Un professeur de Brown révèle une triche massive à l’IA

Un cours d’économie à Brown devenu cas d’école

À l’université Brown, un professeur d’économie, Roberto Serrano, affirme avoir mis au jour une tricherie massive liée à l’intelligence artificielle dans l’un de ses cours. Le signal d’alerte est venu d’un contraste saisissant : un examen à domicile avec une moyenne de 96/100, suivi d’un test en présentiel où la moyenne s’est effondrée à 48/100. Pour l’enseignant, la différence ne relève pas du hasard, mais d’un usage intensif de ChatGPT et d’outils similaires par une partie de la classe.

Un format souple né d’un contexte tragique

Le choix de proposer des examens à domicile n’était pas un caprice pédagogique. Il répondait à un climat d’anxiété après la mort de deux étudiants sur le campus, tués lors d’une fusillade en décembre précédent. Pour apaiser la tension, Serrano a accepté un format plus flexible, avec des devoirs et épreuves à réaliser chez soi. Ce geste visait à protéger les étudiants, mais il a aussi ouvert la porte à une fraude facilité par l’IA, selon le professeur.

• Objectif initial : réduire le stress des étudiants.
• Conséquence inattendue : une hausse spectaculaire des notes.
• Enjeu : distinguer l’aide légitime de l’assistance automatisée.

Des résultats qui ont immédiatement alerté l’enseignant

Le cours concerné, ECON 1170, est un enseignement avancé d’économie undergraduate, habituellement suivi par un petit groupe d’étudiants solides. Cette fois, la classe comptait 86 inscrits, bien plus que d’ordinaire. L’examen à domicile a produit un résultat statistiquement inhabituel : 40 étudiants ont obtenu 100/100, tandis que la moyenne générale atteignait 96. Or, l’historique du cours se situe plutôt entre 65 et 80, et l’épreuve était jugée plus exigeante que les précédentes.

Le professeur a également relevé un autre indice : certaines réponses étaient correctes, mais rédigées dans un style qu’il décrit comme très alambiqué. En soumettant lui-même les questions à ChatGPT, il a constaté que le modèle proposait des réponses proches, ce qui a renforcé ses soupçons.

Le test en salle pour vérifier ses soupçons

Pour lever le doute, Serrano a annoncé que le final aurait lieu en présentiel. Il a prévenu qu’il comparerait les distributions de notes entre les deux épreuves : si elles restaient cohérentes, le midterm serait conservé ; sinon, il serait annulé ou repondéré. Ce choix a fonctionné comme un révélateur. 18 étudiants ont abandonné le cours, et 9 autres ne se sont pas présentés à l’examen final. Parmi ces 27 absents, 22 avaient obtenu 100/100 au midterm.

• 86 inscrits au départ.
• 27 absents ou retirés au moment du final.
• Moyenne au midterm : 96.
• Moyenne au final : 48.

Ce que disent les chiffres sur l’ampleur de la tricherie

Au vu de ces écarts, Serrano estime qu’au moins 50 étudiants auraient triché au midterm. Sa lecture repose sur une comparaison simple mais redoutablement parlante : dès que l’examen est redevenu surveillé, les performances ont chuté de moitié. Pour lui, les données ne suggèrent pas seulement quelques abus isolés, mais une dépendance massive à l’IA dans une partie de la promotion. Cette affaire montre combien les notes élevées obtenues hors surveillance peuvent masquer un niveau réel très inférieur.

Un débat plus large sur l’université et l’IA

Le cas de Brown s’inscrit dans une tendance plus large. Une enquête récente menée auprès d’étudiants de Princeton a révélé que 29,9 % des répondants admettaient avoir triché au moins une fois à un examen ou à un devoir, la plupart du temps avec l’aide de l’IA. Dans le même temps, de nombreuses universités cherchent encore la bonne réponse : outils de détection, examens oraux, surveillances renforcées, devoirs plus personnalisés ou évaluations en classe.

Brown elle-même a observé, dans un rapport interne, que la majorité des étudiants utilisent des outils d’IA générative chaque semaine ou chaque jour. Mais beaucoup disent aussi craindre un effet négatif sur leur apprentissage et leur capacité cognitive. C’est là tout l’enjeu : l’IA peut accélérer le travail, mais elle peut aussi fragiliser l’acquisition des savoirs si elle remplace l’effort intellectuel.