Turnitin Authorship et détection de l’IA : deux systèmes différents, expliqués

Lorsque vous consultez un rapport Turnitin, vous pouvez voir plus d’un type de résultat. Turnitin ne se contente pas d’un seul détecteur qui lit votre devoir et y appose un tampon. Il fait fonctionner deux systèmes distincts, qui répondent à deux questions différentes.

Authorship, qui fait partie de l’expérience Originality, demande : l’étudiant réel a-t-il écrit ce devoir ? La détection de l’IA demande : ce texte a-t-il été généré par un outil de rédaction IA ? Elles emploient des méthodes différentes, se déclenchent pour des raisons différentes et ne sont pas interchangeables. Si votre rapport vous signale au titre d’Authorship, ce n’est pas la même chose qu’être signalé par la détection de l’IA.

Authorship est le mécanisme par lequel Turnitin vérifie si le devoir remis a bien été rédigé par l’étudiant qui l’a remis. C’est la vérification qui peut repérer un rédacteur fantôme rémunéré, une usine à devoirs ou un devoir écrit par un ami. Elle ne cherche pas d’IA.

Turnitin décrit le mécanisme ainsi : « Authorship, on the other hand, uses metadata as well as forensic language analysis to detect if the submitted assignment was written by someone other than the student. It will not be able to indicate if it was AI written; only that the content is not the student's own work. » (Authorship, de son côté, utilise des métadonnées ainsi qu’une analyse linguistique médico-légale pour détecter si le devoir remis a été écrit par quelqu’un d’autre que l’étudiant. Il ne pourra pas indiquer s’il a été écrit par une IA ; seulement que le contenu n’est pas le propre travail de l’étudiant.)

Deux composantes travaillent ici. La première, ce sont les métadonnées : les informations intégrées à votre fichier, qui peuvent enregistrer qui y a travaillé, depuis quel appareil et à quels moments. La seconde, c’est l’analyse linguistique médico-légale, qui compare l’écriture du devoir aux habitudes d’écriture connues de l’étudiant. Les deux réunies étayent un jugement sur la paternité : ce document est-il le propre travail de l’étudiant, oui ou non ? Turnitin recueille une version plus complète de cette même trace ailleurs : ce que Turnitin Clarity enregistre sur la façon dont vous avez écrit votre devoir.

Ce jugement est binaire dans un sens important. Il décide qui a écrit le devoir, et non comment il a été écrit. Un devoir rédigé par un rédacteur fantôme humain et un devoir rédigé par un ami échouent tous les deux à Authorship, même si aucune IA n’est intervenue.

La différence tient à la question que chaque système est conçu pour traiter. La détection de l’IA examine le texte lui-même et évalue la probabilité qu’il ait été généré par un outil de rédaction IA. Authorship examine le fichier et son style d’écriture pour juger si la personne qui le remet en est la véritable auteure ou le véritable auteur. Ce que vérifie la détection de l’IA de Turnitin et comment le score est construit détaille le premier des deux.

Turnitin indique explicitement qu’il ne s’agit pas de la même chose. À propos d’Authorship, la description officielle énonce : « It will not be able to indicate if it was AI written; only that the content is not the student's own work. » (Il ne pourra pas indiquer s’il a été écrit par une IA ; seulement que le contenu n’est pas le propre travail de l’étudiant.)

Cette phrase trace une ligne claire. Un signalement Authorship peut vous dire que quelqu’un d’autre a écrit le devoir, mais il ne peut pas vous dire qui était cette personne, ni si une IA a été utilisée pour l’écrire. Il est tout à fait possible qu’un devoir passe la détection de l’IA et échoue à Authorship, et l’inverse est tout aussi possible. Les deux résultats mesurent des attributs différents de la soumission.

Pour vous qui êtes étudiant ou étudiante, la conséquence pratique est la suivante : ne lisez pas un type de résultat comme s’il s’agissait de l’autre. Si votre enseignant soulève une question d’Authorship, le problème porte sur le fait que vous avez bien écrit le devoir vous-même, et non sur le fait que le texte soit généré par une IA. Si votre enseignant soulève une question de détection de l’IA, le problème porte sur le texte, et non sur l’historique de paternité du fichier.

Cela compte dans des situations concrètes. Demandez à un service de rédiger un devoir pour vous, ou confiez un brouillon à un ami pour qu’il le termine, et un devoir qui ne contient aucune phrase générée par une IA peut tout de même échouer à Authorship. Rédigez chaque mot vous-même, et le devoir peut tout de même être signalé par la détection de l’IA si la prose ressemble à une production d’IA. Ce sont deux problèmes différents, qui n’appellent pas les mêmes réponses, et les confondre rend la réaction à un rapport bien plus difficile. Là où se situe un outil de reformulation sur cette ligne est une question à part : un outil de réécriture IA est-il couvert par les règles de révision par un tiers de votre université ?

Quand votre rapport arrive, commencez par identifier quelle partie parle de quoi. Un indicateur Authorship se trouve dans l’expérience Originality et parle de preuves de paternité, de métadonnées et de linguistique médico-légale. Un pourcentage ou un surlignage issu de la détection de l’IA est un score distinct, qui porte sur la probabilité que le texte ait été généré par une IA ; comment lire un AI Writing Report de Turnitin passe cette moitié en revue, indicateur par indicateur.

Lorsque vous échangez avec votre enseignant, employez le vocabulaire qu’il faut. « Je l’ai écrit moi-même » est la réponse adaptée à une question d’Authorship. « Le signalement porte sur le texte, et non sur la façon dont le processus a dérapé par l’intermédiaire d’un tiers » est une tout autre conversation. Expliquer la distinction fait deux choses à la fois : cela vous aide à comprendre votre propre rapport, et cela montre à votre enseignant que vous connaissez la différence entre ces deux systèmes.