19 universités qui limitent l'usage des détecteurs d'IA ou leur valeur probante : déclarations officielles

Dix-neuf établissements aux États-Unis, au Canada, au Royaume-Uni et en Australie ont publié une déclaration sur la détection de l'IA assez précise pour être citée. Certains décrivent un détecteur institutionnel désactivé ou non concédé sous licence. Certains limitent les outils que le personnel peut employer. Certains limitent la valeur probante du résultat d'un détecteur s'il est invoqué dans une procédure pour inconduite. Ces déclarations font des choses différentes et ne doivent pas être réduites à l'affirmation unique qu'une université a « interdit les preuves issues du détecteur d'IA ».

Avant les tableaux, la partie qui se perd : rien de tout cela ne rend acceptable l'usage non autorisé de l'IA. Plusieurs des documents cités plus bas disent, dans le même fichier, qu'utiliser l'IA générative sans autorisation constitue une inconduite. Une université australienne cite le contournement de son logiciel de détection comme exemple nommé de fraude. Une règle sur ce qu'un outil peut prouver n'est pas une règle sur ce qu'un étudiant peut faire, et la lire comme telle est le moyen le plus rapide de transformer un bon argument en mauvais argument.

Ce qu'une limite apportée aux preuves issues d'un détecteur vous apporte réellement est plus étroit et plus utile : cela signifie qu'un pourcentage, à lui seul, ne fait pas le dossier. Il faut que quelqu'un apporte autre chose.

Turnitin dit la même chose de son propre produit, dans sa documentation sur l'AI Writing Report :

« Our AI writing detection model may not always be accurate (it may misidentify human-written, AI-generated, and AI-paraphrased text), so it should not be used as the sole basis for adverse actions against a student. » (Notre modèle de détection de l'écriture par IA n'est pas toujours exact — il peut identifier à tort un texte écrit par un humain, généré par IA ou paraphrasé par IA — et ne doit donc pas servir de seule base à des mesures défavorables à un étudiant.)

Nous avons déjà un article sur les universités qui abandonnent la détection de l'IA et un autre sur le fait que les établissements utilisent ou non des détecteurs d'IA, et selon ce qu'ils ont acheté. Cette page n'est pas cela. Cette page est la liste, avec les formulations.

Chaque établissement ci-dessous entre dans au moins une de ces catégories. Six d'entre eux entrent dans deux, ce qui explique qu'un même nom apparaisse dans plusieurs tableaux.

• Le détecteur nommé par l'établissement n'est pas actif. La fonction n'a jamais été activée, a été coupée, ou la licence a été abandonnée. Cette fonction institutionnelle ne produira donc pas de score actuel ; cela ne dit rien, en soi, des autres outils, des rapports anciens ou d'une accusation humaine.
• Le choix des outils par le personnel est limité. Certains établissements disent au personnel de ne pas utiliser de détecteurs en ligne ; d'autres exigent une approbation ou autorisent un outil nommé en excluant les autres.
• Une étape d'habilitation le bloque. Une évaluation de confidentialité ou de sécurité est requise avant qu'un outil tiers touche des travaux étudiants identifiables, et aucun détecteur d'IA ne l'a franchie. Même résultat qu'une interdiction, mécanisme différent, et cela peut changer si quelque chose obtient l'habilitation.
• Le résultat n'a pas ce poids. La déclaration publiée limite ce que le résultat d'un détecteur peut prouver s'il en est présenté un. Elle peut qualifier le résultat de simple signalement, le rejeter comme preuve d'inconduite ou exiger un appui indépendant.
• L'étudiant peut refuser. Plus rare qu'on ne le pense, et généralement limité à un outil précis plutôt qu'à la détection de l'IA en général.

Réduire tout cela à « détecteurs d'IA interdits » vous coûte l'argument. Si votre établissement a coupé le détecteur, la question utile est de savoir ce que votre enseignant utilise à la place. Si votre établissement le fait fonctionner mais a écrit que le résultat ne suffit pas à lui seul, la question utile est de savoir ce que contient d'autre le dossier. Ces deux situations mènent à des conversations complètement différentes.

Un exemple du degré de précision nécessaire : les directives de la University of Toronto sur les outils de plagiat disent que les étudiants peuvent refuser l'outil de détection du plagiat de l'université et ne peuvent être pénalisés pour cela. Cela concerne l'outil de détection du plagiat. Ce n'est pas un refus publié de la détection de l'écriture par IA, et le citer comme tel offre à la partie adverse une correction facile.

Onze établissements. Chaque cellule cite la page plutôt que de la résumer, car c'est dans le résumé que ces listes se trompent. Les dates sont celles auxquelles nous avons ouvert la page.

Regardez les nuances. Sept de ces onze phrases citées contiennent les mots `currently` (« actuellement ») ou `at this time` (« à ce jour ») : Yale, Northwestern, Pittsburgh, Montclair, Minnesota, UBC et SFU. Celle de Vanderbilt dit `for the foreseeable future` (« pour un avenir prévisible »). Les trois autres donnent une date au lieu d'une nuance : février 2026, septembre 2025, 1er janvier 2026. Aucune des onze n'est rédigée comme définitive, et huit d'entre elles le disent dans la phrase même.

Deux lignes méritent d'être lues deux fois. Waterloo n'a pas seulement annoncé une décision, elle a publié son raisonnement, y compris ses propres tests : `in more than one instance the product flagged human written text as 100% generated by AI, which is concerning` (dans plus d'un cas, le produit a signalé un texte écrit par un humain comme généré à 100 % par l'IA, ce qui est préoccupant). Et Washington State a publié une statistique de cas plutôt qu'un principe : sa page indique qu'entre 2023 et 2025, `33% of all Review Board cases related to allegations of inappropriate AI use led to a finding of not responsible because AI detection was submitted independent of any other supporting evidence` (33 % des dossiers du Review Board liés à des allégations d'usage inapproprié de l'IA ont abouti à une conclusion de non-responsabilité parce que la détection de l'IA avait été soumise sans aucune autre preuve à l'appui). Lisez aussi l'autre face de ce chiffre : la majorité de ces dossiers ne se sont pas terminés ainsi.

Sept établissements, mais aucune interdiction commune. York, Bath, Toronto et Victoria donnent des instructions contre des usages déterminés de détecteurs. Concordia et Laurier exigent une approbation institutionnelle que, selon les pages citées, aucun détecteur n'a obtenue. L'UNSW prend la voie inverse : elle autorise l'AI Writing Detection Tool de Turnitin et interdit au personnel de téléverser les travaux étudiants vers d'autres plateformes.

La formulation de Bath est la plus ferme des sept et aussi celle qu'il faut manier avec le plus de prudence. Bath dit que soumettre des travaux étudiants à un détecteur est potentiellement illégal. C'est la caractérisation par Bath d'un risque juridique dans sa propre juridiction, publiée à l'intention de son propre personnel. Ce n'est pas une décision de justice, et ce n'est pas une affirmation générale sur le droit ailleurs.

L'UNSW est dans ce tableau le cas de la liste blanche, non une interdiction des détecteurs. Elle autorise exactement un outil nommé et ferme la porte aux autres plateformes. Si vous êtes à l'UNSW et qu'un enseignant mentionne un détecteur gratuit en ligne, c'est cette page qu'il faut lire.

Sept établissements. Leurs déclarations limitent la valeur probante du résultat d'un détecteur s'il en est présenté un. Le tableau n'établit pas que chaque établissement utilise actuellement un détecteur, ni qu'un score existe dans le dossier de tel ou tel étudiant.

DePaul est la ligne qui rompt la logique d'ensemble, et celle qui est le plus souvent mal rapportée. DePaul a bien coupé le détecteur — le 28 septembre 2023 — puis l'a remis en service en janvier 2024, avant le Winter Quarter. Son détecteur est en marche. Ce que son Academic Integrity Board a publié, c'est une limite au poids d'un rapport une fois qu'il parvient à un jury. Toute liste qui classe DePaul sous « disabled » (désactivé, c'est-à-dire à l'arrêt) cite une décision qui a été rapportée il y a plus de deux ans.

La page de Laurier ajoute une seconde protection dont les étudiants n'entendent presque jamais parler : le même document dit que les enseignants `cannot forego the academic misconduct procedures and independently assign penalties` (ne peuvent pas se passer des procédures d'inconduite académique et attribuer eux-mêmes des sanctions) en cas de suspicion d'usage non autorisé de l'IA. Que le score compte est une question. Que l'enseignant puisse agir seul sur cette base en est une autre.

C'est la partie qu'un résumé de chatbot laissera tomber, et c'est celle qui décide si vous pouvez utiliser ce qui précède sans vous ridiculiser.

La University of Technology Sydney ne figure dans aucun des tableaux ci-dessus, et nous avons vérifié plutôt que supposé. La section 16 de ses Student Rules fait 43 711 caractères de texte rendu. Recherches effectuées : `sole basis`, `sole source`, `not be used as evidence` et `not be accepted as evidence` renvoient toutes zéro résultat, et il en va de même pour `AI detection`, `AI detector` et `Turnitin`. La recherche fonctionnait : `misconduct` apparaît 137 fois dans la même passe, et `detection software` deux fois. Ces deux occurrences sont ce que l'UTS a publié, à la règle 16.2.1, comme exemples de fraude :

« Manipulate an assessment to avoid the UTS detection software. · Use of a third-party service to bypass the UTS detection software. » (Manipuler une évaluation pour éviter le logiciel de détection de l'UTS. · Recourir à un service tiers pour contourner le logiciel de détection de l'UTS.)

Ce sont deux infractions nommées distinctes, figurant dans la même liste que les clauses sur l'IA générative. Entraver la détection est un problème en soi, indépendamment de ce que le détecteur signale ensuite. Et les neuf endroits où cette section emploie le mot `evidence` sont tous d'ordre procédural, dont celui-ci à la règle 16.14.5 : un Student Misconduct Appeals Committee `is not bound by the rules of evidence and may inform itself on any matter it thinks fit` (n'est pas lié par les règles de preuve et peut s'informer comme il l'entend sur toute question). Un établissement qui n'a rien écrit sur les preuves issues d'un détecteur n'a rien limité pour autant.

Et la déclaration de la University of Victoria citée dans le groupe deux — celle qui dit aux enseignants qu'ils ne peuvent pas utiliser de logiciel de détection pour établir une violation de la politique — contient ceci dans le même document :

« Recognizes that the un-cited or unauthorized use of GenAI in course work may constitute a violation of the university's Academic Integrity policy. » (Reconnaît que l'usage non cité ou non autorisé de la GenAI dans les travaux de cours peut constituer une violation de la politique d'intégrité académique de l'université.)

Deux phrases, une page. L'établissement dit que la règle de conduite tient et que l'instrument de mesure n'est pas jugé fiable pour la faire appliquer. C'est une position cohérente, non une contradiction, et c'est celle que la plupart de ces dix-neuf établissements ont prise.

Ce qui signifie que la conséquence pratique d'une interdiction des détecteurs n'est pas que personne ne regarde. C'est que le regard se déplace vers ce que fait une personne. La page de Montclair, juste après la phrase qui écarte les résultats de détecteur comme preuve, dit au corps enseignant quoi faire à la place : chercher manuellement des signaux d'alerte, examiner si plusieurs apparaissent ensemble, et avoir une conversation en temps réel sur le processus qui a conduit au travail rendu. Si vous ne pouvez pas parler de la façon dont vous l'avez écrit, un détecteur éteint ne vous aidera pas.

Dix-neuf, c'est un petit nombre. Le vôtre n'y figure probablement pas, et ce que cette liste vous apporte d'utile, c'est un mode de recherche plutôt qu'une réponse.

• Regardez le centre d'enseignement, pas le manuel de l'étudiant. Sur les dix-neuf pages derrière ces tableaux, une seule est la politique d'inconduite académique de l'établissement elle-même : l'Academic Misconduct Policy and Procedures 2025/26 de l'Université d'York. Les dix-huit autres sont des pages de centres d'enseignement, des guides de technologie d'apprentissage, des directives du provost ou du personnel, et des pages d'aide aux étudiants. Celle de Washington State se trouve dans le domaine politique du Provost et dit tout de même dans son propre texte que le code contraignant, le Washington Administrative Code, ne mentionne pas l'IA du tout. Si vous ne fouillez que le règlement étudiant, vous ne trouverez rien et conclurez à tort que rien n'existe.
• Essayez la recherche du site avec le mot du fournisseur. `site:youruniversity.edu "AI detection"` et `site:youruniversity.edu Turnitin AI` ont fait remonter la plupart des pages réunies ici. `"AI detector"` et `"detection tool"` attrapent le reste.
• Lisez la page entière, pas la phrase. Chacune de ces pages dit autre chose à proximité, qui change le sens de la phrase citable.
• Enregistrez-la le jour où vous la trouvez. Imprimez en PDF avec l'URL et la date dans le pied de page. La règle de Curtin a changé le 1er janvier 2026. Celle de DePaul a changé deux fois. Une capture de ce que disait la page au moment où vous avez rendu votre travail vaut plus, plus tard, que la page en direct.
• Vérifiez si elle vous concerne seulement. Certaines de ces pages sont des instructions au personnel, d'autres s'adressent aux étudiants. Une instruction au personnel vous est utile quand même, mais elle s'adresse à quelqu'un d'autre et se lit comme telle.

Une précaution de plus au sujet des listes de seconde main, y compris celle-ci. La page de Washington State nomme six autres établissements dont elle dit qu'ils ont interdit l'usage des détecteurs en matière d'intégrité académique : UC Berkeley, Colorado State University, Indiana University, Michigan State University, Oregon State University et la University of Washington. Nous n'avons pas ouvert les pages de ces six universités, elles ne figurent donc pas dans les tableaux. C'est la caractérisation qu'en fait la WSU, pas la nôtre, et c'est exactement le genre d'affirmation de seconde main qui devient une réponse fausse et assurée une fois recopiée deux fois.

Si vous êtes déjà dans une procédure, les formulations ci-dessus sont un contexte, pas une défense en soi. Ce qui compte généralement davantage, c'est ce que vous pouvez montrer sur la façon dont le document a été écrit — brouillons, historique des fichiers, notes — et les démarches pratiques sont dans comment contester un signalement d'IA à tort et quelles preuves votre université acceptera. Le calcul expliquant pourquoi tant de ces établissements ont bougé est dans ce que signifie un taux de 1 % de faux positifs quand une université soumet 75 000 copies.

Et si ce que vous avez réellement, c'est un brouillon que vous avez écrit, un rapport qui en a signalé des parties et une échéance : réviser les passages signalés est un travail distinct de celui qui consiste à discuter du score. HumanPen vous montre quels passages il va toucher avant de modifier quoi que ce soit, et laisse les citations, tableaux, chiffres et la mise en page où ils sont. Savoir si une aide à la rédaction, quelle qu'elle soit, est autorisée pour votre devoir relève des règles de votre établissement, pas d'un outil.