Turnitin signale-t-il les écrits en anglais des non-anglophones ? Une étude publiée en 2026

Parfois, dans cette étude, et à une fréquence comparable à celle des articles de presse de la BBC. Sur 48 rédactions d’étudiants apprenant l’anglais comme langue étrangère (EFL), toutes écrites avant août 2022, Turnitin en a évalué 4 au-dessus de 20 %, tout comme Originality. Sur 48 textes journalistiques professionnels de la BBC, Turnitin en a classé 3 au-dessus de 20 % et Originality aucun. Les auteurs n’ont trouvé aucune différence statistiquement significative pour Turnitin entre les deux groupes, et une différence à la limite de la significativité pour Originality. Les deux détecteurs ont obtenu de très mauvais résultats sur les textes composés pour moitié d’humain et pour moitié d’IA.

L’étude s’intitule "Evaluating the accuracy and reliability of AI content detectors in academic contexts" (Évaluation de l’exactitude et de la fiabilité des détecteurs de contenu IA en contexte universitaire), menée par Mohammad Hadra, Karleen Cambridge et Mostefa Mesbah de la Sultan Qaboos University, et publiée en libre accès dans l’International Journal for Educational Integrity le 2 février 2026. Les auteurs déclarent n’avoir aucun conflit d’intérêts.

Ils ont constitué un corpus de 192 textes répartis en quatre groupes de 48 :

• Textes d’étudiants EFL. Des devoirs finaux issus des cours d’anglais scientifique du programme préparatoire de l’université, tous soumis avant août 2022, à une époque où des outils comme ChatGPT n’étaient pas accessibles aux étudiants.
• Textes professionnels. Des articles tirés de XSum, un jeu de données de recherche composé d’articles de presse de la BBC.
• Textes générés par IA. Des productions créées par deux grands modèles de langage sur des sujets de rédaction similaires à ceux des étudiants.
• Textes hybrides. Environ 50 % de texte d’étudiants EFL et 50 % de texte généré par IA, réunis en un seul document.

Les textes comptaient de 300 à 1 100 mots, et 135 des 192 portaient sur des sujets scientifiques. Les tests de détection ont été réalisés entre janvier et mai 2025. Le score de chaque détecteur a été classé en trois catégories : 0 à 20 % était considéré comme humain, 21 à 79 % comme hybride, et 80 % ou plus comme IA.

Pour Turnitin, l’écart entre les rédactions d’étudiants et les articles de presse n’était pas statistiquement significatif (p = 0.50). Les auteurs soulignent que cela "suggests that Turnitin did not exhibit measurable bias against EFL writers within this dataset." (suggère que Turnitin n’a pas montré de biais mesurable envers les auteurs EFL dans cet ensemble de données). Originality a classé correctement chaque texte de presse, mais a manqué quatre rédactions d’étudiants ; les auteurs qualifient cette différence de tendance à la limite de la significativité (p unilatéral = 0.058), qui va dans le même sens que les recherches antérieures sur le biais des détecteurs envers les auteurs non natifs.

Il convient d’interpréter ces chiffres en tenant compte de la taille de l’échantillon. Quatre rédactions sur 48 représentent environ une sur douze. Ce n’est pas négligeable, et un score supérieur à 20 % correspond précisément au seuil à partir duquel un étudiant risque d’être convoqué pour s’expliquer. De plus, la comparaison porte sur des articles journalistiques, et non sur des dissertations universitaires rédigées par des locuteurs natifs.

Sur les textes mi-humains, mi-IA, les deux détecteurs ont pour la plupart échoué à les classer dans la catégorie intermédiaire. Turnitin n’y a placé que 31 % d’entre eux, et Originality à peine 2 %. D’après l’analyse des auteurs, les détecteurs "appear calibrated primarily for binary distinctions (AI vs. Human) and struggle to identify partial or mixed AI involvement." (semblent calibrés avant tout pour des distinctions binaires [IA contre humain] et peinent à identifier une implication partielle ou mixte de l’IA).

La précision globale sur l’ensemble des quatre groupes s’est établie à 0.61 pour Turnitin et à 0.69 pour Originality.

Les deux détecteurs se sont révélés nettement moins précis sur les textes scientifiques que sur les textes de sciences humaines :

Ces chiffres englobent les quatre groupes réunis ; ils mesurent donc les erreurs dans toutes les directions, et pas seulement les écrits humains classés à tort comme de l’IA. Les auteurs suggèrent que certaines caractéristiques courantes de l’écriture scientifique, "such as lexical density, technical terminology, and formulaic sentence structure, may be more difficult for detectors to distinguish from AI-generated text." (comme la densité lexicale, la terminologie technique et les structures de phrases stéréotypées, peuvent être plus difficiles à distinguer d’un texte généré par l’IA pour les détecteurs).

Une autre étude de 2026, portant sur Pangram et GPTZero appliqués à des résumés d’articles publiés, a révélé que les résumés récents en sciences politiques et en théologie étaient plus souvent signalés que ceux en chimie ou en informatique. Cette recherche mesurait autre chose, avec des détecteurs différents, comme nous l’expliquons dans notre article le polissage par IA risque-t-il de faire signaler votre texte. Ces deux résultats ne permettent pas d’en déduire une règle générale quant aux disciplines qui seraient les plus sûres.

La longueur du texte jouait également un rôle, bien que de manière non linéaire. Sur les quatre groupes confondus, les deux détecteurs ont obtenu leur meilleure précision sur les textes les plus courts (300 à 330 mots) et leur moins bon résultat sur la tranche intermédiaire (450 à 550 mots) : Turnitin a obtenu 0.87, 0.56 et 0.68 pour les textes courts, moyens et longs, tandis qu’Originality affichait 0.96, 0.63 et 0.84.

• Deux détecteurs seulement, testés début 2025. Seuls Turnitin et Originality ont été évalués, entre janvier et mai 2025, or ces outils évoluent au fil de leurs mises à jour.
• Un seul groupe d’étudiants. Les rédactions EFL provenaient d’un unique programme préparatoire au sein d’une seule université.
• Des articles de presse, et non des textes académiques, comme élément de comparaison. Les textes professionnels étaient des articles de la BBC.
• Des proportions fixes. Chaque texte hybride était composé à 50/50 environ, ce qui, comme le soulignent les auteurs, correspond rarement à la réalité des écrits d’étudiants.

Leur conclusion est que "neither detector achieves the level of reliability required for high-stakes decision-making." (aucun des deux détecteurs n’atteint le niveau de fiabilité requis pour des prises de décision à enjeux élevés).

1. Identifiez dans quelle tranche vous vous situez. Dans cette étude, un score de 20 % ou moins était considéré comme humain. Turnitin affiche un astérisque à la place d’un chiffre pour les scores faibles ; consultez notre guide sur ce que signifie l’astérisque sur un score IA Turnitin.
2. Conservez vos brouillons et l’historique des versions. Ils retracent le processus d’écriture du document, ce qu’un simple score est incapable de faire.
3. Examinez les passages surlignés. Ce sont précisément ceux sur lesquels vous devez être prêt à apporter des explications.
4. Appuyez-vous sur les preuves scientifiques. Des études comme celle-ci, ainsi que les recherches antérieures détaillées dans notre article pourquoi les auteurs non anglophones sont plus souvent signalés, viennent confirmer qu’un score de détection ne constitue en aucun cas une preuve à lui seul.

Si vous disposez d’un rapport Turnitin ou iThenticate et que les passages signalés nécessitent une réécriture, c’est exactement ce que propose l’option d’humanisation de HumanPen. Importez le rapport Turnitin ou iThenticate et reformulez uniquement les passages signalés. Vous récupérez un fichier modifiable au même format. Vérifiez d’abord les règles de votre formation concernant l’aide par IA, et relisez attentivement le texte obtenu avant de le soumettre.

Turnitin est-il biaisé à l’encontre des rédacteurs non anglophones ? Dans ce jeu de données, Turnitin a évalué les rédactions d’étudiants EFL et les articles de presse de la BBC de façon quasi identique, sans différence statistiquement significative. Il s’agit toutefois d’un test unique sur un seul groupe d’étudiants, et non d’une conclusion générale.

Que signifiait « signalé » dans cette étude ? Un score supérieur à 20 %. Les scores compris entre 21 % et 79 % comptaient comme hybrides, et ceux de 80 % ou plus comme de l’IA.

Les rédactions des étudiants ont-elles vraiment été écrites sans IA ? Elles ont toutes été soumises avant août 2022. Les auteurs précisent que des outils comme ChatGPT n’étaient pas encore accessibles à ces étudiants, et que les générateurs de texte existant alors exigeaient des accès restreints et des configurations techniques particulières.

Quel détecteur a obtenu les meilleurs résultats ? Originality a affiché une meilleure précision globale (0.69 contre 0.61). Sur les rédactions d’étudiants, les deux outils ont fait jeu égal en évaluant chacun 4 textes sur 48 au-dessus de 20 %, tandis qu’Originality a correctement identifié tous les articles de presse. Aucun des deux n’a su traiter convenablement les textes mixtes.

• Mohammad Hadra, Karleen Cambridge et Mostefa Mesbah, Evaluating the accuracy and reliability of AI content detectors in academic contexts, International Journal for Educational Integrity 22, article 4, publié le 2 février 2026 ; consulté le 28 septembre 2026 (tableaux 1–5).