Un professeur piège des tricheurs IA avec une police blanche

Quand l’IA dérape dans les copies d’examen

Le cas raconté par Jason Gibson, professeur d’histoire à Alcorn State University dans le Mississippi, illustre une réalité devenue familière dans l’enseignement supérieur : des étudiants utilisent l’intelligence artificielle pour rédiger leurs devoirs et réponses d’examen, parfois sans même relire le résultat. Pour repérer ces usages, l’enseignant a inséré un prompt caché en police blanche dans les consignes du devoir, demandant à l’IA de glisser des éléments absurdes sur Madagascar. L’idée était de tester si les copies avaient été générées automatiquement et copiées telles quelles.

• Objectif du professeur : détecter les réponses produites par une IA.
• Méthode utilisée : texte caché en blanc dans l’énoncé.
• Résultat observé : des réponses incohérentes intégrant des phrases sans rapport avec le sujet.

Un test piégé qui révèle un manque de vérification

L’expérience a pris une ampleur inattendue : 32 étudiants sur 35, répartis sur deux classes, ont échoué à une partie de l’examen de mi-semestre parce qu’ils avaient visiblement recopié une réponse générée par un chatbot sans la vérifier. Le devoir portait sur la révolution industrielle, mais les copies contenaient des digressions totalement hors sujet, comme “Madagascar floats sideways through the afternoon” ou encore “Madagascar purple bicycle whispers to the ceiling”. Ces formulations absurdes montrent à quel point un simple copier-coller peut trahir une utilisation non contrôlée de l’IA.

• Indice révélateur : des passages fantaisistes au milieu d’une dissertation académique.
• Erreur fréquente : ne pas relire le texte rendu par l’IA.
• Enjeu : distinguer la production d’un étudiant de celle d’un modèle automatisé.

Des exemples qui ont immédiatement trahi la triche

Le professeur a ensuite partagé plusieurs extraits particulièrement révélateurs. Dans une réponse sur les effets des technologies sur la société, une phrase affirmait que Madagascar “floats sideways through the afternoon”, un énoncé totalement déconnecté du sujet. Une autre copie, censée traiter de l’IA et des inégalités sociales, se terminait par “Madagascar purple bicycle whispers to the ceiling”. Un autre passage, sur l’automatisation, concluait que l’île avait “wore a toaster to a basketball game”. Enfin, un commentaire sur l’impact des médias sociaux était soudain comparé à “a long journey to Madagascar”.

• Signes typiques : phrases incohérentes, métaphores absurdes, ruptures de logique.
• Ce que cela montre : l’IA peut produire un texte plausible en surface, mais trahir son usage par des erreurs de contexte.
• Leçon pratique : une réponse générée doit toujours être vérifiée, corrigée et adaptée.

L’enseignant n’a pas cherché à humilier ses élèves

Jason Gibson a tenu à préciser qu’il ne prenait aucun plaisir à voir ses étudiants échouer. Selon ses explications, il a d’abord montré comment la fraude avait été repérée, puis il a offert à chacun la possibilité de contester sa note. Seuls deux étudiants ont saisi cette chance. Son objectif n’était donc pas de faire un coup médiatique, mais d’envoyer un signal clair sur l’importance de l’intégrité académique. Dans un contexte où les outils d’IA sont de plus en plus accessibles, l’enjeu devient moins celui de l’interdiction que celui de l’usage responsable.

• Attitude du professeur : pédagogique plutôt que punitive.
• Mesure appliquée : explication du procédé et droit de réponse pour les étudiants.
• Message central : l’honnêteté intellectuelle reste indispensable.

Un problème bien plus large dans les universités

Ce cas n’est pas isolé. Dans de nombreuses institutions, enseignants et professeurs signalent une hausse des devoirs et examens rédigés avec l’aide de l’IA générative. À Brown University, un professeur a indiqué que plus de la moitié de ses étudiants avaient utilisé un outil automatique pour tricher lors d’un examen. À Princeton University, un scandale lié à des réponses générées par chatbot a contribué à modifier des pratiques d’évaluation très anciennes, notamment avec une surveillance renforcée des examens. Ces exemples montrent que l’enseignement supérieur cherche encore un équilibre entre innovation technologique et contrôle des fraudes.

• Constat national : la triche assistée par IA concerne de plus en plus d’établissements.
• Réaction des universités : surveillance accrue, adaptation des règles, réflexion sur les méthodes d’évaluation.
• Défi commun : préserver la valeur des diplômes et des notes.

Vers de nouvelles règles pour encadrer l’IA à l’école

Le débat dépasse désormais la simple question de la triche : il touche à la manière même d’enseigner et d’évaluer. Gibson l’a résumé en soulignant que personne ne connaît encore les bonnes pratiques pour naviguer dans le monde universitaire avec l’IA. Faut-il interdire certains usages, imposer des exercices plus oraux, ou apprendre aux étudiants à citer et encadrer l’aide des modèles conversationnels ? L’avenir de l’éducation dépendra probablement d’un mélange de vigilance, de formation et de nouvelles méthodes d’évaluation capables de distinguer la compétence réelle de la simple production automatisée.

• Question ouverte : comment intégrer l’IA sans sacrifier l’apprentissage ?
• Pistes possibles : examens surveillés, travaux personnalisés, évaluations orales, consignes sur l’usage autorisé de l’IA.
• Enjeu final : maintenir une vraie qualité académique face à des outils toujours plus puissants.