Livre blanc juillet 2026
Heads We Win, Tails You Lose : pourquoi la détection de l’IA ne peut pas répondre aux enjeux d’intégrité académique
Pourquoi le score d’un détecteur ne peut pas atteindre le niveau de preuve qu’exige une procédure pour inconduite académique.
Ceci vous concerne parce que :
- Vous utilisez un outil de détection, ou l’on vous demande d’en acheter un, et vous souhaitez vérifier ses promesses de fiabilité.
- Vous pilotez des procédures pour inconduite académique qui doivent satisfaire à un véritable niveau de preuve, et vous avez besoin de savoir quels éléments sont recevables.
- Vous savez qu’un signalement par un détecteur pénalise en priorité le public étudiant international et les personnes qui écrivent dans une langue seconde, indépendamment de toute faute.
- Vous êtes responsable de la conformité au RGPD et au règlement européen sur l’IA (AI Act), et vous soupçonnez que le personnel utilise déjà des sites de détection gratuits.
Résumé
Les détecteurs d’IA indiquent la probabilité qu’un texte ressemble à une production générée par une machine. Ils ne prouvent pas qui a rédigé le texte, et ce livre blanc soutient que ce décalage est structurel. S’appuyant sur des analyses évaluées par des pairs et sur des tests indépendants des principaux outils commerciaux, il identifie trois défaillances : l’absence de vérité de terrain permettant de vérifier un signalement ; la négligence du taux de base, qui rend un même détecteur fiable dans une promotion et moins performant que le hasard dans une autre ; et des taux de faux positifs qui augmentent fortement pour les textes rédigés dans une langue seconde.
Il examine ensuite les conséquences pour les établissements, notamment un renversement de la charge de la preuve et les obligations d’explicabilité prévues par le règlement européen sur l’IA, et explique pourquoi UNIwise fonde WISEflow Originality sur une détection de similarité vérifiable plutôt que sur une inférence probabiliste.
Le PDF est disponible en anglais.