Les détecteurs d’IA sont-ils biaisés contre ceux dont l’anglais n’est pas la langue maternelle ?
Réponse courte
Les détecteurs peuvent être moins fiables pour les personnes dont l’anglais n’est pas la langue maternelle, car un anglais soigné, simple ou stéréotypé est plus prévisible, et la prévisibilité est précisément ce que mesurent les détecteurs. Le risque est réel et dépend de la façon dont un détecteur a été conçu et testé. Notre calibrage inclut volontairement des articles d’auteurs non natifs, et 1,1 % d’entre eux ont été classés « Probablement écrit par une IA ».
Points clés
- Les détecteurs mesurent la prévisibilité de la formulation, et les apprenants écrivent souvent avec des tournures sûres et régulières, plus prévisibles.
- Qu’un détecteur soit biaisé ou non dépend de son entraînement et de ses tests. Demandez s’il a été testé sur des auteurs non natifs.
- Nous incluons dans notre calibrage des textes humains d’auteurs non natifs : 1,1 % ont été classés « Probablement écrit par une IA », un taux proche de celui de l’écriture académique native.
- Un score n’est jamais une preuve, et les personnes non natives doivent garder leurs brouillons et leurs notes pour pouvoir expliquer leur travail.
- Écrire de façon précise, avec vos propres exemples et sources, sert à la fois votre argumentation et vos résultats.
L’inquiétude, énoncée simplement
Les étudiants qui ont appris l’anglais comme langue supplémentaire craignent que les détecteurs prennent leur écriture pour de l’IA. La crainte est raisonnable. Les détecteurs fonctionnent en estimant le degré de prévisibilité d’un texte, et écrire dans une langue seconde est souvent plus prudent, plus régulier et plus proche des modèles qu’on vous a enseignés.
Un détecteur entraîné uniquement sur une écriture native fluide peut traiter cette prudence comme un signe de machine. Que cela se produise en pratique dépend de la façon dont le détecteur a été conçu et de ce sur quoi il a été testé.
Pourquoi un anglais plus simple peut paraître prévisible
Quand vous écrivez dans une langue que vous êtes encore en train de maîtriser, vous choisissez des mots dont vous êtes sûr, vous privilégiez des structures de phrase travaillées et vous évitez les expressions idiomatiques risquées. C’est une bonne pratique d’écriture. Elle réduit aussi l’éventail de mots et de structures que vous employez.
Un modèle de langage privilégie lui aussi le mot le plus attendu à chaque étape. Un éventail étroit et régulier de formulations peut donc ressembler, d’un point de vue statistique, à la production d’un modèle, alors que les raisons sont complètement différentes.
- Des connecteurs courants répétés d’un paragraphe à l’autre, comme Moreover, Furthermore et In addition.
- Des phrases de longueur similaire et de même structure sujet-verbe-complément.
- Des expressions apprises par cœur dans des manuels, des modèles ou des banques de phrases.
- Un choix de mots prudent et littéral après une traduction depuis une autre langue.
À quoi ressemble un test équitable
Pour savoir si un détecteur est biaisé, il faut le tester sur des textes humains d’auteurs non natifs et compter les fausses alertes. Si le taux de faux positifs est nettement plus élevé pour ce groupe, le détecteur est injuste envers lui, quelle que soit sa fiabilité globale.
Nous incluons volontairement ce groupe dans notre calibrage. Des textes académiques humains d’auteurs non natifs, tirés d’une archive de recherche publique, ont été classés « Probablement écrit par une IA » dans 1,1 % des cas, contre 1 % et 0,7 % sur nos deux ensembles de test de 583 textes académiques humains au total. L’écart est faible, mais il repose sur des articles de recherche publiés, qui sont relus et évalués, et ne couvre donc pas toutes les formes d’écriture d’apprenants.
Où le risque reste réel
Nos chiffres décrivent l’écriture académique d’auteurs qui écrivent à un niveau professionnel. Ils ne garantissent pas le même résultat pour un étudiant de première année qui construit encore son aisance, pour des textes très courts ou pour des genres non académiques. En dessous de 50 mots, notre détecteur ne donne aucun verdict. Les outils réservés à l’anglais peuvent aussi donner des résultats étranges sur un texte écrit en grande partie dans une autre langue.
Plus généralement, d’autres détecteurs peuvent avoir été testés différemment. Si un établissement s’appuie sur un outil, il est légitime de demander quelles preuves existent que celui-ci fonctionne pour les auteurs non natifs.
Conseils pratiques si vous écrivez en anglais comme langue supplémentaire
Vous n’avez pas besoin d’écrire moins bien, ni avec moins de soin, pour éviter d’être signalé. Il faut mettre davantage de vous-même dans le texte, ce qui en fait aussi une meilleure dissertation.
- Ajoutez des détails précis que vous seul connaissez : vos données, votre cas, vos notes de lecture ou une discussion en classe.
- Énoncez votre propre raisonnement et votre position au lieu de résumer en termes généraux.
- Variez vos phrases. Alternez affirmations courtes et directes avec des phrases plus longues, et ne répétez pas le même connecteur.
- Employez les termes de votre cours plutôt que des synonymes tirés d’un dictionnaire de synonymes.
- Soyez prudent avec les réécritures de phrases entières par des outils d’IA. De légères corrections sont acceptables, mais les réécritures acceptées font de votre texte un texte écrit par une machine.
Sonne comme de l’IAMoreover, the use of mobile phones has many advantages for students. Furthermore, it also has some disadvantages.
Sonne comme vousPhones helped me most in the library, where I could photograph whiteboard notes. They hurt me in the dorm, where I checked messages every few minutes while studying.
Protégez-vous avec des preuves
Si un score est un jour utilisé contre vous, une trace de votre démarche compte davantage qu’un chiffre. Conservez l’historique des versions, les brouillons, les notes et les sources, et soyez prêt à expliquer votre argument à l’oral, dans un anglais simple si c’est plus facile. Le score d’un détecteur est une estimation, pas une preuve : vous pouvez le dire poliment et demander un réexamen selon la procédure de votre établissement.
Vous pouvez aussi vérifier d’abord votre brouillon vous-même. AITurnitin propose jusqu’à 1 000 mots par vérification sans compte et surligne les phrases qui ressemblent le plus à de l’IA, pour que vous sachiez où ajouter des détails.
Questions fréquentes
Les détecteurs d’IA discriminent-ils les personnes dont l’anglais n’est pas la langue maternelle ?
Ils le peuvent, s’ils ont été entraînés ou testés uniquement sur une écriture native, car un anglais simple et régulier est plus prévisible. Cela dépend de la façon dont chaque détecteur a été testé. Nous incluons des auteurs non natifs dans notre calibrage et indiquons que 1,1 % ont été classés « Probablement écrit par une IA ».
Écrire un anglais plus simple me fera-t-il signaler ?
Pas en soi. Un anglais clair et simple est une bonne écriture. Ce qui augmente le risque, c’est un texte générique, au rythme régulier et stéréotypé. Des exemples précis et votre propre raisonnement comptent plus que la complexité des mots.
Dois-je d’abord corriger mon anglais avec un outil de grammaire ?
De légères corrections d’orthographe et de grammaire sont acceptées dans la plupart des cours, mais vérifiez votre règlement. Accepter des réécritures de phrases entières par un outil d’IA peut faire passer votre texte pour un texte écrit par une machine : corrigez donc vous-même les fautes quand vous le pouvez.
Que faire si l’on m’accuse d’avoir utilisé une IA et que l’anglais n’est pas ma langue maternelle ?
Restez calme, demandez quelles sont les preuves, présentez vos brouillons et l’historique des versions, et proposez d’expliquer votre travail en personne. Rappelez que les détecteurs donnent des estimations et demandez que votre cas suive la procédure officielle de votre établissement.
Puis-je me fier à vos chiffres pour les auteurs non natifs ?
Ils décrivent un véritable jeu de test publié, composé d’articles académiques d’auteurs non natifs, et nous publions ce taux en toute transparence. Ils ne prouvent pas qu’aucun apprenant ne sera jamais signalé : gardez donc vos traces de travail et considérez tout résultat comme une estimation.