L’article Are Teachers Assessing Work Written by Students or by AI? A Rapid Littérature Review of Research on Detecting Content Generated by Generative AI (Han, Yang et Liu, 2025) offre une recension approfondie des principaux outils de détection de textes générés par l’IA. Son apport réside dans la catégorisation de l’efficacité des outils de détection selon sept scénarios de rédaction distincts :
- textes directement générés par l’IAg,
- textes générés par l’IAg et révisés par l’IAg,
- texte généré par IAg à partir d’une requête contextualisée,
- texte écrit par une personne humaine et réécrit par IAg,
- texte généré par IAg révisé par des personnes humaines ou intentionnellement altérés (erreurs de grammaire ou d’orthographe),
- texte traduit par IAg ou écrits en anglais langue seconde et
- texte écrit par des personnes humaines démontrant une fausse détection.
Cette analyse nuance l’idée d’une fiabilité uniforme des outils et révèle des forces et des limites spécifiques à chaque situation. L’article introduit également quatre dimensions d’analyse de textes (format, contenu, langage et structure) à considérer pour la détection des productions écrites par IAg ou non. Enfin, il propose des pistes concrètes pour relever les défis liés à l’usage de l’IA générative en contexte de rédaction.
Importance de ces apports
Ces propositions sont intéressantes, voire essentielles, car elles permettent de dépasser une vision simpliste et techniciste de la détection de l’IA en montrant que les résultats varient considérablement selon les usages réels de la rédaction. En mettant en lumière les limites des outils, l’article contribue à prévenir des usages injustes ou erronés de la détection automatisée. La catégorisation en scénarios fournit un cadre analytique utile pour guider les décisions pédagogiques et institutionnelles en matière de détection. Les quatre dimensions d’analyse de textes (format, contenu, langage et structure) proposées enrichissent la compréhension de ce qui peut distinguer — ou non — une production humaine d’une production générée par l’IAg. Les recommandations formulées encouragent une approche éthique, pédagogique et formative plutôt qu’une logique de sanction. Ainsi, l’article soutient une intégration réfléchie et responsable de l’IA générative dans l’enseignement et l’évaluation des apprentissages.
Pour en savoir plus : https://www.scopus.com/inward/record.uri?eid=2-s2.0-105015598600&doi=10.1111%2Fejed.70240&partnerID=40&md5=d3ca4f275b918149be93fdedb5f42986
Source: Han, J., Yang, Y., & Liu, G. (2025). Are teachers assessing work written by students or by AI? A rapid literature review of research on detecting content generated by generative AI. Eur. J. Educ., 60(4), e70240. https://doi.org/10.1111/ejed.70240
