Détection de segments textuels produits par des systèmes d'intelligence artificielle générative dans les travaux étudiants

Detection of AI-generated textual segments in student work

• Auteur / Autrice : Julien Lemaire
• Direction : Natalia Grabar
• Type : Projet de thèse
• Discipline(s) : Sciences du langage : linguistique et phonétique générales
• Date : Inscription en doctorat le 01/12/2025
• Etablissement(s) : Université de Lille (2022-....)
• Ecole(s) doctorale(s) : École doctorale Sciences de l'homme et de la société
• Partenaire(s) de recherche : Laboratoire : Savoirs, Textes, langages

Mots clés

Mots clés libres

Intelligence artificielle générative

Traitement automatique des langues (TAL)

Llm

AI detection

Intégrité académique

Generative AI

Natural language processing (NLP)

Llm

AI detection

Academic integrity

Résumé

Les récents développements en traitement automatique du langage (TAL) et Intelligence Artificielle (IA) ont permis l'avènement de giga-modèles de langues génératifs comme ChatGPT, Gemini ou encore Mistral. Leur disponibilité et facilité d'utilisation permettent au plus grand nombre de les employer. Le monde académique n'est pas en reste et doit lui aussi questionner la survenance de nouvelles pratiques liées à l'usage de ces Systèmes d'Intelligence Artificielle Générative (SIAG) et notamment l'usage par les étudiants desdits SIAG pour l'accomplissement de leurs travaux académiques y compris lorsque leur utilisation est déconseillée, voire proscrite par l'enseignant. Il n'existe pas à ce jour de moyen robuste et fiable de détecter un usage non mentionné de SIAG dans une copie. Cela entrave donc la capacité des professionnels de l'éducation à sanctionner un mésusage des SIAG puisqu'il n'est pas possible de prouver assurément qu'un étudiant se soit rendu coupable d'une mauvaise conduite académique telle que définie par le Réseau Européen pour l'Intégrité Académique (ENAI). Bien que des méthodes de détection soient d'ores et déjà disponibles, leur performance dépend de la nature, des types et des méthodes de génération des textes à évaluer. Nous ambitionnons dans ce travail de proposer des outils et critères de détection adaptés à (1) la nature particulière des travaux académiques étudiants, (2) au caractère hybride (rédaction conjointe humaine et IAG) de ces textes, (3) aux domaines ciblés (les Sciences Humaines) et (4) aux différents SIAG susceptibles d'être utilisés par les étudiants. Notre approche se veut originale par son orientation linguistique. Nous postulons que des critères langagiers pourraient améliorer significativement les méthodes de détection puisque la langue pourrait constituer un matériel robuste face aux quatre points évoqués supra. Il nous faudra pour cela constituer un corpus de travaux étudiants, procéder à son annotation selon des critères linguistiques établis et identifier les idiosyncrasies linguistiques caractéristiques des humains et des SIAG.

Recent developments in Natural Language Processing (NLP) and Artificial Intelligence (AI) have led to the emergence of large generative language models such as ChatGPT, Gemini, and Mistral. Their widespread availability and ease of use have enabled a broad range of users to adopt them. The academic world is no exception and must address the emergence of new practices associated with the use of Generative Artificial Intelligence Systems (GAIS), particularly students' use of such systems to complete academic work, including situations where such use is discouraged or explicitly prohibited by instructors. At present, there is no robust and reliable method to detect undisclosed GAIS use in student assignments. This lack of reliable detection hinders educators' ability to address GAIS misuse, as it remains impossible to prove conclusively that a student has engaged in academic misconduct as defined by the European Network for Academic Integrity (ENAI). Although various detection methods already exist, their effectiveness depends on the nature, type, and generation methods of the texts under evaluation. This doctoral research aims to develop tools and detection criteria tailored to (1) the specific nature of student academic writing, (2) the hybrid character of these texts (joint human–GAIS authorship), (3) the targeted disciplinary domains (Humanities), and (4) the diversity of GAIS likely to be used by students. The originality of this work lies in its linguistic orientation. It is hypothesised that linguistic criteria could significantly improve detection methods, as language may offer a robust basis for addressing the four challenges outlined above. To this end, a corpus of student work will be compiled and annotated according to established linguistic criteria, and analysed in order to identify linguistic idiosyncrasies characteristic of both human authors and GAIS.