Pour un évaluateur chinois, les thèses rédigées par IA ne devraient jamais parvenir à l'évaluation externe
Un universitaire chinois a formulé une proposition sans détour qui circule parmi les chercheurs : les thèses rédigées par l’intelligence artificielle ne devraient pas du tout être envoyées en évaluation externe. L’argument, publié sous forme d’essai personnel sur un blog scientifique chinois par un professeur nommé Peng Bo, repose moins sur un principe que sur des heures perdues. Après plusieurs séries d’évaluations de mémoires qui lui avaient paru fluides mais étrangement sans substance, il a conclu qu’ils étaient probablement écrits par une machine, et que seule cette explication rendait compte de ce qu’il lisait.
L’essai décrit deux schémas. Dans certains cas, une thèse entière semble issue d’un grand modèle de langage, du début à la fin. Dans d’autres, l’étudiant semble avoir rédigé certaines parties seul et utilisé l’IA pour développer, lisser ou étoffer le reste. Dans un cas comme dans l’autre, l’évaluateur se retrouve à faire un travail pour lequel le système n’a pas été conçu : deviner l’auteur à partir du style d’écriture, puis décider si un diplôme doit être délivré sur cette supposition.
C’est une position inconfortable pour l’enseignement supérieur chinois, qui repose largement sur des examinateurs externes. Les thèses de doctorat et de master sont régulièrement envoyées à des spécialistes anonymes d’autres établissements, censés juger l’originalité, la méthode et la maîtrise du domaine. Ces évaluateurs sont généralement bénévoles ou faiblement rémunérés, et ils travaillent à grande échelle. Si une part significative des travaux soumis est assistée par machine, le coût retombe précisément sur ceux qui ont le moins de temps pour l’absorber.
La difficulté plus profonde est la détection. Les outils qui prétendent identifier un texte généré par IA ont un piètre bilan : ils produisent de fausses accusations contre des rédacteurs non natifs soigneux et laissent passer des textes machine légèrement retouchés. Le filigrane, que certains développeurs de modèles ont commencé à intégrer au texte généré, dépend du modèle et de ce que personne ne l’efface. Un évaluateur tenant une thèse imprimée ou en PDF n’a aucun moyen pratique de vérifier.
La suggestion du professeur, à savoir ne pas envoyer ces travaux, soulève ses propres questions. Il faut bien que quelqu’un tranche avant que l’enveloppe ne quitte le département, et ce quelqu’un est généralement le directeur de thèse de l’étudiant, qui a intérêt à ce que la thèse soit validée. Les établissements auraient besoin d’une étape de contrôle dotée d’une véritable autorité, ainsi que d’une voie de recours lorsqu’un étudiant est signalé à tort.
Les universités chinoises ont vite légiféré sur l’IA dans les travaux universitaires, beaucoup publiant des règles qui autorisent l’édition assistée tout en interdisant la génération intégrale. L’application, toutefois, reste locale et inégale. La véritable cible de l’essai est peut-être moins la technologie que la structure d’incitation qui l’entoure : des étudiants sous pression de produire du volume, des directeurs écartelés entre trop de candidats et des évaluateurs priés de certifier une qualité qu’ils ne peuvent vérifier.
Pour les lecteurs du monde entier, cette histoire est un aperçu de l’avenir. Partout, les universités se débattent avec la même question, et la plupart y ont répondu par des codes d’honneur et des obligations de déclaration plutôt que par des contrôles techniques. Ce que le cas chinois apporte, c’est une proposition concrète venue de l’intérieur du système d’évaluation lui-même : cesser d’envoyer les travaux et forcer le jugement en amont, là où le directeur et le département peuvent en répondre.