Il devient de plus en plus difficile de détecter l’utilisation de l’intelligence artificielle dans les publications scientifiques et les textes universitaires. La dernière étude menée par le linguiste informatique Fırat Mıhcı a montré que les modèles d’intelligence artificielle pouvaient réécrire leurs propres brouillons et ainsi contourner complètement les systèmes de détection. L’approbation de ces textes par des éditeurs humains et leur publication sous de vrais noms entraîne, au fil du temps, l’adoption des tournures linguistiques produites par les machines comme faisant partie du vocabulaire humain courant.
18 mille 989 résumés universitaires examinés dans le cadre de l’étude
L’étude a porté sur l’examen détaillé de 18 mille 989 résumés universitaires publiés dans trois disciplines différentes entre 2019 et 2026. La comparaison des périodes précédant et suivant le début de l’utilisation des outils d’intelligence artificielle, qui se sont généralisés vers la fin de 2022, a montré que la proportion de mots associés à l’intelligence artificielle dans les résumés de linguistique informatique était passée de 1,9 à 14,0 pour 10 mille mots. Cette hausse a été enregistrée comme une multiplication par environ sept.
Une tendance similaire a été observée dans les résumés de neurosciences. Dans ce domaine, la proportion est passée de 1,7 à 8,7 pour 10 mille mots, soit une hausse d’environ cinq fois. Dans les résumés de mathématiques, elle est passée de 0,9 à 1,3. Les chercheurs ont considéré cette évolution, statistiquement incertaine, comme un groupe de contrôle.
Dans les établissements d’enseignement, des travaux tels que le rapport de MIT, qui avait révélé que les devoirs de licence étaient déjà automatisés, avaient attiré l’attention sur l’impact de l’intelligence artificielle sur la production universitaire. La nouvelle étude montre concrètement dans quelle mesure cet impact se reflète dans la littérature publiée.
Évolution des mots les plus fréquemment utilisés
L’analyse de fréquence a établi que les mots couramment utilisés dans les productions d’intelligence artificielle avaient évolué au fil du temps. Dans les résumés examinés, la fréquence du mot « delve » (examiner en profondeur), utilisé à hauteur de 2,75 % en 2024, est tombée à 0,12 % dans l’ensemble de données de 2026, qui n’est pas encore complet. En revanche, il a été établi que des termes fréquemment utilisés par l’intelligence artificielle, tels que « intricate », « showcase », « nuanced » et « underscore », s’étaient enracinés dans la littérature.
Il a été établi que les évaluateurs et les éditeurs n’avaient ajouté aucune note indiquant que ces textes provenaient d’une source artificielle avant leur publication.
Cercle vicieux dans les systèmes de détection
Le fait que les textes générés par l’intelligence artificielle se corrigent eux-mêmes et se rapprochent de l’apparence d’un texte humain crée un risque à double sens pour les logiciels de détection existants. Les systèmes de détection entraînés sur des textes anciens peuvent, par erreur, signaler comme générés par l’intelligence artificielle les textes originaux de véritables auteurs humains influencés par l’intelligence artificielle. En revanche, les nouveaux modèles entraînés à partir d’articles récents se révèlent incapables de détecter les futurs textes générés par l’intelligence artificielle, car ils considèrent comme une base normale le langage façonné par l’intelligence artificielle.
Les chercheurs soulignent que les mécanismes de contrôle fondés sur les textes ont perdu leur fiabilité. Indiquant que la notion d’écriture humaine évolue au fil du temps, les chercheurs insistent sur la nécessité de méthodes allant au-delà du contrôle du style afin de préserver l’intégrité académique.