La détection d’IA sur CNKI coûte plus de 100 RMB : faut-il payer pour une vérification préalable ?

D’après les enquêtes de presse et les avis institutionnels consultés, payer de sa poche pour des pré-contrôles commerciaux AIGC sur CNKI n’est nullement recommandé comme une exigence standard, et il n’existe aucune norme vérifiée déterminant combien d’analyses suffisent.

Un reportage du Guangming Daily, relayé par China National Radio (CNR), a documenté un cas concret : Liu Xia (pseudonyme), étudiante en deuxième année de master à Pékin préparant un mémoire de près de 60 000 caractères, a constaté qu’une seule analyse AIGC sur CNKI coûtait plus de 120 RMB, même après réduction. Comme son université exigeait un taux d’IA ne dépassant pas 30 %, l’étudiante a soumis son manuscrit à trois reprises pour tenter de faire baisser son score d’IA, dépensant près de 400 RMB uniquement en frais de détection. Il s’agit là d’une simple étude de cas journalistique illustrant le coût financier et l’anxiété subis par les étudiants diplômés, et non d’une étude de marché sur les prix ni d’une recommandation incitant à payer pour des analyses commerciales.

La question de savoir « combien d’analyses suffisent » n’a pas de réponse standard, car les scores des détecteurs fluctuent de manière imprévisible. Dans ce même reportage du Guangming Daily, un autre étudiant, Xiao Xi, a vu son résultat passer de 71,2 % à 18,4 % en l’espace d’une demi-heure sur la même plateforme de détection. Même sur un outil identique, ces variations de score ne garantissent aucunement la validation lors de l’examen officiel de votre université. Payer pour des analyses commerciales répétées n’achète souvent qu’une tranquillité d’esprit éphémère, tout en exposant des recherches non publiées à des risques d’exploitation des données par des tiers.

Avant de payer pour des analyses tierces, les étudiants devraient d’abord vérifier si leur établissement propose des quotas de détection officiels, s’assurer que leur département prévoit une procédure de recours ou de révision par l’encadrement, et tenir des historiques de révision vérifiables dans leur logiciel de traitement de texte.

Avant de téléverser un mémoire ou une thèse sur un portail commercial, les étudiants doivent soupeser avec soin trois risques majeurs :

1. Des plateformes et des environnements différents produisent des résultats divergents Les universités chinoises ne s’appuient pas sur une plateforme de détection unique : certaines utilisent CNKI, tandis que d’autres ont recours à VIP (维普), Wanfang (万方) ou à d’autres outils. Tester votre texte sur un système ne vous renseigne guère sur la manière dont un autre l’évaluera. De plus, comme le montrent les comparaisons entre d’autres détecteurs d’IA (voir si un détecteur d’IA externe peut prédire les résultats institutionnels), les scores issus d’environnements de détection différents ne peuvent pas être comparés directement, et un résultat externe n’offre aucune garantie quant au résultat officiel de votre établissement.

2. Multiplier les analyses alimente une spirale d’anxiété sans modifier la politique de l’université Le reportage évoquant une étudiante ayant dépensé près de 400 RMB pour trois vérifications illustre parfaitement le piège psychologique du pré-contrôle commercial. Comme les classifieurs AIGC analysent des récurrences statistiques dans le langage, des retouches mineures ou des ajustements de structure peuvent faire fluctuer les pourcentages de façon imprévisible. Les étudiants se retrouvent fréquemment pris au piège d’un cycle coûteux consistant à modifier des phrases pour satisfaire un algorithme plutôt qu’à perfectionner le fond de leur recherche, sans pour autant faire évoluer les critères d’évaluation écrits de leur université.

3. Les portails non officiels engendrent de graves risques de fuite de brouillons et d’atteinte à la propriété intellectuelle De nombreux services commerciaux de pré-contrôle fonctionnent par l’intermédiaire de revendeurs tiers, de boutiques en ligne ou de sites web non vérifiés, sans aucun lien institutionnel direct. Téléverser sur un serveur non régulé une thèse non publiée, comportant des recherches originales, des données empiriques ou des découvertes brevetables, crée un risque majeur de conservation non autorisée ou de revente commerciale. Voir ses résultats fondamentaux divulgués avant la soutenance officielle cause un préjudice qu’aucun rapport commercial ne saurait réparer.

Plutôt que de dépenser de l’argent sous le coup de l’impulsion, les étudiants peuvent évaluer leur situation à l’aide de trois questions concrètes :

• Si votre université fournit des quotas de détection gratuits : utilisez les canaux institutionnels officiels, conservez le rapport formel et évitez de dépenser de l’argent dans des pré-contrôles commerciaux.
• Si le manuscrit contient des recherches sensibles ou confidentielles : évitez formellement de téléverser vos versions de travail sur des portails commerciaux tiers ; appuyez-vous sur les conseils de votre directeur de recherche et tenez un historique local de vos révisions.
• Si votre département propose une révision humaine ou des voies de recours : privilégiez la traçabilité documentée de votre rédaction et des échanges approfondis avec votre encadrant, plutôt que de dépenser de l’argent pour tenter d’ajuster des scores algorithmiques.
• Si l’établissement subordonne directement l’obtention du diplôme aux scores automatisés : vérifiez si une procédure de révision humaine s’applique et, si un contrôle externe s’avère indispensable, anonymisez intégralement votre texte.

Étape 1 : Vérifiez si votre université attribue un quota de détection officiel Comme l’a rapporté le Guangming Daily, de nombreuses universités promettent aux étudiants au moins une analyse d’IA gratuite, bien que certains établissements aient dû chercher des solutions alternatives face aux tarifs des plateformes qui dépassaient leur budget. Les étudiants devraient d’abord consulter les avis de la scolarité ou de l’école doctorale de leur université pour voir si un quota officiel gratuit est proposé avant de dépenser de l’argent pour des services tiers.

Étape 2 : Évaluez si le manuscrit renferme des résultats confidentiels ou protégés Si une thèse implique des subventions de recherche publiques, des accords de confidentialité avec des partenaires industriels, des données sur des participants à des essais cliniques ou des méthodologies inédites destinées à un dépôt de brevet, elle ne doit sous aucun prétexte être téléversée sur des sites commerciaux non vérifiés. Dans ces situations, la sécurité de la recherche et la confidentialité des données l’emportent largement sur le gain hypothétique d’un score externe.

Étape 3 : Confirmez l’existence de procédures de révision humaine et de recours Les médias soulignent que les taux d’IA sont souvent liés à l’autorisation de soutenance et à la délivrance du diplôme, mais les pratiques varient selon les établissements. Par exemple, le Guangming Daily a rapporté que la Shanxi Agricultural University stipule que les résultats de détection n’ont qu’une valeur indicative et doivent impérativement être associés à une révision humaine menée par les directeurs de recherche ou par une commission d’experts. Selon la Loi sur les grades universitaires de Chine (adoptée le 26 avril 2024 par le Comité permanent de la 14e Assemblée populaire nationale), l’article 39 dispose que les établissements habilités à délivrer des diplômes doivent informer les candidats et entendre leurs déclarations et leur défense avant de décider de ne pas leur accorder le diplôme, et l’article 40 permet aux candidats de solliciter un réexamen académique s’ils contestent les conclusions d’une évaluation académique. Si votre département dispose d’une procédure de révision humaine ou de recours, conserver des historiques authentiques de vos versions de travail possède une valeur probante bien supérieure au fait de dépenser de l’argent pour courir après des scores algorithmiques.

Plutôt que d’engager des sommes importantes dans des analyses algorithmiques aux résultats imprévisibles, les étudiants devraient appliquer ces quatre démarches concrètes et peu coûteuses :

• Consultez les circulaires officielles de votre campus et les portails désignés : prenez connaissance des directives de fin d’études en vigueur publiées sur le site de la scolarité ou de l’école doctorale de votre université. Confirmez si votre département exige officiellement CNKI, VIP ou un autre système, et vérifiez les dates limites de soumission ainsi que les règles de procédure.
• Conservez une piste d’audit numérique ininterrompue de votre rédaction : activez le suivi des versions dans WPS, Tencent Docs, Microsoft Word ou sur votre stockage cloud. Archivez systématiquement les versions datées de vos brouillons, les historiques de révision, vos notes de lecture, vos jeux de données brutes de laboratoire ainsi que les échanges d’e-mails avec votre encadrant. Lors de l’évaluation de votre intégrité académique, une chronologie de création authentique fait bien plus autorité que n’importe quel pourcentage automatisé.
• Distinguez bien le contrôle du plagiat de la détection de texte généré par IA : la détection du plagiat recherche les chevauchements textuels au mot à mot avec la littérature publiée, tandis que le filtrage AIGC analyse des motifs statistiques de langage. Modifier un texte pour satisfaire l’un de ces indicateurs n’améliore pas nécessairement l’autre. Si vous envisagez d’utiliser des outils automatisés de reformulation ou d’édition, la possibilité et les modalités de leur recours dépendent exclusivement de la politique d’intégrité académique et des consignes spécifiques de votre établissement ; consultez directement ces règlements plutôt que de vous fier à des arguments commerciaux, et n’accordez jamais votre confiance à des promesses de scores garantis.
• Entretenez une communication régulière et approfondie avec votre directeur de recherche : soumettez vos projets de chapitres à votre encadrant selon un calendrier régulier et conservez une trace écrite de ses retours. La validation de votre diplôme repose en fin de compte sur le jugement académique de votre directeur et du jury d’évaluation des diplômes, et non sur le score produit par un logiciel commercial.

Un pré-contrôle externe correspondra-t-il exactement au score officiel de l’université ? Pas nécessairement. Les différentes plateformes de détection s’appuient sur des modèles distincts et, même sur un outil strictement identique, les résultats peuvent varier de manière substantielle d’une exécution à l’autre. Selon le reportage du Guangming Daily, un étudiant ayant testé le même brouillon sur une même plateforme a vu son score passer de 71,2 % à 18,4 % en l’espace d’une demi-heure. Une vérification préalable externe n’apporte aucune garantie quant au résultat officiel rendu par votre établissement.

Si un étudiant analyse sa thèse à trois reprises comme dans le reportage, le score diminuera-t-il régulièrement ? Non. Les outils de détection AIGC reposent sur une classification probabiliste et non sur un barème linéaire de déduction de points. Modifier des tournures isolées peut involontairement faire apparaître des structures que le classifieur pénalisera plus lourdement, entraînant des fluctuations imprévisibles du score. Multiplier les analyses a généralement pour seul effet d’accroître l’anxiété, sans nullement garantir un score inférieur.

Les boutiques de commerce électronique tierces proposant des pré-contrôles sont-elles fiables ? Elles présentent des risques pour la confidentialité et la sécurité de vos données. Si CNKI propose des services de détection directement sur son site officiel, de nombreuses boutiques en ligne et intermédiaires non agréés opèrent sans garanties vérifiées en matière de sécurité des données, ce qui expose vos versions inédites à un risque de rétention non autorisée ou de fuite.

Que doit faire un étudiant si son établissement ne propose qu’une seule analyse et applique des sanctions strictes en cas de score élevé ? Il convient de consulter le responsable pédagogique de votre département ou votre directeur de recherche afin d’éclaircir les modalités exactes d’évaluation et de recours. Si un contrôle externe paraît incontournable, veillez à supprimer tous les éléments d’identification personnelle, les remerciements et les données de recherche sensibles avant le téléversement, tout en conservant scrupuleusement l’historique complet de vos versions pour une vérification humaine.

• Guangming Daily / China National Radio (CNR) : Is Using AI to Check AI Rates Really Reliable? (« Recourir à l’IA pour vérifier le taux d’IA est-il vraiment fiable ? ») (publié le 27 mai 2026, rapportant le cas d’une étudiante en master, Liu Xia, ayant payé plus de 120 RMB par analyse sur CNKI et dépensé près de 400 RMB en trois vérifications pour respecter un seuil maximal de 30 %, les fluctuations de score sur une même plateforme de 71,2 % à 18,4 %, les difficultés liées aux quotas des établissements et la politique de révision humaine de la Shanxi Agricultural University, https://news.cnr.cn/rebang/20260527/t20260527_527637099.shtml).
• Comité permanent de l’Assemblée populaire nationale : Academic Degrees Law of the People's Republic of China (« Loi sur les grades universitaires de la République populaire de Chine ») (adoptée le 26 avril 2024 lors de la 9e session du Comité permanent de la 14e Assemblée populaire nationale ; l’article 39 stipule qu’il faut informer les candidats et entendre leurs déclarations et leur défense avant de décider de ne pas délivrer un diplôme, et l’article 40 prévoit un réexamen académique des conclusions de l’évaluation académique, http://www.npc.gov.cn/npc/c2/c30834/202404/t20240426_436840.html).

Avis réglementaire : les règlements institutionnels, les systèmes de détection désignés et les procédures d’évaluation des thèses et mémoires de fin d’études sont fixés et mis à jour de façon autonome par chaque université. Les étudiants diplômants doivent impérativement consulter les circulaires administratives officielles publiées par leur propre établissement pour l’année universitaire en cours.