Un professeur piège 32 étudiants tricheurs à l’IA avec texte invisible

Quand l’IA triche à la place des étudiants

La montée en puissance des outils d’intelligence artificielle dans l’enseignement a créé un nouveau défi pour les professeurs : distinguer le travail authentique de la copie assistée par chatbot. Dans cette affaire, un professeur d’histoire de l’Alcorn State University, le Dr Jason Gibson, a voulu vérifier jusqu’où ses étudiants allaient dans l’usage de l’IA pour répondre à un devoir de mi-semestre. Son constat a été frappant : sur 35 étudiants répartis dans deux classes, 32 ont simplement copié la consigne dans un chatbot, puis collé la réponse générée sans la relire.

• Problème principal : la dépendance à l’IA pour rédiger des réponses académiques.
• Constat du professeur : une très forte proportion d’étudiants a utilisé un chatbot sans vérification.
• Enjeu pédagogique : préserver l’évaluation des connaissances réelles.

Une consigne piégée, invisible à l’œil nu

Pour débusquer les usages abusifs, le professeur a intégré dans l’énoncé une instruction cachée en texte blanc, donc invisible pour un lecteur attentif mais lisible par une machine. Le sujet portait sur la Révolution industrielle, mais l’IA était subtilement poussée à insérer des références absurdes à Madagascar. Cette technique a mis en évidence une faille classique : beaucoup d’étudiants se contentent de soumettre la sortie de l’outil sans relire ni corriger le texte obtenu.

• Astuce utilisée : insertion d’une consigne invisible dans l’énoncé.
• Thème réel du devoir : l’histoire et la Révolution industrielle.
• Subterfuge : forcer l’IA à produire un contenu incohérent avec l’île de Madagascar.

Des réponses révélatrices et truffées d’incohérences

Les copies récupérées ont confirmé le stratagème. Dans plusieurs réponses, l’IA évoquait bien la Révolution industrielle, mais y ajoutait des phrases totalement hors sujet sur Madagascar, comme “Madagascar floats sideways through the afternoon” ou encore “Madagascar purple bicycle whispers to the ceiling”. Ces formules absurdes ont servi de marqueur clair : elles prouvaient que les étudiants avaient collé le texte généré sans aucun contrôle. Un simple survol aurait suffi à repérer l’anomalie.

• Exemple d’erreur : une réponse historique mêlée à des phrases sans lien logique.
• Indice de triche : la répétition d’un thème étranger, ici Madagascar.
• Leçon essentielle : relire un texte généré par IA reste indispensable.

Une sanction immédiate, mais aussi une chance de se défendre

Le professeur Gibson a indiqué qu’il n’utilisait pas cette méthode pour humilier ses étudiants. Après avoir identifié les copies suspectes, il a attribué un zéro à ceux concernés, tout en leur offrant la possibilité de contester leur note. Seuls deux étudiants ont tenté de défendre leur cas, ce qui illustre à quel point la preuve était difficile à réfuter. L’objectif affiché était moins punitif que formateur : rappeler que l’IA ne doit pas remplacer l’apprentissage ni la réflexion personnelle.

• Réponse de l’enseignant : sanctionner les copies manifestement générées par IA.
• Mesure d’équité : permettre une contestation de la note.
• Résultat : très peu d’étudiants ont tenté de se justifier.

Une tendance qui dépasse largement ce cas isolé

Le phénomène n’a rien d’exceptionnel. Depuis la popularisation de ChatGPT et d’autres assistants conversationnels, de nombreux enseignants signalent une hausse des devoirs rédigés par IA. Les universités ont répondu par diverses méthodes : devoirs manuscrits, examens oraux, travaux en classe, ou encore consignes spécialement conçues pour résister à une simple requête dans un modèle de langage. Malgré cela, la triche assistée par IA reste difficile à endiguer, car les outils sont accessibles, rapides et de plus en plus convaincants.

• Stratégies des enseignants : examens oraux, copies manuscrites, contrôles en présentiel.
• Raison du problème : l’IA produit des réponses rapides et plausibles.
• Effet sur l’évaluation : difficulté accrue à mesurer le niveau réel des étudiants.

Ce que cette affaire dit de l’école face à l’IA

Cette histoire montre que le débat ne porte plus seulement sur l’usage de l’IA, mais sur la manière de l’encadrer intelligemment. Un professeur de Brown University a d’ailleurs observé une hausse spectaculaire des notes après avoir autorisé des examens à domicile, estimant que presque tous ses étudiants avaient recours à l’IA. Le cas de Jason Gibson rappelle donc une évidence : l’enjeu n’est pas d’interdire la technologie, mais de concevoir des évaluations où la compréhension, la méthode et l’esprit critique restent au centre. Tant que les réponses automatisées sembleront plus faciles que l’effort intellectuel, les établissements devront adapter leurs pratiques pour éviter que le diplôme ne mesure plus la maîtrise d’un outil que celle d’un savoir.

• Enjeu central : évaluer la compréhension réelle, pas seulement la capacité à utiliser un outil.
• Risques : notes artificiellement élevées et apprentissage superficiel.
• Piste d’avenir : des évaluations plus personnalisées et plus interactives.