sur des passages que personne n'a classés comme écriture par IA. HumanPen ne lit pas un rapport Similarity comme un rapport AI Writing.

Deux autres éléments qui changent votre lecture du rapport :

• En dessous de 20 %, il n'y a pas de chiffre. Turnitin affiche une astérisque au lieu d'un pourcentage pour les scores entre 1 et 19, et attribue cela à un taux plus élevé de faux positifs dans cette tranche. Donc le pourcentage n'est pas toujours disponible. Les surlignages, si.
• Le pourcentage ne représente pas une part du document entier. Turnitin n'analyse que ce qu'il appelle le « texte qualifiant », c'est-à-dire la prose en forme longue avec des phrases grammaticalement correctes. Les listes, les puces et autres structures non phrastiques sont hors analyse. La formulation de Turnitin pour décrire la conséquence est « a document containing several different writing types would result in a disparity between the percentage and the highlights ». Donc les surlignages et le pourcentage ne correspondent pas toujours, et l'écart dépend de la part de votre document qui n'est pas de la prose.

Les passages surlignés, pas le chiffre, sont la partie du rapport sur laquelle vous pouvez agir.

La réécriture, c'est la moitié facile.

1. Extraire les surlignages d'un document qui n'a jamais été conçu pour être analysé. Dans Turnitin, seuls les instructeurs et les administrateurs voient les indicateurs d'écriture par IA. Les instructeurs peuvent télécharger un PDF du rapport à partager avec l'étudiant, donc ce qui arrive à un auteur, c'est généralement un PDF, pas un flux de données. Et un rapport PDF, c'est un rendu. Sa couche texte, ce sont des glyphes positionnés ligne par ligne, et le surlignage, c'est une forme colorée dessinée par-dessus. Rien dans le fichier ne dit « ces caractères sont signalés ». Récupérer ça suppose d'intersecter la géométrie des surlignages avec la géométrie de la couche texte et de lire quels glyphes tombent dedans.
2. Normaliser ce qui sort, parce que ce n'est pas le texte que vous avez écrit. Les mots se coupent en fin de ligne avec des traits d'union qui n'étaient jamais dans la source. Les ligatures reviennent sous forme d'un glyphe là où vous aviez tapé deux lettres. Les apostrophes droites reviennent courbées. Les en-têtes courants, les numéros de page et les pieds de page s'intercalent dans le flux extrait, donc un paragraphe peut arriver avec le nom de la revue assis dedans. Chacune de ces particularités met en échec la correspondance exacte, et le seul symptôme, c'est un outil de recherche qui ne renvoie silencieusement rien.
3. Retrouver la correspondance dans le fichier source avec la même normalisation des deux côtés. Vous comparez un rendu avec perte d'un paragraphe au paragraphe lui-même, donc c'est une correspondance floue par construction, et une correspondance floue, c'est quelque chose qu'il faut montrer à quelqu'un.
4. Étendre la correspondance au paragraphe entier. Les surlignages ne sont pas obligés de coïncider avec les paragraphes, et le cas qui détermine la conception, c'est celui où ils ne coïncident pas : le passage commence quelque part au milieu d'une phrase et s'arrête en plein milieu d'une proposition. Si vous ne réécrivez que les caractères exactement surlignés, la moitié du paragraphe revient dans un registre différent de l'autre moitié, et les phrases se retrouvent appuyées sur des pronoms et des termes définis qui ont été introduits dans la partie que personne n'a touchée. C'est pour ça que le paragraphe est la plus petite unité de réécriture. Un surlignage partiel est étendu au paragraphe complet, et c'est cette liste étendue qu'on montre à l'auteur pour confirmation.
5. Réécrire sur place, dans le fichier. Pas extraire, réécrire, recoller. Chaque paragraphe réécrit retourne là où il était, et un ensemble protégé est laissé tranquille au passage : les marqueurs de citation, les entrées de références, les formules, le code, les légendes, la numérotation des figures, les notes de bas de page, les cellules de tableau, les champs de référence croisée et la table des matières.

L'étape 3 est heuristique, et les heuristiques se trompent parfois.

Une phrase surlignée qui apparaît deux fois dans le document, comme ça arrive avec le texte standard des méthodes, peut correspondre au mauvais endroit. Un paragraphe que vous avez modifié après avoir généré le rapport peut ne pas correspondre du tout. Une légende ou une cellule de tableau peut ressembler à de la prose de corps de texte. Si l'outil agit sur une mauvaise correspondance en silence, il réécrit un paragraphe que le rapport n'a jamais signalé et vous ne l'apprenez jamais, ce qui est exactement la chose que cette approche cherche à éviter.

Donc les paragraphes correspondants sont montrés avant que le travail ne commence. Vous ajoutez à la liste, vous en retirez, et tout ce que vous n'avez pas confirmé reste hors champ. Le champ d'application, c'est aussi le prix, puisque la facturation suit les mots réellement réécrits, donc cet écran, c'est aussi l'estimation.

Le guidage par rapport n'a de sens que si vous avez vraiment un rapport. Sans ça, le traitement complet du document ou le choix manuel des passages est la réponse honnête, et le nôtre fait les deux aussi.

Le résultat nécessite une relecture humaine. La réécriture automatisée produit des détails qui ont besoin d'être corrigés, et refuser d'injecter des erreurs de grammaire ou d'orthographe délibérées ne rend pas le résultat prêt à être soumis pour autant.

La correspondance s'exécute sur le fichier que vous téléchargez, donc si vous avez beaucoup modifié depuis la génération du rapport, attendez-vous à moins de correspondances et à un champ d'application proposé plus court. Si le champ qu'on vous montre semble plus mince que les surlignages de votre rapport, c'est généralement pour cette raison.

Il n'y a nulle part de comparaison de score de détection dans ce texte, et c'est volontaire. Turnitin dit clairement qu'il ne publiera pas les noms des outils de paraphrase et de contournement que son détecteur couvre, parce qu'une liste publique aiderait les gens à l'éviter (AI writing detection FAQs). Ce qui veut dire que personne en dehors de Turnitin ne peut vérifier une affirmation du genre « on bat le détecteur X », donc je ne vais pas en faire. Turnitin dit aussi que son indicateur ne devrait pas être la seule base pour une action contre un étudiant, ce qui vaut la peine de garder en tête quand un chiffre revient plus élevé que prévu.

Si un nouveau rapport signale encore des passages, les résultats éligibles peuvent continuer à baisser l'IA gratuitement. C'est du support, pas une promesse sur où le chiffre va atterrir.

Y a-t-il un outil qui ne réécrit que les paragraphes signalés dans un rapport Turnitin ? Oui. HumanPen importe un rapport AI Writing de Turnitin ou iThenticate, retrouve les passages surlignés dans votre document source, vous montre les paragraphes correspondants, et ne réécrit que ceux que vous confirmez. Le fichier revient dans le format dans lequel il est entré.

Est-ce que je peux simplement faire ça à la main ? Oui, et pour cinq ou six paragraphes signalés, c'est tout à fait raisonnable. Ouvrez le rapport à côté du document, trouvez chaque surlignage, réécrivez ce paragraphe vous-même, laissez le reste tranquille. Vous obtenez le même gain de champ d'application. Ce qu'un outil vous apporte, c'est la correspondance sur un long PDF et le fait de ne pas avoir à réassembler le fichier après.

Est-ce que ça marche avec iThenticate autant qu'avec Turnitin ? Oui. Les deux produisent un rapport AI Writing et les deux sont pris en charge. Ce qui n'est pas interchangeable, c'est le rapport Similarity, qui mesure quelque chose d'entièrement différent.

Comment testerais-je si un outil fait vraiment ça ? Trouvez un surlignage dans votre rapport qui commence au milieu d'une phrase. Donnez le rapport à l'outil et regardez le champ d'application qu'il propose. Il devrait contenir ce paragraphe entier, et il ne devrait pas contenir le paragraphe avant ou après sauf si ceux-ci étaient aussi signalés. Un outil qui propose le fragment exactement surligné va vous rendre un paragraphe écrit par deux personnes, et un outil qui propose toute la section ne travaille pas vraiment à partir du rapport.