Gradescope peut-il détecter ChatGPT ? Ce que les étudiants et les instructeurs doivent savoir

Qu'est-ce que Gradescope et comment les instructeurs l'utilisent-ils ?

Gradescope est une plateforme de notation et de soumission de travaux utilisée par les universités du monde entier, particulièrement dans les disciplines STEM. Elle a été fondée à UC Berkeley en 2014 et acquise par Turnitin en 2018. Les instructeurs configurent les devoirs Gradescope pour accepter plusieurs formats de soumission : réponses écrites dactylographiées en ligne, PDF téléchargés (travaux manuscrits numérisés ou documents numériques), et fichiers de code pour les devoirs de programmation. La plateforme a été conçue principalement pour rationaliser la notation basée sur des rubriques dans les grands cours — pas pour surveiller l'intégrité académique — mais l'acquisition par Turnitin a apporté une infrastructure de détection IA dans le même écosystème. Aujourd'hui, Gradescope est utilisé dans des institutions notamment Stanford, Cornell, MIT et des centaines d'universités communautaires. Pour un cours STEM typique, les étudiants téléchargent leurs séries de problèmes complétées en PDF et les instructeurs notent dans l'interface Gradescope en utilisant des rubriques d'allocation de points. Dans les cours où les instructeurs ont activé l'intégration Turnitin, la même soumission est également acheminée vers les systèmes d'originalité et de détection IA de Turnitin. Si cette intégration est active pour un cours spécifique dépend entièrement de l'instructeur — il n'y a pas de paramètre par défaut au niveau de l'université qui active la détection IA pour chaque devoir Gradescope.

Gradescope peut-il détecter ChatGPT dans les devoirs écrits ?

Pour les soumissions écrites dactylographiées, Gradescope ne peut afficher les résultats de détection IA que si l'instructeur a activé l'indicateur d'écriture avec IA de Turnitin pour ce devoir spécifique. Lorsque l'intégration est activée, les soumissions sont envoyées aux serveurs de Turnitin, où un modèle basé sur des transformateurs analyse le texte à la recherche de motifs statistiques associés à la génération IA — principalement la perplexité (à quel point chaque choix de mot est prévisible) et l'éclatement (combien la longueur et la complexité des phrases varient dans le document). Si une soumission obtient un score au-dessus d'un pourcentage que l'instructeur juge significatif, l'instructeur voit un indicateur IA de couleur à côté du rapport de similitude standard. L'implication pratique est que le fait que la détection IA s'applique à votre soumission Gradescope dépend de deux conditions : si l'intégration Turnitin est active pour votre devoir et si l'indicateur d'écriture avec IA est activé dans cette intégration. De nombreux instructeurs Gradescope utilisent la plateforme purement pour la notation basée sur des rubriques sans activer Turnitin du tout. Dans ces cours, aucune détection IA automatisée ne se produit quel que soit le mode de production du travail. Pour les soumissions qui sont des PDF numérisés de travaux manuscrits, l'OCR de Turnitin traite le texte avant l'analyse — mais la précision de la détection sur le texte extrait par OCR est inférieure à celle sur les documents directement dactylographiés. Turnitin lui-même reconnaît que sa détection IA est conçue pour un texte anglais propre et numérique et fonctionne moins fiablement sur les travaux non-anglais ou les soumissions de moins de 300 mots.

"L'indicateur d'écriture avec IA n'est pas un verdict — c'est un signal pour que les instructeurs enquêtent davantage." — Documentation produit Turnitin

Comment fonctionne l'intégration Turnitin dans Gradescope ?

Comme Turnitin possède Gradescope, la connexion entre les deux plateformes est native plutôt qu'un connecteur tiers. Les instructeurs qui veulent la similitude et la détection IA pour un devoir Gradescope l'activent pendant le processus de configuration du devoir. Une fois activée, toute soumission à ce devoir est automatiquement synchronisée avec Turnitin et analysée. Le rapport résultant — incluant à la fois le pourcentage de similitude d'originalité et la notation de l'indicateur d'écriture avec IA — est visible pour l'instructeur dans l'interface Gradescope ou via le lecteur Turnitin lié. Les instructeurs choisissent s'ils doivent partager ces rapports avec les étudiants. Lorsque l'accès au rapport étudiant est activé, chaque étudiant peut consulter son score individuel après la publication des notes, y compris la mise en évidence au niveau de la phrase qui montre quels passages ont déclenché les scores de probabilité IA les plus élevés. Une nuance importante : le modèle de détection IA de Turnitin fonctionne mieux sur le texte anglais d'au moins 300 mots. Les soumissions dans d'autres langues, les réponses très courtes ou le texte hautement technique avec un formatage riche en formules produisent des résultats moins fiables. Turnitin a également révélé que les genres d'écriture technique structurée — rapports de laboratoire, résumés de cas, documents d'ingénierie structurés — produisent systématiquement des scores IA élevés même lorsque le travail est entièrement écrit par l'homme, car ces formats imposent une faible variation de longueur de phrase par conception. Les instructeurs familiers avec ce modèle ont tendance à lire les scores IA pour les soumissions techniques plus prudemment qu'ils ne le feraient pour les essais personnels ou les réponses ouvertes.

1. L'instructeur crée un devoir Gradescope et active l'option d'intégration Turnitin
2. L'étudiant soumet son travail via le portail étudiant Gradescope
3. La soumission est automatiquement synchronisée avec Turnitin pour l'analyse d'originalité et IA
4. Turnitin génère une notation de l'indicateur d'écriture avec IA à côté du rapport de similitude
5. L'instructeur examine les deux notations dans l'interface de notation Gradescope
6. Si le partage de rapport étudiant est activé, les étudiants peuvent consulter leur score IA après la publication des notes

Gradescope peut-il détecter ChatGPT dans les devoirs de programmation ?

Les soumissions de code présentent un problème de détection différent de celui de la prose écrite. ChatGPT et d'autres modèles de langage génèrent du code syntaxiquement correct et fonctionnel, mais les modèles de détection IA utilisés par Turnitin ont été entraînés sur la prose du langage naturel — pas sur Python, Java, C++ ou SQL. Cela signifie que l'indicateur d'écriture avec IA standard de Turnitin ne s'applique pas de manière fiable aux soumissions de code source. Ce que Gradescope et les instructeurs utilisent à la place pour la similitude du code est MOSS (Measure Of Software Similarity), un outil développé à Stanford qui compare les modèles structurels et au niveau des jetons dans les soumissions du même cours. MOSS est efficace pour identifier quand deux étudiants ont soumis des solutions suspecte­ment similaires, mais il n'a pas été conçu pour détecter spécifiquement le code généré par IA. Pour le code généré par ChatGPT, les instructeurs techniquement expérimentés s'appuient généralement sur l'examen manuel du code plutôt que sur le signalage automatisé. La sortie de ChatGPT a tendance à partager des caractéristiques reconnaissables : des noms de variables suivant une convention stylistique spécifique, des commentaires en ligne verbeux expliquant des opérations évidentes pour n'importe quel programmeur, et des structures de solution qui reflètent la formulation du problème original plutôt que l'approche algorithmique que l'instructeur avait l'intention que les étudiants explorent. Aucun de ceux-ci n'est un signal définitif en soi, mais un instructeur qui sait ce qu'un devoir de classe teste peut souvent reconnaître quand une solution soumise résout une version légèrement différente du problème que celui assigné. Gradescope peut-il détecter chatgpt dans le code automatiquement ? Non — mais un instructeur techniquement compétent qui demande une brève explication orale pendant les heures de bureau peut généralement évaluer la compréhension directement.

"Les outils de similitude de code automatisés trouvent les copies. Les instructeurs trouvent les lacunes de compréhension. Les deux importent, mais ils attrapent des choses différentes."

Que voient les instructeurs quand une soumission est signalée ?

Lorsque la détection IA de Turnitin est active et qu'une soumission écrite revient avec un score qu'un instructeur juge significatif — couramment 20% ou plus, bien qu'il n'y ait pas de seuil universel — l'instructeur peut ouvrir le rapport Turnitin détaillé pour examiner la mise en évidence au niveau de la phrase. Chaque passage mis en évidence porte une notation de confiance individuelle. Les instructeurs qui ont utilisé la détection IA sur plusieurs semestres apprennent à lire ces scores en contexte : un score IA de 28% sur un rapport de laboratoire structuré signale souvent rien d'inhabituel, tandis qu'un score de 28% sur une réflexion personnelle écrite en prose formelle inhabituellement propre peut justifier une conversation de suivi avec l'étudiant. Dans l'interface Gradescope, le score IA n'apparaît pas par défaut dans le panneau de notation principal. Les instructeurs doivent naviguer vers le rapport Turnitin lié pour le voir, ce qui signifie que dans les grands cours traitant des centaines de téléchargements de séries de problèmes par semaine, certains instructeurs peuvent ne pas vérifier régulièrement les scores IA pour chaque soumission. Quand un instructeur décide d'agir sur un signalement, la pratique standard d'intégrité académique est de programmer une réunion avec l'étudiant plutôt que de soumettre un rapport formel immédiat. La plupart des institutions exigent une conversation initiale avant escalade, et le résultat de ce processus dépend des politiques spécifiques de votre institution — pas de rien dans les paramètres Gradescope seuls.

1. L'instructeur navigue de la vue de notation Gradescope vers le rapport Turnitin lié
2. Le pourcentage de l'indicateur d'écriture avec IA et la mise en évidence au niveau de la phrase sont examinés
3. L'instructeur considère le type de soumission, le contexte du cours et la plage de notation ensemble
4. Si approprié, l'instructeur programme une réunion avec l'étudiant pour discuter du travail
5. Le processus d'intégrité académique de l'institution — pas Gradescope — détermine toute conséquence formelle

Que doivent faire les étudiants avant de soumettre à Gradescope ?

La première étape la plus pratique est de savoir si votre cours Gradescope spécifique utilise l'intégration Turnitin. Demandez directement à votre instructeur, consultez le syllabus du cours pour toute mention de Turnitin ou de détection IA, ou consultez les directives d'intégrité académique de votre institution pour les dispositions spécifiques à l'IA. Pour les devoirs écrits dans les cours où Turnitin est actif, exécuter votre texte par un outil de détection IA indépendant avant de soumettre vous donne un aperçu de quels passages sont les plus susceptibles de s'enregistrer comme étant similaires à l'IA — pas pour contourner la détection, mais pour comprendre si votre écriture reflète clairement votre voix. Les étudiants qui utilisent les outils IA pour le brainstorming précoce ou les brouillons approximatifs et qui révisent ensuite substantiellement conservent parfois la formulation de la sortie IA sans le remarquer. Une révision avant la soumission crée une occasion de réviser délibérément avant que Turnitin ne voit jamais le document. Pour les devoirs de programmation, la protection la plus fiable est de pouvoir expliquer chaque partie de votre solution lors d'une révision de suivi. Les instructeurs qui soupçonnent une assistance IA dans le code demandent souvent un bref aperçu verbal, et la capacité à expliquer les décisions de conception et les compromis est la preuve la plus directe d'une véritable compréhension. Développer l'habitude de valider le code de manière incrémentale (avec des messages git significatifs) et d'enregistrer les brouillons intermédiaires du travail écrit vous donne une documentation de processus horodatée que vous pouvez présenter si votre travail est jamais remis en question. L'outil de détection de texte IA de NotGPT vous permet de coller n'importe quel passage et de voir une mise en évidence au niveau de la phrase similaire à ce que les instructeurs voient dans Turnitin — une vérification automatique utile avant de cliquer sur envoyer.

1. Consultez le syllabus de votre cours et demandez à votre instructeur si la détection IA Turnitin est active pour les devoirs Gradescope
2. Pour les devoirs écrits, exécutez votre texte par un détecteur IA indépendant pour identifier tout passage statistiquement similaire à l'IA
3. Révisez les sections mises en évidence pour plus de variation de phrase naturelle, d'exemples concrets et de voix personnelle
4. Pour les devoirs de programmation, assurez-vous de pouvoir expliquer verbalement chaque décision de mise en œuvre et chaque compromis
5. Enregistrez les brouillons datés et validez votre code de manière incrémentale pour créer des preuves de processus horodatées
6. Demandez à votre instructeur la politique d'IA avant la date limite du devoir si le syllabus n'est pas clair