Images d'IA et intégrité académique

Un score ne peut étayer une conclusion de manquement. La détection présente un taux d'erreur publié, aucune chaîne de traçabilité et aucun examinateur, et un étudiant ne peut pas contre-interroger un modèle.

Pourquoi un score ne peut trancher une procédure

Les procédures pour manquement académique sont de nature quasi-juridique. Elles exigent des preuves qu'un étudiant peut examiner et contester, appliquées de manière cohérente, avec une voie de recours. Le résultat d'un détecteur échoue sur tous ces points.

Il existe un taux d'erreur connu. Environ une image sur onze est jugée incorrecte dans des conditions de laboratoire, et pire encore pour les travaux soumis qui ont été exportés, compressés et téléversés via un portail.
Il n'y a pas de chaîne de traçabilité. Le fichier a été traité sur l'ordinateur portable d'un tiers sans aucun enregistrement de ce qui a été exécuté ou de la version du modèle ayant produit ce chiffre.
Le raisonnement ne peut être examiné. Un étudiant ne peut interroger un modèle sur les raisons pour lesquelles il a produit ce chiffre, et l'institution ne peut généralement pas l'expliquer non plus.
Les erreurs ne sont pas réparties uniformément. Les étudiants qui utilisent des outils de retouche d'assistance, ou qui travaillent sur du matériel moins puissant qui compresse les exportations, sont signalés plus souvent.

C'est ce dernier point que les institutions sous-estiment. Si un détecteur signale systématiquement un groupe d'étudiants plus souvent, l'utiliser pour prendre des décisions crée un problème d'égalité en plus d'un problème d'équité.

Quoi demander à la place

La question n'est pas de savoir si une image a l'air générée. C'est de savoir si l'étudiant a fait le travail. Les preuves du processus répondent directement à cette question, et il est beaucoup plus difficile de les fabriquer après coup que de produire un fichier fini.

Exiger les fichiers de travail lors de la soumission
Documents par couches, fichiers de projet, captures brutes ou historique des versions. Demandez-les au moment du soumission plutôt que pendant une enquête, afin que personne n'ait à les rassembler sous le coup du soupçon.
Demander les étapes intermédiaires
Trois exportations de progression accompagnées d'horodatages démontrent le développement. C'est l'exigence la plus utile qu'une institution puisse ajouter, et elle ne coûte presque rien aux étudiants.
Organiser une brève soutenance sur le travail
Cinq minutes de questions sur les raisons d'un choix permettent de régler la plupart des cas. Un étudiant qui a créé l'image peut expliquer ses choix. Celui qui ne l'a pas fait en est généralement incapable.
N'utiliser un détecteur que pour savoir où regarder
Un signalement est une raison de demander les fichiers de travail. Ce n'est pas une conclusion, et il ne devrait jamais figurer dans une lettre d'allégation.

Le problème des faux positifs dans les travaux

Les travaux d'étudiants s'apparentent au pire scénario en matière de détection. Le travail est exporté pour un portail, compressé lors du téléversement, et souvent produit avec une mise à l'échelle, une réduction du bruit ou un remplissage génératif utilisés légitimement dans le cadre d'un flux de travail enseigné.

Une image, quatre étapes d'une même soumission

Exportation d'origine

Compressée pour le téléversement

Ré-encodage du portail

Capture d'écran du correcteur

Chiffres illustratifs pour la photographie authentique d'un étudiant exportée et téléversée normalement.

À quel point une pièce identique peut varier lors de son passage dans un système de soumission.

Rien n'a été fait à cette image si ce n'est de la soumettre. Un correcteur qui vérifie une capture d'écran provenant d'une interface de notation examine la copie la plus altérée de la chaîne, et obtient la réponse la moins fiable qui soit.

Si vous êtes un étudiant ayant été accusé

Il est difficile et de plus en plus courant d'avoir à prouver que l'on a réalisé son propre travail. Voici les éléments qui pèsent lourd auprès d'une commission.

Le fichier de travail, avec les calques ou l'historique intacts. C'est la preuve la plus solide disponible et il est difficile de la falsifier de manière convaincante.
Les versions intermédiaires datées, y compris celles dont vous n'étiez pas satisfait.
La capture d'origine, directement depuis l'appareil photo ou le téléphone, plutôt que l'exportation que vous avez soumise.
Un registre des outils que vous avez utilisés, incluant toute fonction d'assistance, déclarés ouvertement plutôt que découverts par la suite.
Une demande visant à obtenir les preuves précises retenues contre vous. Une institution doit être en mesure d'indiquer sur quoi elle s'appuie au-delà d'un simple chiffre.

Rédiger une politique qui tienne la route

Les institutions qui gèrent le mieux la situation ont modifié leurs exigences de soumission plutôt que d'acheter un détecteur. Cette approche coûte moins cher, génère moins de litiges et résiste au passage devant une commission de recours.

Exiger les fichiers de travail lors de la soumission pour toute évaluation où la paternité du travail importe. Les étudiants qui connaissent cette exigence s'y préparent, et le matériel est fourni naturellement plutôt que d'être exigé d'une personne déjà sous le coup du soupçon.

Indiquer clairement quels outils sont autorisés et exiger une courte déclaration de ce qui a été utilisé. La plupart des litiges impliquent un étudiant qui a utilisé un outil permis par le cours et n'a pas pensé à le mentionner, ce qu'un champ de déclaration supprime entièrement.

Affirmer clairement que la détection automatisée ne constitue pas en soi une preuve de manquement. Inscrire cela dans la politique protège l'institution tout autant que l'étudiant, car cela évite qu'une commission ne soit invitée à s'appuyer sur un élément qu'elle ne peut pas examiner correctement.

Questions fréquentes

Une université peut-elle utiliser un détecteur d'IA sur les images soumises ?

En tant que signal de triage, avec précaution. Comme preuve dans un cas de manquement, non. Le taux d'erreur est publié, le raisonnement ne peut être examiné et un étudiant ne peut pas contester un modèle. Toute conclusion nécessite des preuves concernant le processus de création de l'œuvre, et non concernant le fichier final.

Que faire si un étudiant ne peut pas fournir les fichiers de travail ?

C'est une question qui concerne vos exigences de soumission plutôt que l'étudiant. Si les fichiers de travail n'étaient pas exigés lors de la soumission, les réclamer après coup est inéquitable et souvent impossible à satisfaire. Modifiez l'exigence pour la cohorte suivante plutôt que de pénaliser celle-ci.

Certains étudiants sont-ils signalés plus que d'autres ?

Oui, et c'est le risque que les institutions négligent. Les étudiants qui utilisent des outils de retouche assistée, travaillent sur du matériel moins performant ou soumettent leurs travaux via des systèmes qui compressent fortement sont tous plus susceptibles d'être signalés, sans que rien de tout cela ne soit en lien avec un manquement.

L'IA générative d'images doit-elle être bannie des travaux ?

Cela dépend de ce qu'enseigne le cours, et une interdiction générale est généralement inapplicable. Des règles claires sur les outils autorisés, associées à une obligation de déclaration, génèrent beaucoup moins de litiges qu'une interdiction que personne ne peut vérifier.

Que doit contenir une lettre d'allégation ?

Les preuves sur lesquelles on s'appuie, formulées en des termes auxquels l'étudiant peut répondre. Une lettre affirmant qu'une vérification automatisée a indiqué une possible génération par IA ne constitue pas une accusation à laquelle on peut répondre, et une commission ne manquera probablement pas de le souligner.

Les étudiants peuvent-ils vérifier leur propre travail avant de le soumettre ?

Oui, et cela vaut la peine de le faire sur le fichier exact qui est soumis. Un score élevé sur un travail authentique est une incitation à conserver les fichiers de travail et à noter les outils utilisés, plutôt qu'une raison de modifier quoi que ce soit au travail.