IA et triche : 94 % des étudiants l’utilisent, l’évaluation vacille

C’est un chiffre qui dit la rapidité du basculement : 94 % des étudiants français ont déjà utilisé une intelligence artificielle générative, et près de la moitié d’entre eux y recourent chaque jour. En deux ans à peine, l’outil est passé du gadget à l’auxiliaire d’étude permanent. Mais derrière l’adoption massive se cache une fracture : faute de détecteur fiable et de loi claire, l’évaluation académique, ce rituel qui certifie qu’un savoir a bien été acquis, ne sait plus très bien ce qu’elle mesure.

Souveraineté & innovation

Microrobots dans le corps humain : la médecine de précision tient-elle ses promesses ?

Des machines plus petites qu'un grain de sable promettent de cibler une tumeur et d'y déposer un médicament. En 2026,…Lire l'article →

Un usage devenu massif, et souvent quotidien

Selon un sondage Ipsos BVA réalisé avec EPITA et publié début 2026, 94 % des étudiants déclarent avoir déjà manipulé une IA générative et 48 % l’utilisent quotidiennement. Les étudiants sont désormais plus assidus que les salariés du privé : 65 % s’en servent au moins une fois par semaine, contre 48 % des actifs.

Les usages déclarés restent largement légitimes : comprendre une notion difficile (56 %), préparer un examen (51 %), approfondir une recherche (50 %) ou reformuler un texte (49 %). L’IA s’est installée comme un tuteur disponible à toute heure, gratuit et infatigable. Comme le détaille le Blog du Modérateur, la machine s’est glissée dans les marges de la copie avant même que l’institution n’ait eu le temps d’en débattre. Détail révélateur, 81 % des étudiants se disent mal informés sur au moins un enjeu lié à l’IA, qu’il s’agisse de la confidentialité des données ou des biais des modèles. L’outil progresse plus vite que la culture qui devrait l’encadrer.

La triche, zone grise plus que rupture franche

L’autre versant est moins flatteur. 40 % des étudiants reconnaissent avoir utilisé l’IA pour générer tout ou partie d’un devoir. Parmi eux, 64 % l’ont fait pour un travail noté sans y être autorisés : 54 % pour des devoirs maison, 35 % pour des exercices en classe.

Le malaise tient surtout au flou des frontières. 76 % des enseignants considèrent l’usage de l’IA dans un travail comme de la triche, mais seulement 65 % des étudiants partagent ce jugement. Entre reformuler une phrase et faire rédiger un paragraphe entier, où passe la ligne ? Personne ne s’accorde, et 43 % des étudiants admettent se servir de l’IA comme d’un « rédacteur » au moins occasionnellement. La fraude n’est plus un acte isolé, c’est un continuum mal balisé.

Cette ambiguïté nourrit un sentiment d’injustice de part et d’autre. L’étudiant qui s’aide d’une IA pour structurer ses idées se voit logé à la même enseigne que celui qui copie-colle une dissertation entière. L’enseignant, lui, doit noter sans savoir ce qu’il note. Tant que la règle reste tacite, le soupçon contamine la relation pédagogique tout entière.

Souveraineté & innovation

Évaluer la technologie au Parlement : comment l’OPECST veut éclairer les choix d’innovation

Face à l'IA générative, au génome et aux nouvelles énergies, le Parlement cherche à reprendre la main sur des choix…Lire l'article →

Le mirage du détecteur infaillible

Beaucoup espéraient un logiciel arbitre. Cet espoir s’effondre. Les principaux détecteurs du marché, Turnitin, GPTZero ou Originality.ai, ne seraient fiables qu’à 50 à 60 %, produisant autant de faux positifs que de faux négatifs. Les enseignants estiment détecter 80 % des copies suspectes, mais le taux réel plafonne autour de 50 %, soit à peine mieux qu’un tirage à pile ou face.

Pire, une recherche de Stanford a montré que ces outils discriminent les locuteurs non natifs de l’anglais : plus de la moitié des copies rédigées par des étudiants étrangers étaient classées à tort comme générées par IA. Accuser un étudiant sur la foi d’un tel verdict relèverait de l’arbitraire. Et même quand la triche existe, elle ne paie pas forcément : une autre étude de Stanford révèle que les copies entièrement générées par IA obtiennent en moyenne 2,3 points de moins sur 20. La machine assèche le style, lisse les arguments et trahit, par sa platitude même, l’absence d’une voix.

• Détecteurs commerciaux : fiabilité réelle de 50 à 60 %.
• Biais documenté : faux positifs massifs sur les non-natifs.
• Copies 100 % IA : 2,3 points perdus sur 20 en moyenne.

Chaque établissement bricole sa règle

En l’absence de cadre national, les grandes écoles improvisent, parfois avec audace. Planète Grandes Écoles recense des choix très contrastés. Sciences Po Paris a levé son interdiction initiale : l’IA est désormais permise pour la recherche, à condition d’être déclarée. HEC, ESCP, ESSEC, EM Lyon ou NEOMA ont noué des partenariats avec OpenAI, Mistral ou Anthropic pour offrir un accès gratuit à leurs étudiants.

Surtout, les modalités d’évaluation se reconfigurent. On voit revenir l’examen en salle sans appareil pour tester la mémoire, le devoir personnel avec usage déclaré de l’IA, l’oral pour vérifier la maîtrise réelle, et le travail de groupe pour évaluer la collaboration. La copie à la maison, longtemps reine, cède du terrain. Cette mosaïque a un coût : à diplôme égal, deux étudiants ne sont plus soumis aux mêmes règles du jeu.

Évaluer un savoir reste un enjeu démocratique

Le diplôme n’est pas qu’un parchemin : c’est une promesse collective, la garantie que celui qui le détient maîtrise réellement ce qu’il certifie. Médecin, ingénieur, juriste : la confiance sociale repose sur la crédibilité de l’évaluation. Si l’on ne sait plus distinguer le savoir acquis du texte emprunté à une machine, c’est ce contrat de confiance qui se fissure.

Restaurer cette confiance ne passera pas par un logiciel miracle, mais par un choix de société : former à un usage critique de l’IA plutôt que la diaboliser, redéfinir ce que l’école entend mesurer, et fixer un cadre clair afin que l’équité entre étudiants ne dépende plus du bon vouloir de chaque établissement. À défaut, la souveraineté éducative se diluera dans le bricolage, et avec elle une part de notre capacité collective à reconnaître le mérite. Évaluer le savoir à l’ère de la machine, c’est moins une question technique qu’une question de démocratie.