Recevoir un courriel d'une faculté qui vous convoque pour « discuter d'une irrégularité » dans un travail remis peut suffire à faire basculer une session. C'est ce que documente une recherche publiée sur The Conversation par des chercheuses australiennes, qui s'est intéressée à une dimension longtemps restée anecdotique : l'effet des procédures d'inconduite académique sur la santé mentale des étudiants accusés.
Jusqu'ici, les universités ont surtout investi dans la détection et la sanction. L'expérience vécue par la personne visée — souvent avant même qu'une décision soit rendue — n'a fait l'objet que de peu de travaux empiriques. Les résultats rapportés parlent d'anxiété extrême, de honte, de troubles du sommeil, d'un sentiment d'être présumé coupable et d'une incompréhension profonde du processus. Ce constat prend une résonance particulière au Québec, où l'arrivée massive des outils d'intelligence artificielle générative depuis la fin de 2022 a bouleversé la façon dont les établissements évaluent l'intégrité des travaux.
Une accusation qui pèse avant même le verdict
Le cœur du problème tient à un déséquilibre. D'un côté, un établissement doté de règlements, de comités et de personnel formé. De l'autre, un étudiant qui, la plupart du temps, découvre pour la première fois l'existence d'une procédure disciplinaire universitaire, dans une langue administrative qui n'est pas toujours la sienne.
À l'Université de Montréal, le Règlement disciplinaire sur le plagiat ou la fraude concernant les étudiants prévoit des sanctions qui vont de la réprimande à l'expulsion, en passant par l'échec du cours ou la suspension. À l'Université Laval, le Règlement disciplinaire à l'intention des étudiants encadre un processus similaire, avec un comité de discipline et des droits procéduraux. Ces textes existent depuis longtemps. Ce qui a changé, c'est le volume et la nature des dossiers.
Les ombudsmans universitaires québécois signalent depuis plusieurs années que les questions d'intégrité académique figurent parmi les motifs récurrents de consultation. Leurs rapports annuels reviennent régulièrement sur les mêmes irritants : délais de traitement, information insuffisante transmise à l'étudiant sur les faits reprochés, et méconnaissance du droit d'être accompagné. Or, dans la plupart des établissements, ce droit existe : une personne visée peut se faire assister par un représentant de son association étudiante ou par un tiers lors d'une rencontre ou d'une audience.
Dans les faits, plusieurs étudiants l'ignorent, ou n'osent pas s'en servir. Les associations étudiantes — la Fédération étudiante collégiale du Québec, l'Union étudiante du Québec ou les associations locales — offrent des services d'accompagnement, mais leurs ressources demeurent limitées par rapport au nombre de dossiers.
L'IA générative a fait exploser les signalements
Depuis 2023, un nouveau type de dossier s'est imposé : l'usage non autorisé d'un agent conversationnel pour rédiger un travail. Le phénomène n'est pas marginal. Radio-Canada et La Presse ont rapporté à plusieurs reprises des hausses de signalements d'inconduite dans les universités québécoises, avec des établissements qui ont dû adapter en urgence leurs politiques d'évaluation.
Le portrait international va dans le même sens. La BBC a documenté, à partir de demandes d'accès à l'information auprès de dizaines d'universités britanniques, une flambée des cas confirmés de tricherie impliquant l'IA, alors que les cas de plagiat traditionnel reculaient. Autrement dit : le problème ne s'est pas ajouté, il s'est déplacé.
Ce déplacement est lourd de conséquences pour la preuve. Le plagiat classique laisse une trace objective : une source identifiable, un passage copié, une comparaison possible. Un texte produit par un modèle de langage, lui, est original au sens statistique. Il n'existe nulle part ailleurs. La détection repose donc non plus sur une correspondance, mais sur une probabilité.
Des détecteurs qui ne peuvent pas porter le fardeau de la preuve
C'est là que le bât blesse. Les outils de détection de texte généré par IA — y compris ceux intégrés à des plateformes largement utilisées dans le réseau — annoncent des taux d'erreur faibles, mais leurs limites sont documentées. Turnitin lui-même a reconnu publiquement que son indicateur devait être traité comme un signal d'enquête et non comme une preuve, et que le taux de faux positifs augmentait sur les segments courts.
Plus préoccupant encore : plusieurs travaux ont montré que ces détecteurs pénalisent davantage les rédacteurs dont l'anglais — ou le français — n'est pas la langue première. Une étude publiée dans la revue Patterns par une équipe de l'Université Stanford a constaté que des textes rédigés par des locuteurs non natifs étaient massivement classés à tort comme générés par une machine, parce que leur vocabulaire et leur syntaxe présentent une moindre variabilité. Dans un réseau universitaire québécois qui accueille des dizaines de milliers d'étudiants internationaux, dont une part importante étudie dans une langue seconde, ce biais n'est pas théorique.
OpenAI a d'ailleurs retiré son propre détecteur en 2023, faute de fiabilité suffisante. Le message envoyé aux établissements est clair : aucun logiciel ne peut, à lui seul, fonder une accusation.
En pratique, cela oblige les universités à revenir à des méthodes plus artisanales et plus exigeantes : comparaison avec les travaux antérieurs de l'étudiant, entretien oral sur le contenu remis, historique de rédaction dans un traitement de texte, cohérence des références citées. Ces approches sont plus solides, mais elles demandent du temps professoral — une ressource déjà sous pression dans un contexte de compressions budgétaires dans le réseau universitaire québécois.
Le trou noir des données provinciales
Combien de dossiers d'inconduite académique sont ouverts chaque année dans les universités québécoises ? Combien mènent à une sanction ? Quelle proportion concerne l'IA générative ? Quelle est la durée moyenne de traitement ? Quel est le taux de révision ou d'appel ?
Personne ne peut répondre avec précision. Chaque établissement compile ses propres statistiques, selon ses propres définitions, et les publie de façon inégale — parfois dans un rapport de comité de discipline, parfois dans le rapport de l'ombudsman, parfois pas du tout. Le ministère de l'Enseignement supérieur ne consolide pas ces données. Il n'existe donc aucun portrait provincial permettant de comparer les pratiques, de repérer les écarts de sévérité entre facultés ou de mesurer l'ampleur réelle du phénomène.
Ce déficit fait écho à d'autres angles morts déjà relevés dans le réseau éducatif québécois, où la Vérificatrice générale du Québec et le Protecteur du citoyen ont maintes fois souligné la faiblesse des systèmes d'information et l'impossibilité, faute de données comparables, d'évaluer l'équité des décisions administratives touchant les élèves et les étudiants.
Or sans données, impossible de savoir si un étudiant international est statistiquement plus susceptible d'être signalé qu'un étudiant québécois. Impossible de savoir si une faculté impose des sanctions deux fois plus lourdes qu'une autre pour des faits identiques. Impossible, surtout, de vérifier si les délais respectent une norme raisonnable.
Ce que les universités pourraient changer maintenant
La recherche relayée par The Conversation ne se contente pas de constater la détresse : elle propose des correctifs qui, pour la plup, n'exigent pas de réforme législative.
D'abord, la communication. Une convocation devrait indiquer clairement les faits reprochés, la disposition réglementaire invoquée, les sanctions possibles, le droit à l'accompagnement et l'existence de services de soutien psychologique. Un courriel vague qui annonce une « rencontre » sans préciser l'objet maximise l'anxiété sans rien gagner sur le plan procédural.
Ensuite, les délais. Un dossier qui traîne plusieurs mois laisse l'étudiant dans une incertitude qui affecte ses autres cours, ses demandes de bourse, son statut d'immigration parfois. Fixer des délais internes maximaux et les publier serait un geste simple.
Puis la formation des professeurs et des chargés de cours : distinguer une utilisation autorisée, une utilisation non déclarée et une fraude délibérée suppose des consignes explicites dans chaque plan de cours. Plusieurs établissements québécois ont produit des guides à cet effet depuis 2023, mais leur application varie d'un département à l'autre.
Enfin, la transparence statistique. Publier annuellement le nombre de dossiers, les types d'infractions, les sanctions et les délais permettrait à la fois de rassurer la communauté et de repérer les dérives. Rien n'empêche une université de le faire dès maintenant.
L'enjeu dépasse la discipline. Il touche la confiance dans le diplôme lui-même. Une institution qui sanctionne mal — trop peu, trop tard, ou sur la base d'un score algorithmique — fragilise autant sa crédibilité que celle des étudiants qu'elle accuse à tort.