Fin mai 2026, le professeur d’informatique R. Serrano, de Brown University, corrigeait des copies dans son bureau. Quelque chose clochait : certains étudiants avaient gagné plus de 30 points par rapport à l’examen de mi-semestre, plusieurs réponses présentaient des formulations étrangement similaires, et quelques copies affichaient une « relation sémantique » presque parfaite avec les questions d’examen — une précision qu’on ne retrouve habituellement que chez quelqu’un qui a vu le corrigé.
Il a tout revérifié. Sur 96 étudiants, il en a identifié environ 50 ayant utilisé l’IA pour tricher. La moyenne de la classe est passée de 96/100 au partiel à 48/100 au final — pas de 96 à 85, mais une chute de moitié, d’un seul coup.
« Il m’a fallu longtemps pour accepter cette réalité », a confié Serrano au El País. « Quand j’ai réalisé que la moitié des étudiants trichaient, je n’ai pas seulement ressenti de la déception, mais un profond sentiment d’impuissance face à tout le système. »
La conscience d’un professeur, et une fusillade
Pour mesurer la complexité de cette affaire, il faut connaître un élément de contexte.
En mars 2025, une fusillade a eu lieu sur le campus de Brown University. L’un des étudiants de Serrano a été touché par balle et est décédé plus tard des suites de ses blessures. Cet événement a profondément marqué la vision pédagogique de Serrano — il a commencé à repenser la relation enseignant-élève, en essayant d’apporter davantage de compréhension et de bienveillance.
Alors quand il a découvert cette tricherie massive à l’IA dans les copies de fin de semestre, sa première réaction n’a pas été la colère, mais la perplexité. Il a passé beaucoup de temps à méditer une question que peu de gens osent affronter : quand un professeur accorde une confiance et une compréhension sincères à ses étudiants, qu’en font-ils ?
Il a fini par signaler l’affaire au comité d’intégrité académique de l’université. Mais il réfléchit aussi à une question plus profonde : les universités ne devraient-elles pas repenser entièrement leurs méthodes d’examen ?
Comment l’IA aide-t-elle les étudiants à tricher ?
Quand on imagine « tricher avec l’IA », on pense généralement à un étudiant qui ouvre ChatGPT, tape la question et recopie la réponse. Ce que Serrano a découvert est bien plus sophistiqué.
Certains étudiants utilisaient des extensions de navigateur qui faisaient apparaître les réponses de l’IA en temps réel sur la page d’examen, positionnées avec précision sous chaque question. D’autres pratiquaient l’écran partagé sur leur téléphone : la moitié supérieure affichait le sujet, la moitié inférieure une fenêtre de discussion avec l’IA. D’autres encore avaient pré-entraîné des modèles spécialisés — en y injectant l’intégralité de leurs notes de cours, les annales des années précédentes et les manuels en PDF — pour que le modèle « réponde à cette question en utilisant mes connaissances ».
La subtilité de ces méthodes tient à ceci : elles contournent la détection des systèmes anti-triche classiques. Les extensions de navigateur s’exécutent en local, sans passer par un serveur. En mode écran partagé, le logiciel de surveillance d’examen ne voit que la fenêtre d’examen au « premier plan », pas la conversation avec l’IA de l’autre côté. Et les modèles affinés avec les notes personnelles des étudiants produisent un texte dont le style est très proche de leur écriture naturelle — au point que même des systèmes de détection comme Turnitin concluent « aucun problème ».
Turnitin fait d’ailleurs partie du problème. Depuis 2025, plusieurs cas ont été révélés où des travaux originaux d’étudiants non-anglophones étaient signalés à tort comme générés par IA, les obligeant à prouver leur innocence. L’université Yonsei, en Corée du Sud, a connu un incident similaire début 2026 : un professeur utilisant un outil de correction par IA a faussement accusé plusieurs étudiants de tricherie, déclenchant une protestation collective. Quand le système de détection produit à la fois des faux négatifs et des faux positifs, la stratégie « combattre la technologie par la technologie » est dans l’impasse.
Pourquoi l’examen en ligne est en train d’échouer
À la fin de chaque semestre, deux récits circulent dans les universités.
Le premier, porté par les étudiants : l’IA est un excellent tuteur. À trois heures du matin, quand on ne comprend pas le polycopié, on peut demander une explication à l’IA. Quand on est bloqué sur un mémoire, elle peut aider à structurer le plan. Corriger la grammaire, traduire des articles, générer des squelettes de code — l’IA aide réellement beaucoup de gens à apprendre.
Le second, porté par les professeurs : l’IA est une machine à tricher. La qualité des devoirs rendus ce semestre est anormalement élevée, mais personne ne répond aux questions en cours ; l’écart entre les notes d’examen et celles des devoirs est devenu absurde ; et le plus décourageant, c’est quand vous accordez une confiance sincère à un étudiant et qu’il vous rend une réponse parfaite générée par IA.
Les deux récits contiennent une part de vérité, mais le problème, c’est qu’ils décrivent la même chose. La même fenêtre de dialogue IA qui, une seconde avant, aidait un étudiant à comprendre la transformée de Fourier, recrache la seconde d’après la réponse de l’examen. Il est impossible de distinguer techniquement « l’assistance à l’apprentissage » de « la substitution de la réflexion ».
Les cliff — ces outils spécialisés pour « tricher avec l’IA sans se faire prendre » — sont en train de déchirer définitivement cette zone grise. Ils permettent aux étudiants d’activer un « mode triche invisible » en un clic : une fenêtre IA semi-transparente se superpose à la page d’examen. L’enregistrement d’écran du logiciel de surveillance est vierge, mais les yeux de l’étudiant, eux, voient toutes les réponses.
« Retour au papier, au stylo, dans la salle de classe »
Sur Hacker News, le commentaire le plus apprécié vient d’un nom familier : recursivedoubts, alias Carson Gross, créateur du framework front-end léger htmx. Gross est également enseignant en informatique à l’université. Son intervention est directe et concrète :
« Le diplôme perd sa valeur de signal, non pas parce que les étudiants sont devenus moins intelligents, mais parce que les universités ont baissé la barre. » (traduit de l’anglais)
Gross a publié un long article sur son blog personnel, détaillant sa méthode. Il organise désormais des examens écrits en présentiel toutes les trois semaines. Une feuille de notes manuscrite est autorisée, pas de documents imprimés. Uniquement des questions ouvertes, pas de QCM. Les sujets peuvent demander d’écrire du pseudo-code, d’annoter et d’expliquer un morceau de code fourni, ou de rédiger une dissertation.
Les étudiants se sont plaints, mais reconnaissent que cette méthode les a forcés à vraiment apprendre.
Sa logique : quand l’IA peut aider n’importe qui à terminer un devoir de programmation, réussir un examen en ligne ou produire un mémoire à l’apparence respectable, les institutions capables de certifier qu’une personne maîtrise réellement un savoir deviennent paradoxalement plus rares. L’entretien d’embauche ? L’IA peut aider. Les certifications en ligne ? L’IA aussi. Les évaluations à distance ? Partout. Seule une personne assise dans une salle de classe, répondant sur une feuille avec un stylo, reste pour l’instant hors de portée de l’IA.
« Les universités occupent désormais une position unique — celle de pouvoir fournir au monde extérieur une preuve de compétence étudiante à fort rapport signal/bruit », écrit Gross. « Le diplôme universitaire pourrait même gagner en valeur à l’ère de l’IA, car les moyens de vérifier la connaissance deviennent rares. »
Cet argument a déclenché de violents débats sur Hacker News.
Le camp des opposants soulève plusieurs problèmes concrets. Qu’en est-il des étudiants dysgraphiques ? De ceux qui écrivent lentement ? Et les matières comme la programmation ou l’analyse de données, qui exigent une mise en pratique — un examen papier ne peut pas les remplacer. Faire écrire une requête SQL sur papier sans base de données pour la valider, qu’est-ce que cela évalue au juste ?
Le camp des partisans réplique : la dysgraphie peut être compensée par des équipements d’assistance fournis par le centre d’examen ; la lenteur d’écriture n’est pas forcément un désavantage — elle oblige les étudiants à condenser leurs connaissances en notes concises avant l’examen, ce qui constitue en soi un apprentissage profond ; quant aux examens de programmation, ils peuvent se dérouler sur des ordinateurs dans une salle isolée du réseau.
Plus surprenant encore, un commentaire statistique sur HN : « Les meilleures universités du monde, dans leur immense majorité, pratiquent encore les examens en présentiel. Certaines conservent même la tradition de l’examen oral — vingt minutes en face-à-face avec le professeur. L’IA a changé beaucoup de choses, mais sur ce point, elle leur donne surtout un “je vous l’avais bien dit”. »
Le relevé de notes vaut-il encore quelque chose ?
L’affaire de Brown oblige à regarder en face un problème plus vaste que la simple « tricherie » : si vous savez que les étudiants de cette université peuvent obtenir une note parfaite à l’examen final avec l’IA, que signifie un GPA de 3.8 imprimé sur ce relevé ? Les employeurs doivent-ils lui faire confiance ? Les écoles doctorales ?
Ce n’est pas de la paranoïa. Début 2026, l’université de Princeton a mis fin à sa tradition du « code d’honneur », vieille de 133 ans — les étudiants se surveillaient eux-mêmes, les contrevenants étaient jugés par leurs pairs. Motif invoqué : « la communauté étudiante n’est plus capable de se faire confiance à elle-même ». Cent trente-trois ans de tradition d’autonomie, terrassés par l’IA.
Dans son interview, Serrano pose une question encore plus tranchante : les universités ne fonctionnent-elles pas sur le postulat que « le diplôme a de la valeur » ? Si les employeurs cessent d’y croire, à quoi sert l’université ? « Si notre diplôme ne signifie plus “cette personne est compétente”, que reste-t-il à l’université comme fonction ? »
Un détail passé inaperçu : le fonds de dotation de Brown University compte une part significative de parents prêts à payer l’intégralité des frais de scolarité. Quand ces parents fortunés apprennent que l’université tolère une tricherie massive mais minimise les faits, comment réagissent-ils ? La lenteur institutionnelle de Brown à répondre pourrait être liée à ce conflit d’intérêts invisible — sanctionner la triche, c’est admettre que le problème existe, et admettre le problème, c’est provoquer la panique.
Le papier est une solution temporaire
Carson Gross réfléchit à des solutions plus audacieuses : des laboratoires informatiques isolés du réseau — d’anciens PC configurés pour un environnement d’examen sans accès Internet, où les étudiants codent dans une salle machine ; des examens oraux — quinze minutes de conversation suffisent pour évaluer la maîtrise réelle du cours. Il reconnaît toutefois que cette dernière approche est quasiment impossible à généraliser : « Certains de mes cours dépassent les 100 étudiants. Quinze minutes d’oral par personne, c’est 25 heures. C’est totalement incompatible avec l’organisation actuelle du temps d’enseignement. »
Une tendance plus large est déjà en marche. De plus en plus d’universités américaines rétablissent les examens écrits en présentiel. Le New York Times rapporte que, des universités de l’Ivy League aux établissements publics, les « cahiers d’examen bleus » refont leur apparition sur les pupitres — face à l’IA, le papier et le stylo sont devenus, par défaut, le système anti-triche le moins cher du marché.
L’auteur de ces lignes n’est pas certain que ce soit la bonne réponse. Les examens manuscrits excluent les étudiants dysgraphiques, désavantagent ceux qui écrivent lentement, et ne conviennent pas aux disciplines comme la programmation ou l’analyse de données qui exigent une pratique effective. C’est simplement un système qui, par coïncidence, bloque la forme actuelle de la tricherie par IA.
La question plus fondamentale est peut-être ailleurs : que devrait-on enseigner à l’université, et que devrait-on évaluer ? Si les tâches que l’IA peut accomplir à la place des étudiants — réciter des définitions, appliquer des formules, rédiger des dissertations au format standard — sont précisément ce que les examens ont toujours évalué, alors peut-être que le problème n’est pas le format de l’examen, mais le contenu même de ce qu’on teste.
Enfin
Cet article ne s’adresse pas aux étudiants de Brown, ni à un tricheur en particulier. Il pointe vers une question plus vaste : quand on conçoit un système social, suppose-t-on que les participants respecteront les règles, ou qu’ils prendront les raccourcis ? Si la réponse est la seconde hypothèse, c’est le système lui-même qui est défaillant.
Le professeur R. Serrano a posé une dernière question : l’université a-t-elle encore le courage de regarder ses étudiants en face ? Peut-elle encore affirmer avec conviction : « Nous formons des personnes compétentes » ?
Cette question n’appartient pas qu’à Serrano. Elle est la nôtre à tous.
Liens de référence :
- El País: AI fraud at Brown University — “academic integrity is at risk”
- Discussion Hacker News (125 points, 159 commentaires)
- Carson Gross (htmx): “The University In The AI Era”
- Brown Daily Herald: Brown CS professor catches around 50 students for alleged AI cheating
- NYT: Blue Books Return as AI Spurs Shift to Handwritten Exams
- Princeton Alumni Weekly: End of the Honor Code