Cet article explore les défis posés par l’intelligence artificielle générative (IAG) à l’intégrité scientifique et à la question du plagiat dans l’enseignement et la recherche.  Il commence par définir le plagiat et l’intégrité scientifique, soulignant les variations de définition selon les contextes (normes américaines vs. européennes). La question est de savoir si l’utilisation de l’IAG constitue un plagiat. La réponse est nuancée : cela dépend de la transparence de son utilisation.  Utiliser ouvertement l’IAG sans revendiquer la paternité évite le plagiat, tandis que le dissimuler constitue à la fois un plagiat et une violation de l’intégrité scientifique. La zone grise réside dans l’utilisation de l’IAG pour améliorer le style d’écriture sans le mentionner explicitement – une situation où l’évaluation du plagiat devient complexe et dépend du contexte (sciences dures vs. sciences humaines).

La littérature souligne l’augmentation significative des publications sur l’intégrité scientifique, corrélant cela à la tentation d’utiliser l’IAG pour répondre à la pression de publication. L’utilisation des outils d’IAG soulève des inquiétudes quant à l’originalité, car elle peut conduire à la répétition de connaissances existantes, même reformulées.  Si l’IAG peut détecter le plagiat, elle a paradoxalement du mal à détecter sa propre utilisation dans la génération de texte, créant un risque de plagiat involontaire. D’autres risques associés à l’IAG incluent la fabrication de données, la manipulation d’images et la création de « papermill » (publications de faible qualité gonflant les indicateurs bibliométriques).

De plus, larticle propose deux stratégies principales pour atténuer ces risques : (1) former les étudiants et les chercheurs à une utilisation responsable de l’IAG, et (2) revoir les méthodes d’évaluation pour évaluer la pensée critique et l’originalité, plutôt que de se concentrer uniquement sur la production finale. L’article propose diverses approches de formation, telles que la fourniture de lignes directrices pour l’enseignement de l’écriture avec l’IAG et l’encouragement des étudiants à analyser de manière critique le contenu généré par l’IAG, y compris ses références. Les méthodes d’évaluation révisées pourraient inclure l’interdiction de l’utilisation de l’IAG lors des examens ou l’obligation pour les étudiants de documenter et d’expliquer leur utilisation de l’IAG, en mettant l’accent sur le processus de pensée critique impliqué. L’article conclut en constatant un manque de preuves sur l’efficacité de ces recommandations, suggérant que des recherches supplémentaires sont nécessaires pour relever efficacement les défis posés par l’IAG dans les milieux universitaires.

L’article complet est disponible en anglais en ligne : Alain Mille. Plagiarism in education and scientific integrity in the age of Generative IA IAgiarism?. 2025. ⟨hal-05063031⟩