Détecteur d'IA SafeAssign : Comment il fonctionne et ce que les étudiants doivent savoir

SafeAssign dispose-t-il d'un détecteur d'IA ?

La fonction originale de SafeAssign est la détection de similitude. Il divise le texte soumis en segments de phrases qui se chevauchent et les compare à une base de données de référence mondiale qui comprend le contenu Web public, les revues universitaires sous licence et un ensemble de travaux d'étudiants précédemment soumis. Cette conception n'a jamais été destinée à détecter la rédaction générée par l'IA — un nouvel essai ChatGPT obtient une note basse sur la métrique de similitude traditionnelle de SafeAssign simplement parce que le texte ne correspond à rien déjà dans la base de données. Depuis 2023, Anthology ajoute une couche de détection d'IA à la plateforme dans le cadre d'un effort plus large pour moderniser les capacités d'intégrité académique de SafeAssign. Le fait que votre institution dispose de cette fonctionnalité active dépend de son niveau de contrat et de ses décisions informatiques internes. Certains déploiements Blackboard affichent maintenant un indicateur de probabilité d'IA à côté du pourcentage de similitude standard dans la vue du rapport de l'instructeur. D'autres affichent toujours uniquement le score de similitude classique, sans aucune analyse d'IA. Si vous n'êtes pas sûr de la version que votre école exécute, demander directement à votre instructeur est plus rapide que d'essayer de deviner à partir du panneau de soumission d'assignation. Un troisième scénario est également courant : les écoles qui n'ont pas activé le détecteur d'IA natif de SafeAssign peuvent toujours acheminer les soumissions via un outil tiers intégré LTI — Turnitin, Copyleaks ou GPTZero — ce qui signifie que vous pouvez être contrôlé par un détecteur d'IA externe même lorsque SafeAssign est l'interface de soumission.

Comment fonctionne réellement le détecteur d'IA SafeAssign ?

Lorsque la détection d'IA de SafeAssign est active, elle exécute une analyse de texte probabiliste sur votre soumission séparément de la vérification de similitude du plagiat. Les deux scores sont calculés indépendamment et mesurent des choses complètement différentes — une soumission peut avoir un pourcentage de similitude faible et une probabilité d'IA élevée, ou vice versa. Le composant de détection d'IA analyse deux signaux statistiques principaux. Le premier est la perplexité : le texte généré par l'IA a tendance à avoir une faible perplexité parce que les modèles de langage sélectionnent des séquences de mots statistiquement probables, tandis que la rédaction humaine comprend plus de choix inattendus et idiosyncrasiques. Le second est la saccade (burstiness) : les rédacteurs humains varient naturellement la longueur et la complexité des phrases au sein des paragraphes et entre eux, tandis que les sorties d'IA tendent vers une structure de phrase plus uniforme. Lorsque les deux signaux sont présents, le classificateur produit un score de probabilité indiquant la probabilité que la soumission soit générée par l'IA. Ce score apparaît dans le rapport SafeAssign dans le carnet de notes Blackboard et est visible par l'instructeur. Le fait que les étudiants puissent également voir leur propre score d'IA dépend de la configuration du cours que l'instructeur a définie.

1. L'étudiant soumet le devoir via l'interface de soumission standard de Blackboard
2. SafeAssign exécute sa comparaison d'n-grammes par rapport à la base de données de référence mondiale et génère un pourcentage de similitude
3. Si le détecteur d'IA de SafeAssign est activé, une analyse probabiliste séparée s'exécute sur le même texte soumis
4. Les deux scores — similitude du plagiat et probabilité d'IA — apparaissent dans le rapport du carnet de notes Blackboard
5. L'instructeur examine le rapport SafeAssign complet aux côtés d'autre contexte du cours avant de décider s'il faut prendre des mesures

Quelles écoles utilisent SafeAssign pour la détection d'IA ?

SafeAssign est fourni avec Blackboard Learn, donc toute institution exécutant Blackboard a accès aux outils de plagiat de SafeAssign par défaut. Blackboard Learn est utilisé par des milliers d'universités et de collèges dans le monde, avec une adoption particulièrement dense dans l'enseignement supérieur aux États-Unis, au Royaume-Uni et en Australie. Les estimations approximatives situent Blackboard dans environ 30 % des institutions d'enseignement supérieur mondiales, ce qui en ferait l'une des plateformes d'intégrité académique les plus largement distribuées en nombre d'installations. La fonction de détection d'IA est plus récente et déployée de manière moins cohérente. Anthology l'a intégrée dans les versions de Blackboard mises à jour, mais les institutions mettent à jour selon leurs propres horaires et activent les fonctionnalités de manière sélective. Une école qui a actualisé son déploiement Blackboard en 2024 ou 2025 et a opté pour le module de détection d'IA d'Anthology exécute probablement le module de détection d'IA de SafeAssign. Une institution sur une version ancienne de Blackboard, ou une qui a choisi de ne pas activer la couche d'IA, ne générera que le rapport de similitude traditionnel. Un troisième groupe d'écoles a adopté une approche hybride : ils utilisent SafeAssign pour la vérification du plagiat et exécutent un détecteur d'IA intégré LTI — l'indicateur de rédaction d'IA de Turnitin est le plus courant — comme analyse parallèle. Les étudiants de ces institutions sont effectivement vérifiés par deux outils à chaque soumission, même s'ils ne voient qu'un seul bouton de soumission.

"La plupart des étudiants ne savent pas si leur institution a activé la détection d'IA dans SafeAssign. L'expérience de soumission semble identique quel que soit ce qui s'exécute en arrière-plan."

Que se passe-t-il lorsque SafeAssign signale votre écriture comme étant de l'IA ?

Un score de probabilité d'IA élevé de SafeAssign ne déclenche pas automatiquement une pénalité de note ou une accusation de faute professionnelle académique. Les propres directives d'Anthology et les politiques de la plupart des institutions utilisant l'outil traitent un signal de détection comme le début d'un processus d'examen plutôt que comme une conclusion. Les instructeurs sont généralement censés engager une conversation directe avec l'étudiant avant d'escalade vers un comité d'intégrité formel. Cette conversation implique généralement d'examiner la soumission aux côtés d'autres travaux de l'étudiant, de demander à l'étudiant de décrire son processus d'écriture et potentiellement de demander des brouillons ou du matériel supplémentaire. Les faux positifs sont un problème réel et documenté sur toutes les plateformes de détection d'IA, y compris le détecteur d'IA de SafeAssign. Les études publiées entre 2023 et 2025 ont montré que les détecteurs d'IA commerciaux produisent des taux de faux positifs de 4 % à plus de 15 % pour certains sous-groupes de population — notamment les non-locuteurs natifs de l'anglais, les étudiants qui écrivent dans des registres très formels et les rédacteurs techniques dont le vocabulaire est limité par le domaine. Si vous recevez un signal et que vous avez écrit le travail vous-même, rassemblez toute preuve de votre processus de rédaction — versions de documents enregistrées, notes, onglets du navigateur ou matériel de citation — et demandez le rapport spécifique à votre instructeur avant que la situation n'avance davantage. Entrer dans cette conversation avec une documentation concrète est beaucoup plus efficace qu'une négation sans contexte de soutien.

1. Demandez le rapport SafeAssign spécifique à votre instructeur pour voir quels passages ont été signalés
2. Rassemblez les preuves de votre processus d'écriture : brouillons enregistrés, notes, fichiers de plan et historique du navigateur à partir de sessions de recherche
3. Demandez une réunion avec votre instructeur avant que tout examen formel d'intégrité ne soit initié
4. Parcourez votre processus d'écriture avec votre instructeur à l'aide des documents que vous avez rassemblés
5. Si la situation s'aggrave, contactez le bureau d'intégrité académique de votre institution pour comprendre le processus formel et vos droits en tant qu'étudiant

"Les scores de détection sont des points de départ pour une conversation, pas des preuves d'une violation. Tout examen crédible d'intégrité académique nécessite d'examiner le contexte complet du travail de l'étudiant."

Quelle est la précision de la détection d'IA de SafeAssign ?

Les points de référence de précision publiés spécifiquement pour le module de détection d'IA de SafeAssign sont limités — Anthology n'a pas publié de données de validation détaillées pour cette fonction de la manière que Turnitin l'a fait pour son indicateur de rédaction d'IA. Ce qui est disponible à partir d'évaluations indépendantes de systèmes de détection d'IA comparables suggère que les détecteurs commerciaux bien implémentés atteignent des taux d'identification de 85 à 93 % sur du texte clairement généré par l'IA en anglais académique standard dans des conditions de test contrôlées. Ce chiffre diminue considérablement sur les soumissions réelles : les brouillons d'IA légèrement édités, la rédaction mixte humain-IA, les soumissions courtes de moins de 200 mots et le texte écrit par des non-locuteurs natifs de l'anglais produisent tous des scores moins fiables. Le composant de détection du plagiat de SafeAssign a des décennies d'étalonnage et est considéré comme robuste pour identifier le texte copié ou étroitement paraphrasé. Son module de détection d'IA hérite des limitations fondamentales de la classification probabiliste : la sortie est une estimation de probabilité, pas une détermination binaire. Une soumission à un seuil de probabilité d'IA élevé est statistiquement plus susceptible d'avoir utilisé l'assistance de l'IA, mais le score n'en est pas la preuve. Les instructeurs qui s'appuient uniquement sur le score d'IA SafeAssign — sans examiner le contexte de la soumission, la comparer aux autres travaux de l'étudiant ou parler à l'étudiant — risquent à la fois de fausses accusations et d'infractions manquées. L'outil est le plus défendable lorsqu'il est utilisé comme une entrée dans un flux de travail d'évaluation plus large.

La précision de la détection d'IA de SafeAssign sur les soumissions réelles d'étudiants — en particulier celles qui sont partiellement modifiées ou écrites par des non-locuteurs natifs de l'anglais — est considérablement inférieure à ce que suggèrent les chiffres de référence publiés.

Devriez-vous vérifier votre travail avant que SafeAssign s'exécute ?

Exécuter votre propre vérification de détection d'IA avant de soumettre via Blackboard est une étape pratique qui prend quelques minutes et peut éviter beaucoup d'incertitude en aval. Si vous écrivez dans un registre académique formel, utilisez des outils de correction grammaticale qui lissent la variation de style naturelle, ou simplement envie de savoir comment votre prose se lira à un classificateur, la vérification préalable vous montre quelles phrases produiront probablement un score élevé avant que votre instructeur ne voie quoi que ce soit. NotGPT analyse le texte au niveau de la phrase et met en évidence les passages qui se lisent comme statistiquement similaires à l'IA, vous donnant du temps pour réviser avant la fermeture de votre fenêtre de soumission. C'est utile si vous avez entièrement écrit le travail vous-même et que vous voulez une confirmation, ou si vous avez utilisé l'IA comme aide à la recherche ou à la rédaction et que vous voulez comprendre combien vos modifications ont changé le profil de détection. Détecter les signaux potentiels du détecteur d'IA de SafeAssign avant la date limite signifie que vous avez du temps pour les résoudre à vos propres conditions plutôt que de répondre à une enquête de l'instructeur après coup.