Corps de l’article

1. Introduction

Le 30 novembre 2022, la compagnie OpenAI a lancé un agent conversationnel utilisant l’intelligence artificielle (IA) qui peut, à la demande d’un⋅e utilisateur⋅rice, générer du texte de manière cohérente et contextuellement appropriée à partir de vastes quantités d’informations qui proviennent d’une base de données constituée pour le « chatbot ». Les réactions ont été instantanées : enchantement pour plusieurs, désillusion pour d’autres. Cependant, ce qui frappe l’imaginaire, c’est le nombre d’utilisateur⋅rice⋅s : 100 millions deux mois après le lancement et 1,6 milliard de visites en juin 2023 (Duarte, 2023) !

Quant au milieu de l’éducation, la réaction viscérale qui est apparue rapidement est l’inquiétude pour l’intégrité académique. Les titres médiatiques sensationnalistes se sont multipliés : « ChatGPT crée une onde de choc dans le milieu de l’enseignement. » (Provost, 2022), « Faut-il chasser les IA des établissements scolaires ? » (Serina-Karsky et Maes, 2023) ou encore « Les 5 logiciels anti-triche essentiels pour les profs dans la lutte contre ChatGPT : les professeurs vont pouvoir dormir sur leurs deux oreilles ! » (Goubil, 2023).

Il est intéressant de voir que les réactions ont porté, en grande majorité, sur l’impact des outils de l’intelligence artificielle sur la rédaction de travaux universitaires par les étudiant⋅e⋅s, et très peu sur la rédaction d’articles scientifiques en recherche. Pourtant, selon le modèle d’écriture classique de Hayes et Flower (1987), tou⋅te⋅s les scripteur⋅rice⋅s ont le même processus d’écriture : la planification, la mise en texte et la révision. Évidemment, plus la⋅le scripteur⋅rice sera habile, plus l’écriture sera fluide et efficace.

Cependant, le potentiel de dérapage vers le plagiat dans le processus d’écriture académique est sensiblement le même pour les étudiant⋅e⋅s et les chercheur⋅se⋅s. Brainard et You (2018) indiquent que le nombre d’articles scientifiques qui contiennent du plagiat a augmenté et est la cause la plus fréquente du retrait d’un article d’une revue scientifique. Ce phénomène grandissant a amené le Comité d’éthique des publications (Wager et coll., 2010) à publier un guide qui explicite comment retirer de la circulation un article qui contient du plagiat.

Il devient donc impératif, au Québec, de se positionner et de déterminer quelle place aura l’IA générative de contenu textuel dans les processus de rédaction académique pour les étudiant⋅e⋅s ainsi que pour les chercheur⋅se⋅s, deux catégories de personnes qui rédigent dans un style académique que je nommerai dorénavant rédacteur⋅rice⋅s académiques. Comme chercheuse qui se spécialise sur l’intégrité académique, je vous propose ma réflexion des derniers mois, car je crois fermement qu’il est possible, pour les rédacteur⋅rice⋅s académiques, d’utiliser l’IA sans commettre d’infraction académique. Cependant, il est évident que tou⋅te⋅s devront être formé⋅e⋅s rapidement afin de pouvoir apprendre comment rédiger de façon intègre avec l’IA.

2. L’évolution du plagiat avec l’intelligence artificielle

Le plagiat existe depuis très longtemps déjà. À l’ère préindustrielle, les rédacteur⋅rice⋅s académiques plagiaient en retranscrivant textuellement des phrases trouvées dans divers ouvrages papier ou en paraphrasant les idées provenant d’autres auteur⋅e⋅s, dans ces deux cas sans donner les références. Pour prouver le plagiat, la recherche d’indices était laborieuse et chronophage.

Avec l’avènement de la technologie, la façon de plagier n’a pas énormément changé pour la grande majorité des plagiats signalés. En effet, plutôt que de chercher des informations dans des livres ou des revues, les rédacteur⋅rice⋅s académiques se dirigent maintenant vers le Web où elle⋅il⋅s ont facilement accès à de grandes quantités d’informations. La tentation est donc plus grande de plagier et cela se reflète dans l’augmentation des dénonciations de cas de plagiat. Les logiciels de reconnaissance de similitudes de textes qui existent maintenant allègent la tâche de détection, que ce soit pour les enseignant⋅e⋅s ou les revues scientifiques, ce qui contribue possiblement à la hausse des incidents de plagiat rapportés.

Mais qu’en est-il maintenant avec l’arrivée de l’IA dans nos vies de rédacteur⋅rice⋅s académiques ?

2.1 Intelligence artificielle : plagiat ou non ?

Selon Shashwat (2023), le texte généré par l’IA est un texte tout à fait unique, composé de mots qui n’appartiennent pas à une autre personne et qui, par conséquent, ne peut être considéré comme du plagiat. Bailey (2023) prend une position différente expliquant que l’IA génère à partir d’une base de données qui est composée de textes qui ont été rédigés par des êtres humains. Ainsi, l’IA est une machine à plagiat puisqu’elle n’a aucune idée lui appartenant et, par conséquent, n’a pas la capacité de produire un texte avec des idées originales, car tout ce qu’elle génère provient d’ailleurs. Cependant, toujours selon Bailey, comme la grande majorité des nouveaux textes créés par l’être humain s’inspirent d’autres auteur⋅e⋅s, la véritable question est celle de l’attribution. Et c’est fort probablement à cette question qu’il faudra s’attarder pendant les prochaines années, car la génération de textes par l’IA risque fort d’être omniprésente à tous les niveaux de notre système d’éducation. Ainsi, selon moi, les rédacteur⋅rice⋅s académiques devraient dès maintenant commencer, non seulement à donner en bibliographie les sources qu’elle⋅il⋅s ont trouvées, mais également à créer une « IAgraphie » pour détailler comment elle⋅il⋅s ont utilisé l’IA dans leur rédaction.

2.2 Nouvelle définition du plagiat

Alors, la définition du plagiat doit donc être modifiée pour refléter cette nouvelle réalité. Faire passer les mots ou les propos d’autrui pour les siens afin d’en tirer un avantage est la définition traditionnelle du plagiat. Dorénavant, la définition du plagiat devrait inclure l’utilisation d’un texte généré par l’IA. Ainsi, je propose que la nouvelle définition du plagiat à l’ère de l’IA soit la suivante : présenter les mots ou les idées d’une autre personne, ou ceux générés par une IA, sans référencement à la source d’où provient l’information, dans le but d’en tirer un bénéfice dans un contexte d’évaluation.

La révision de la définition du plagiat risque d’entrainer de nombreux changements dans nos politiques institutionnelles, que ce soit pour la promotion de l’intégrité académique et scientifique, la sanction du plagiat ou le retrait d’articles de revues scientifiques. Malheureusement, ces changements risquent de prendre un peu de temps à mettre en place, ce qui signifie que les rédacteur⋅rice⋅s académiques doivent dès maintenant réfléchir à la place qu’elle⋅il⋅s souhaitent donner à l’IA dans leur processus de rédaction. Avoir recours à l’IA dans la rédaction de textes académiques est tout à fait légitime, tant et aussi longtemps que l’IA n’est pas la génératrice de texte.

3. Rédiger de façon intègre avec l’intelligence artificielle

Dans le cadre d’une demande de subvention (Peters, 2021), mon équipe a proposé un modèle que je nomme maintenant : Les stratégies de créacollage numérique à l’ère préhistorique ! Le modèle (figure 1) présente trois grandes compétences − informationnelles, rédactionnelles et de référencement documentaire − qui sont présentes dans le processus d’écriture récursif, ainsi que les diverses stratégies de créacollage numérique dont peuvent se servir les personnes qui rédigent.

Les rédacteur⋅rice⋅s académiques qui ont recours au créacollage numérique « trouveront diverses informations du Web (texte, images, vidéos, audio, etc.), les tisseront dans leur production et s’assureront de donner leurs références. La nouvelle production sera donc un document original à l’abri de tout soupçon de plagiat » (Peters et coll., 2018, p. 120). Évidemment, ce n’est pas un processus linéaire, chaque personne faisant des allers-retours entre les étapes selon leurs habitudes et leurs préférences.

Figure 1

Les stratégies de créacollage numérique (2021)

Les stratégies de créacollage numérique (2021)

-> Voir la liste des figures

Avec l’IA, le créacollage numérique risque de prendre une autre allure. Selon Eaton (2023), l’écriture hybride être humain-IA, c’est-à-dire des cocréations où il sera impossible de déterminer qui aura fait quoi, est appelée à devenir la nouvelle norme. Un nouveau mouvement, intitulé CINTEL (collaboration avec l’intelligence artificielle), stipule que combiner les habiletés humaines, telles que l’intuition, le jugement et la créativité, avec la puissance et la capacité de traitement de données de l’IA permet une meilleure production (Schleiger et Trend, 2023).

Afin de refléter cette nouvelle réalité, j’ai modifié le modèle original que j’ai intitulé : L’ère de la rédaction intègre avec l’intelligence artificielle (Peters, 2023). Ce qu’il faut d’abord repérer sur le modèle est la présence de deux couleurs : l’or, qui représente l’intégrité académique et le bleu, qui indique les étapes où l’IA pourrait être utilisée de façon intègre (figure 2).

Ainsi, le rectangle or qui entoure complètement le modèle signifie que l’entière responsabilité de l’intégrité de la production écrite repose sur les épaules des rédacteur⋅rice⋅s académiques. Ce sont elles⋅eux qui doivent vérifier les faits qui s’y retrouvent, l’exactitude des références, ou encore que ne s’y retrouve pas de plagiat d’idées ou de mots. C’est la responsabilité des étudiant⋅e⋅s, car ce sont elles⋅eux, et non pas l’IA, qui subiront les conséquences s’il y a un manque d’intégrité. Ce message doit être très clair dans les consignes données par les enseignant⋅e⋅s ou les revues scientifiques, selon le public visé par la rédaction.

Figure 2

L’ère de la rédaction intègre avec l’intelligence artificielle (2023)

L’ère de la rédaction intègre avec l’intelligence artificielle (2023)

-> Voir la liste des figures

3.1 Aide intègre de l’IA pour développer les compétences informationnelles

Au niveau de la recherche d’information, l’IA peut s’avérer d’une grande utilité (Cerner le sujet et Rechercher, représentés en bleu dans le modèle). Alors qu’auparavant les rédacteur⋅rice⋅s académiques passaient des heures à la bibliothèque dans les livres (dans mon temps… les microfiches !) − qui ont ensuite été remplacées par les bases de données, puis par les navigateurs Web, pour trouver de l’information −, elle⋅il⋅s peuvent maintenant avoir accès à divers outils d’IA qui sont plus puissants et plus sélectifs. Par exemple, lorsqu’interrogé sur un sujet, l’outil d’IA Consensus (https://consensus.app/search/) effectue des recherches d’informations dans des banques d’articles scientifiques afin d’offrir des réponses qui permettent aux rédacteur⋅rice⋅s académiques d’appuyer leurs idées et d’avoir des références précises et exactes. Ce type d’aide de l’IA est tout à fait légitime et intègre.

Par contre, le tri (Trier, encerclé en or dans le modèle) d’informations offertes par n’importe quel outil d’IA doit absolument être fait par les rédacteur⋅rice⋅s académiques. C’est ici qu’elle⋅il⋅s devront faire preuve d’esprit critique afin de sélectionner l’information fiable, valide et pertinente pour leurs travaux. La fausse information qui se trouvait sur le Web se retrouve maintenant dans les bases de données de l’IA qui, en plus, y ajoute ses propres fabulations. C’est aux rédacteur⋅rice⋅s académiques de vérifier l’exactitude de ce qui est intégré dans leurs rédactions. Pour illustrer, un⋅e chercheur⋅se qui rédige un cadre théorique doit absolument s’assurer que toutes les informations qui s’y retrouvent sont véridiques et appuyées par une, deux ou même trois sources. C’est un travail rigoureux qui ne peut être fait par l’IA : il s’agit de la responsabilité de la personne qui rédige.

L’IA est une excellente tutrice pour aider à l’appropriation des informations trouvées (en bleu, dans les compétences rédactionnelles). C’est une utilisation tout à fait intègre de l’IA pour des rédacteur⋅rice⋅s académiques. En effet, rien de plus simple que de demander de l’aide à l’IA pour vulgariser des concepts difficiles, pour faire un résumé, pour identifier les idées principales, pour offrir un support linguistique, pour traduire, etc. Ainsi, les étudiant⋅e⋅s n’auront plus d’excuses pour ne pas comprendre les lectures à faire pour leurs cours. Il leur incombe de cultiver leurs connaissances et aux enseignant⋅e⋅s de favoriser le développement de leurs savoirs en les guidant vers les meilleurs outils d’IA. Évidemment, les chercheur⋅se⋅s bénéficieront de l’IA de la même façon et y gagneront du temps.

3.2 Aide intègre de l’IA pour développer les compétences rédactionnelles

Dans le processus de mise en texte (Créer, entouré de la couleur or dans le modèle), les rédacteur⋅rice⋅s académiques doivent être intègres en tout temps. Générer du texte avec l’IA et le remettre tel quel, c’est du plagiat ! Si, auparavant, une personne insérait dans son texte une ou deux phrases sans donner sa source, elle pouvait être trouvée coupable de plagiat. Il en sera de même pour une ou deux phrases créées par l’IA. Ainsi, si une personne qui rédige fait passer pour siens les propos d’un⋅e autre auteur⋅e ou d’une IA, c’est du plagiat.

Les rédacteur⋅rice⋅s académiques doivent développer leur voix d’auteur⋅e, c’est ce qui leur permettra, tout au long de leurs études ou de leur carrière de chercheur⋅se, de partager leurs idées de façon cohérente, claire et efficace. Communiquer à l’écrit d’une manière qui est propre aux rédacteur⋅rice⋅s académiques est extrêmement utile pour convaincre et captiver un auditoire. Cette habileté à persuader, qui se transfère de l’écrit à l’oral, est extrêmement importante pour les étudiant⋅e⋅s comme pour les chercheur⋅se⋅s. Comprendre le pouvoir des mots et la pertinence de la rhétorique peut motiver à rédiger ses propres textes.

Si la mise en texte est de l’entière responsabilité des rédacteur⋅rice⋅s académiques, elle⋅il⋅s peuvent tout de même aller chercher de l’aide de l’IA aux niveaux de la citation et de la paraphrase (or et bleu dans le modèle). Par exemple, un⋅e rédacteur⋅rice académique pourrait utiliser l’aide de Quilbot (https://quillbot.com/) pour paraphraser une ou deux phrases avec lesquelles elle ⋅il aurait de la difficulté. Par contre, pour un⋅e étudiant⋅e, cet outil ne serait pas permis dans le cadre d’un cours de français ou d’espagnol où l’objectif d’apprentissage est la capacité d’utiliser la langue. Ici, la ligne de l’intégrité est fine et dépend du niveau d’aide de l’IA, de la discipline étudiée et des permissions données par l’enseignant⋅e. Il va sans dire que toutes les permissions doivent être spécifiées par l’enseignant⋅e dès le début du cours et dans toutes les consignes des travaux et examens. Évidemment, la⋅le chercheur⋅se qui se servirait d’un tel outil d’IA pour paraphraser en partie ou complètement son texte pourrait le voir retiré d’une revue scientifique pour cause de plagiat.

Il en va de même pour les outils d’IA qui servent à polir un travail (or et bleu dans le modèle) qui peuvent être utilisés de façon intègre ou non. Alors qu’avant les rédacteur⋅rice⋅s académiques avaient recours à leurs collègues, leurs proches ou leurs camarades de classe pour relire leurs textes, l’IA devient maintenant un puissant allié dans la révision ou la correction. Plusieurs IA peuvent offrir des commentaires, corriger la grammaire, la syntaxe, l’orthographe et même réviser en profondeur les travaux.

La séparation entre la révision d’un texte, processus permis, et la génération d’un texte, processus non permis, réside dans la quantité d’aide obtenue de l’IA lors de la rédaction du texte. Cette quantification peut varier selon certains critères. Par exemple, pour les étudiant⋅e⋅s, le niveau scolaire, le parcours académique et la discipline étudiée seraient des facteurs qui pourraient influencer le niveau d’aide de l’IA permis. Un⋅e étudiant⋅e de premier cycle aurait probablement droit à plus d’aide de l’IA qu’un⋅e doctorant⋅e. Pour un⋅e chercheur⋅se, dans un texte scientifique, la génération de texte serait interdite, tandis que les outils de révision seraient autorisés, tant et aussi longtemps qu’il n’y aurait pas de réécriture par l’IA.

3.3 Aide intègre de l’IA pour développer les compétences de référencement documentaire

En ce qui concerne la question du référencement documentaire, les rédacteurrice⋅s académiques avaient déjà accès à certains logiciels comme EndNote, Zotero et Mendeley qui n’étaient pas des outils d’IA. Maintenant, certains outils d’IA existent pour faire la génération ou la correction d’une bibliographie. Cependant, ces outils en sont à leurs balbutiements, surtout en français. Il faudra voir dans six mois, peut-être une année, comment ils se seront développés. En revanche, une chose est certaine, il est douteux que l’utilisation de ces outils d’IA ne soit pas intègre, puisque leur objectif est de donner les références des sources utilisées ! Valoriser l’utilisation de ces outils pour le référencement documentaire sera l’affaire de tou⋅te⋅s les rédacteur⋅rice⋅s académiques.

4. Conclusion : appel à l’intégrité

Rédacteur⋅rice⋅s académiques, dans les jours, semaines ou mois à venir, vous serez nombreux⋅ses à être confronté⋅e⋅s à la tentation d’utiliser l’IA comme générateur de texte, que ce soit pour une phrase, un petit bout de texte ou un texte en entier. Souvenez-vous que la génération de texte, quelle que soit la quantité, est du plagiat. Les conséquences d’un plagiat dans un texte d’étudiant⋅e ou de chercheur⋅se sont les mêmes qu’avant l’apparition de l’IA dans nos vies : elles demeurent désastreuses pour votre réputation ! Mon conseil : apprenez à vous servir de l’IA avec compétence et intégrité, vos textes n’en seront que meilleurs et vous pourrez en être fier⋅ère⋅s.

forme: 2348216.jpg
Martine Peters
Professeure, Université du Québec en Outaouais