Un professeur américain a trouvé une manière radicale de vérifier si ses étudiants utilisaient un assistant d’intelligence artificielle pour rédiger leurs copies : cacher, dans l’énoncé lui-même, une instruction invisible destinée à l’IA. Le résultat de cette expérience, largement relayé outre-Atlantique puis dans la presse francophone, relance le débat sur l’ampleur réelle de la triche assistée par IA dans l’enseignement supérieur.
Un mot absurde glissé en police blanche
Sommaire de l'article
Jason Gibson, professeur d’histoire à l’université d’Alcorn State, dans le Mississippi, a inséré dans le sujet de son examen de mi-semestre une consigne écrite en police blanche sur fond blanc, donc invisible à l’œil nu pour un étudiant lisant l’énoncé sur son écran. Cette consigne demandait à toute intelligence artificielle qui traiterait le texte d’intégrer le mot « Madagascar » dans sa réponse, sans justification apparente.
Un étudiant qui rédige lui-même sa copie ne voit jamais cette instruction. Mais un étudiant qui copie l’énoncé dans un outil d’IA générative pour obtenir une réponse toute faite la transmet sans le savoir à l’algorithme, qui l’exécute fidèlement. Résultat : des phrases n’ayant aucun sens sont apparues dans de nombreuses copies, comme « Madagascar flotte de travers dans l’après-midi » ou des références tout aussi incongrues glissées au milieu de paragraphes par ailleurs parfaitement structurés.
32 étudiants sur 35 pris au piège
Sur deux classes totalisant 35 étudiants, 32 copies contenaient la mention piège, preuve que leurs auteurs avaient délégué l’intégralité de la rédaction à une IA sans même relire le résultat. Beaucoup de copies étaient par ailleurs rédigées dans un style plus soutenu que d’habitude, mais la présence du mot incongru a suffi à trahir leur origine. Le professeur explique avoir voulu illustrer, de façon concrète, un phénomène que les enseignants soupçonnaient depuis longtemps sans toujours pouvoir le prouver.
Cette anecdote illustre une technique bien connue en cybersécurité, l’injection de prompt, habituellement utilisée pour tester la robustesse des systèmes d’IA face à des instructions cachées dans un contenu qu’ils analysent. Ici, la méthode est détournée à des fins pédagogiques plutôt que malveillantes.
Un problème qui dépasse un seul campus
Le cas Gibson n’est pas isolé. Aux États-Unis, plusieurs établissements ont récemment durci leurs pratiques face à l’usage massif de l’IA générative dans les travaux universitaires, certains renonçant à la confiance sur l’honneur pour revenir à des examens strictement surveillés. En France aussi, la question agite l’enseignement supérieur, où enseignants et étudiants cherchent encore l’équilibre entre usage légitime des outils d’IA comme assistants d’apprentissage et délégation pure et simple du travail intellectuel.
Pour les établissements, l’enjeu dépasse la simple détection de la triche : il s’agit surtout de repenser les méthodes d’évaluation à l’heure où ces outils sont accessibles à tous en quelques secondes. Plusieurs pédagogues plaident déjà pour des évaluations orales ou en conditions surveillées, jugées plus difficiles à contourner qu’un devoir maison rendu en ligne.
Questions fréquentes
Qu’est-ce qu’une injection de prompt appliquée à un examen ?
C’est le fait de cacher, dans un texte destiné à être lu par une IA, une instruction supplémentaire invisible pour un lecteur humain mais exécutée par l’algorithme s’il traite le document. Ici, l’instruction demandait d’insérer un mot absurde dans la réponse générée.
Comment les étudiants ont-ils été démasqués ?
En copiant l’énoncé de l’examen dans un outil d’IA générative pour obtenir une réponse rédigée à leur place, ils ont transmis sans le savoir la consigne cachée, que l’IA a exécutée en glissant le mot piège dans le texte produit.
Cette méthode peut-elle devenir une pratique courante ?
Elle reste ponctuelle et n’est pas infaillible : elle ne fonctionne que si l’étudiant copie l’intégralité de l’énoncé sans le modifier. Mais plusieurs enseignants s’en inspirent déjà comme complément à d’autres méthodes de détection.
Sources
Author Profile
- Signature éditoriale de la rédaction de agentlink.org — nom de plume assumé de l'équipe du site, et non une personne réelle. Les articles publiés sous cette signature sont rédigés avec l'assistance d'une intelligence artificielle, sous la responsabilité éditoriale du site.
Latest entries
Science17 août 2026Épave byzantine : le plus grand trésor d’or jamais retrouvé en Méditerranée
Generale16 août 2026Le mot invisible qui a piégé des dizaines d’étudiants tricheurs à l’IA
Politique15 août 2026Martinique : l’accord-cadre sur l’évolution institutionnelle publié au Journal officiel
Planète15 août 2026Canicule et pollinisateurs : comment la chaleur bouleverse la biodiversité en France
Cet article a été rédigé avec l’aide d’une intelligence artificielle. Politique éditoriale
