Résumé des principaux points
Ce journal se concentre sur le débat autour de la détection du taux d’utilisation de l’IA dans les thèses universitaires : les étudiants passent des nuits blanches à modifier leurs travaux pour respecter les limites imposées par les plateformes de détection (de 20 % à 40 %, et même moins pour les diplômés de master), payant à plusieurs reprises pour obtenir des vérifications, allant jusqu’à altérer considérablement le contenu original. Les résultats des tests sont incohérents et les critères utilisés peu transparents, ce qui entraîne fréquemment des erreurs préjudiciables aux travaux originaux. Les plateformes en tirent profit, proposant à la fois des services de détection et des services de réduction du contenu redondant. Des experts et des guides officiels recommandent de passer d’une dépendance aux tests technologiques à une évaluation plus globale du processus d’écriture, en enseignant aux étudiants à utiliser correctement les outils d’IA.
1. L’histoire mouvementée des étudiants pour réduire le taux d’IA
De nombreux étudiants font de gros efforts pour respecter ces critères : Zhou Xiaoyun, une étudiante de Chongqing, a travaillé jusqu’à l’aube pour réduire son taux d’IA de 70 % à 20 % afin d’obtenir le droit de défendre sa thèse ; A Qiu, un diplômé de master dans une université de premier plan du centre du pays, a dépensé 780 yuans pour sept tests après que la partie expérimentale originale de sa thèse a été erronément identifiée comme contenant des éléments générés par l’IA. Pire encore, le contenu original est souvent mis en péril : les résumés, les traductions en anglais et même les remerciements peuvent être considérés comme étant produits par l’IA. Pour réussir, les étudiants doivent modifier des termes techniques pour les rendre plus compréhensibles au grand public, perturber la structure des phrases et sacrifier parfois la qualité de leur travail. Les universités n’offrent que deux tests gratuits, ce qui incite les étudiants à utiliser plusieurs plateformes pour s’assurer du résultat, avec des dépenses généralement comprises entre 100 et 300 yuans, voire plus.
2. Des résultats de tests aléatoires
La randomité des résultats des tests est déroutante pour les étudiants : un article généré par l’IA a été évalué à 0 % par ZhiNet et à 55,71 % par VIP; le même texte a montré une différence de plus de 50 % entre les résultats sur PaperPass et PaperYY. La raison en est que les algorithmes des plateformes sont peu transparents : certaines se concentrent sur le résumé, d’autres sur l’ensemble du texte, et les matériaux pré-entraînés ainsi que les modèles diffèrent considérablement. Plus surprenant encore, des textes bien structurés et logiques sont souvent identifiés comme étant générés par l’IA, tandis que des textes oraux et confus sont considérés comme originaux. Les étudiants se plaignent : « C’est comme jouer à la loterie ; on ne sait jamais si le résultat sera positif ou non. »
3. La stratégie commerciale des plateformes
L’utilisation de l’IA est devenue une source de revenus majeure pour ces plateformes : selon le rapport financier de 2025 de la société mère de ZhiNet, Tongfang Co., Ltd., les revenus liés aux services de détection d’IA ont dépassé 100 millions de yuans, avec une augmentation de plus de 200 % du volume des tests. VIP et Wanfang facturent non seulement pour les tests (2 yuans par millier de caractères pour ZhiNet, 38 yuans par thèse pour VIP), mais proposent également des services de réduction du contenu redondant (10 yuans par millier de caractères), ainsi que des « secrets» pour améliorer les résultats. Des services non officiels de réduction du contenu sont largement disponibles sur les plateformes de e-commerce, mais leur qualité est incertaine, avec de nombreuses plaintes (telles que des erreurs dans les résultats ou des publicités trompeuses). Les professionnels critiquent ces plateformes pour être à la fois fournisseurs de services de détection et de réduction du contenu.
4. La solution : ne se concentrer pas seulement sur le taux d’IA, mais sur la manière dont les étudiants utilisent l’IA
Les étudiants ne sont pas complètement opposés aux tests par l’IA, mais souhaitent une approche plus rationnelle. Le guide publié en mai de cette année recommande de passer d’une dépendance aux tests technologiques à une évaluation qui prenne en compte la transparence et les traces laissées par l’utilisation de l’IA (par exemple, en conservant des archives des interactions avec les outils d’IA). La pratique du professeur Zhao Bin de Fudan est emblématique : il ne teste pas le taux d’IA, mais observe plutôt le processus d’interaction entre les étudiants et les outils d’IA, afin de démontrer que ces derniers sont utilisés pour soutenir la réflexion des étudiants. Il est convaincu que l’IA peut transformer l’éducation ; au lieu de craindre qu’elle soit utilisée à des fins frauduleuses, il est préférable d’apprendre aux étudiants à l’utiliser efficacement, en se concentrant sur leur capacité de réflexion plutôt que sur les chiffres générés par les machines.
Ce journal met en évidence les nouveaux conflits soulevés par l’ère de l’IA dans l’évaluation académique : les limites des tests technologiques et les objectifs éducatifs ne coïncident pas. La solution pourrait résider non pas dans l’interdiction totale de l’IA, mais plutôt dans son intégration intelligente en tant qu’outil aux services des étudiants, plutôt que comme une charge supplémentaire.