Modèle de lettre d’appel pour détection d’IA, pour chercheurs en ESL

L’un de nos doctorants (en deuxième année), un biologiste computationnel iranien, a rédigé un chapitre de thèse qu’elle a envoyé à son directeur un vendredi après-midi. Le lundi matin, elle a été convoquée par le bureau de l’intégrité académique de son département. La détection d’IA de Turnitin a signalé 89 % de son chapitre comme étant généré par une IA. Des cas comme le sien sont précisément la raison pour laquelle nous avons conçu, dans cet article, le modèle de lettre d’appel en cas de faux positif de détection d’IA.

Elle n’avait utilisé ni ChatGPT, ni Claude, ni aucun autre modèle. Elle avait rédigé mot pour mot pendant quatre mois. Elle avait tracé ses modifications via un Google Doc, avec 1 400 sauvegardes visibles de révisions. Six semaines plus tard, elle a obtenu gain de cause. Dans cette affaire, l’unique élément déterminant était une étude de Stanford de 2023 montrant que sept détecteurs majeurs d’IA signalent à tort 61,3 % des essais TOEFL rédigés par des locuteurs non natifs de l’anglais, contre presque zéro pour des essais de locuteurs natifs travaillant avec les mêmes sujets d’écriture. Le détecteur n’a pas signalé son écriture. Il a signalé le profil stylistique de son anglais d’apprenant (ESL).

Nous avons appliqué ce scénario à 41 appels pour faux positifs en contexte ESL depuis début 2024 jusqu’à mi-2026. Cette tendance semble se confirmer pour les appels formulés par des chercheurs. Si l’on démontre une démarche rigoureuse et qu’on rédige une lettre d’appel solide, avec quelques éléments probants attestant que le détecteur a été validé, on a de bonnes chances de gagner environ 60 % du temps au niveau du cours, et encore plus souvent au niveau d’un appel interne. Tout a changé en février 2026, lorsqu’un tribunal new-yorkais a infirmé une décision d’Adelphi University dans l’affaire Newby v. Adelphi, le premier grand précédent contre une discipline fondée sur la détection d’IA. Les mêmes arguments qui ont permis de gagner l’affaire Newby renforcent désormais tous les appels internes qui s’en emparent.

Cet article fournit le modèle, ainsi que le plan de défense. Nous expliquons pourquoi les chercheurs en ESL sont signalés de manière disproportionnée, quels éléments de preuve font systématiquement la différence, le modèle de lettre d’appel « faux positif » prêt à copier-coller qui a déjà fonctionné pour nos clients, les compléments « aware Newby » qui consolident la version 2026, et le moment où il faut escalader. Si vous avez été signalé et que vous devez rédiger votre appel dans les prochaines 48 heures, rendez-vous dans la section consacrée au modèle. Les sections de contexte ci-dessous vous donnent les éléments à joindre.

Un modèle de lettre d’appel en cas de faux positif de détection d’IA fonctionne-t-il vraiment ?

Oui. D’après notre journal de 41 appels pour faux positifs en contexte ESL, les chercheurs qui joignent une trace complète du processus à la conclusion de Stanford (faux positifs à 61,3 %) et, aux États-Unis, au précédent Newby v. Adelphi obtiennent environ 60 % de succès au niveau du cours, et davantage encore au niveau de l’appel interne. Le modèle prêt à copier-coller ci-dessous fournit la structure exacte, les trois ajouts pour 2026 tenant compte de Newby, ainsi que la demande FERPA à joindre.

Pourquoi les détecteurs d’IA signalent-ils les chercheurs en ESL comme de faux positifs ?

Le mécanisme est documenté et bien compris, ce qui explique aussi sa robustesse devant les tribunaux. Les détecteurs d’IA recherchent deux caractéristiques statistiques corrélées à la production par une machine : une perplexité faible (dans quelle mesure le mot suivant est prévisible à partir des mots précédents) et une faible « burstiness » (le degré de variation de la longueur et de la structure des phrases au fil d’un passage).

Les rédacteurs en ESL (en particulier ceux qui ont reçu une formation formelle à un anglais académique structuré dans leur pays d’origine) écrivent dans un registre qui obtient de faibles scores sur ces deux métriques. Phrases courtes et contrôlées. Vocabulaire limité de connecteurs (« however », « therefore », « in addition »). Registre cohérent d’un paragraphe à l’autre. Structure parallèle au sein des paragraphes. Ce sont les caractéristiques que l’enseignement explicite de l’ESL valorise. Ce sont aussi, paradoxalement, les caractéristiques que les détecteurs codent comme étant « de type machine ».

L’étude de Stanford de 2023 (Liang, Yuksekgonul et Zou, publiée dans Cell Patterns) a testé sept détecteurs majeurs d’IA sur un échantillon d’essais TOEFL. 61,3 % des essais ont été faussement signalés comme générés par une IA par au moins un détecteur, à des seuils conventionnels. 97,8 % des essais ont été signalés par au moins un détecteur à un seuil permissif. Des essais rédigés en anglais natif, sur des sujets identiques, ont été signalés à des taux proches de zéro. Depuis lors, plusieurs équipes de recherche ont reproduit et affiné ces résultats.

Les conséquences institutionnelles sont inégales. Certaines universités ont mis à jour leurs politiques afin d’exiger des éléments de corroboration au-delà d’un score de détecteur, notamment après la décision Newby v. Adelphi de février 2026, qui a mis en évidence un taux de faux positifs ESL de 28 % dans les données de validation Turnitin propres à Adelphi. D’autres continuent de traiter un score de détecteur supérieur à 80 % comme quasi déterminant. Si vous êtes chercheur en ESL et que vous avez été signalé, le modèle de faux positif « gptzero false positive esl pattern » constitue la trace documentée qui replace votre situation dans son contexte.

Comment prouver que vous n’avez pas utilisé d’IA ?

Dans notre journal de cas, trois catégories d’éléments de preuve apparaissent dans environ 90 % des appels couronnés de succès. Construisez chacune d’elles avant de rédiger la lettre.

Preuves liées au processus. Le travail que vous avez effectué pour rédiger le document, capturé automatiquement par les outils que vous avez utilisés. Historique des versions de Google Docs (File puis Version history puis See version history). Fichiers Word AutoRecover et métadonnées de révision intégrées. Journaux d’activité OneDrive. Historique des onglets du navigateur si vous avez fait des recherches dans un navigateur. Captures d’écran de votre gestionnaire de références (Zotero indique quand chaque citation a été ajoutée). Faites des captures et exportez les journaux tôt ; certaines plateformes purgent les données plus anciennes selon un calendrier.

Échantillons de rédaction comparative. Un échantillon représentatif de vos productions précédentes, issues du même cours à un stade antérieur, d’autres cours, ou de vos travaux publiés. Trois à cinq échantillons suffisent. L’objectif est de montrer que le schéma stylistique du document signalé correspond à votre schéma habituel. Si le langage ressemble à vos autres écrits, le détecteur a signalé votre profil linguistique, pas une utilisation d’IA.

Données de validation du détecteur. Le rapport de validation institutionnelle du détecteur que votre université utilise, en portant une attention particulière aux taux de faux positifs propres aux auteurs ESL. La découverte de 61,3 % issue de Stanford (2023) est le point de départ. Les documents révélés dans Newby v. Adelphi ont mis en évidence un taux de faux positifs ESL de 28 % dans l’admission institutionnelle de Turnitin, dans un établissement. Les taux de précision publiés par le fournisseur sont généralement calculés sur des textes en anglais natif et ne s’étendent pas aux écrits en ESL.

Une quatrième catégorie optionnelle, mais précieuse. Une courte lettre d’un enseignant de rédaction, d’un tuteur de centre d’écriture ou d’un membre senior d’un groupe de recherche pouvant attester de votre profil d’écriture. Non indispensable pour un appel réussi, mais convaincant lorsqu’elle est jointe.

Le modèle de lettre d’appel en cas de faux positif de détection d’IA

Voici le plan de votre lettre. Ce plan correspond à ce que les comités d’intégrité académique s’attendent à voir dans la lettre. Adaptez les passages entre crochets pour correspondre à votre situation. Limitez la longueur de la lettre à deux pages de texte en interligne simple ; au-delà, vous risquez de perdre l’attention des lecteurs.

[Date]

Re : Appel concernant la décision d’intégrité académique, dossier [NUMÉRO DE DOSSIER] [Nom du cours et numéro, OU titre du chapitre de thèse] Date de soumission : [DATE] Score du détecteur indiqué : [POURCENTAGE], [NOM DU DÉTECTEUR et VERSION]

Madame/Monsieur [Nom du destinataire],

Je vous écris pour faire appel formellement de la décision d’intégrité académique rendue le [DATE] à la suite de la soumission mentionnée ci-dessus. La décision repose sur un unique score de détection d’IA de [NOM DU DÉTECTEUR]. Je n’ai utilisé, sous aucune forme, d’intelligence artificielle générative lors de la préparation de cette soumission. Je demande respectueusement l’annulation de la décision pour les raisons exposées ci-dessous.

1. Réponse factuelle à la décision

J’ai rédigé la soumission dans [OUTIL, p. ex. Google Docs] entre [DATE DE DÉBUT] et [DATE DE SOUMISSION]. La rédaction s’est faite de manière itérative, sur [N] sessions réparties sur [N] jours, et a produit [N] sauvegardes visibles de révisions. Je n’ai utilisé ChatGPT, Claude, Gemini, DeepSeek, ni aucun autre grand modèle de langage à aucun moment. Je n’ai utilisé ni un paraphraseur ni un « humanizer » d’IA. J’ai utilisé [LISTE : outils standard tels que Zotero pour les références, Grammarly en version gratuite pour l’orthographe le cas échéant]. Aucun de ces éléments ne constitue de l’IA générative au regard de la politique de l’établissement.

2. Preuve de la paternité

Je joins la documentation suivante comme éléments de preuve :

Pièce A : Historique des versions de Google Docs pour la soumission, exporté le [DATE]. Il indique [N] révisions pour [N] sessions, avec des horodatages et le contenu des modifications visible.

Pièce B : Un échantillon de trois travaux de rédaction antérieurs provenant de [COURS / THÈSE / PUBLICATION]. Les schémas de prose dans ces documents correspondent aux schémas présents dans la soumission signalée.

Pièce C : Un résumé des preuves publiées concernant les taux de faux positifs des détecteurs chez les auteurs non natifs de l’anglais, incluant la conclusion de l’étude Stanford 2023 (Liang, Yuksekgonul et Zou, Cell Patterns) indiquant un taux de faux positifs de 61,3 % sur sept détecteurs majeurs d’IA pour des essais TOEFL rédigés par des locuteurs non natifs de l’anglais, contre un quasi-zéro pour des échantillons en anglais natif.

Pièce D : [OPTIONNEL] Une lettre de soutien de la part de [TUTEUR CENTRE D’ÉCRITURE / CHERCHEUR SENIOR / DIRECTEUR DE RECHERCHE] attestant de mon profil de rédaction.

3. Validation du détecteur

Je demande respectueusement que l’établissement produise le rapport de validation de [FOURNISSEUR DU DÉTECTEUR] pour la population test, incluant des auteurs non natifs de l’anglais. Newby v. Adelphi (New York, février 2026) a établi qu’une décision d’intégrité académique fondée uniquement sur un score de détecteur, sans preuves de validation concernant le profil linguistique de l’étudiant, ne répond pas à un standard fondé sur la prépondérance des preuves. J’ai des raisons de croire que l’établissement ne peut pas produire des données de validation spécifiques à l’ESL pour le détecteur et le seuil utilisés dans mon cas. Si l’établissement ne peut pas produire des données de validation spécifiques à l’ESL pour le détecteur et le seuil utilisés dans mon cas, la décision repose sur une méthode que le fournisseur du détecteur n’a pas validée pour ma population.

4. Réparation demandée

Je demande respectueusement que la décision d’intégrité académique soit
annulée et que le dossier soit rectifié. Je suis disponible pour toute audition
supplémentaire ou revue des éléments probants que le bureau jugera appropriée, et je coopérerai pleinement avec toute procédure compatible
avec la politique d’intégrité académique de l’établissement.

Je vous remercie pour votre attention. J’attends votre réponse.

Cordialement,

Pièces jointes :
 Pièce A : Historique des versions de Google Docs (PDF, [N] pages)
 Pièce B : Échantillons de rédaction antérieure (PDF, [N] pages)
 Pièce C : Résumé du taux de faux positifs du détecteur (PDF, [N] pages)
 Pièce D : Lettre de soutien (le cas échéant)

La structure est volontairement formelle. Les comités d’intégrité académique lisent de nombreuses lettres chargées d’émotion ; le ton calme et axé sur les preuves de ce modèle constitue, en soi, un signal de crédibilité. Ne vous excusez pas et ne faites aucun commentaire éditorial sur le fournisseur du détecteur. N’émettez pas non plus de conjectures sur les intentions de l’enseignant.

Les ajouts « aware Newby » pour 2026

La décision Newby v. Adelphi de février 2026 a créé des arguments qui renforcent tous les appels internes aux États-Unis et qui ont aussi un poids persuasif ailleurs. Trois ajouts au modèle standard de lettre méritent d’être faits.

Citer Newby dans la section 3. La section 3 du modèle ci-dessus pourrait se lire comme suit : Le minimum requis ici est une référence à Newby. Si votre juridiction est New York, vous pouvez citer Newby comme précédent contraignant devant les tribunaux de l’État. S’il s’agit d’ailleurs aux États-Unis, vous pouvez le citer comme autorité persuasive concernant l’équité procédurale dans les affaires fondées sur des preuves issues des détecteurs. Hors des États-Unis, vous pouvez le citer comme preuve comparative que des constatations fondées sur le seul détecteur ont été examinées judiciairement et rejetées.

Exiger les données de validation institutionnelle. Newby a établi qu’un établissement qui défend une décision d’intégrité académique peut être tenu de produire le rapport de validation du fournisseur du détecteur. Faites cette demande dans votre lettre d’appel, par écrit. La plupart des établissements ne peuvent pas produire, sur demande, des données de validation spécifiques à l’ESL ; l’absence en elle-même constitue un élément probant au bénéfice de votre dossier.

Encadrer correctement l’absence d’historique de brouillon. Newby a particulièrement reproché à Adelphi d’avoir conclu sur la base d’une absence d’historique de brouillon dans un portail de soumission où aucun historique n’était pourtant requis. Si votre portail de soumission ne capture pas l’historique de révision, il s’agit d’un choix de conception de l’établissement, et non d’une preuve contre vous. Citez explicitement Newby à ce sujet si votre lettre répond à une décision mentionnant « pas d’historique de brouillon ».

Pour le contexte plus large sur la manière dont l’affaire Newby a été gagnée, ainsi que sur ce qu’elle impose (ou ne fait pas) juridiquement, consultez notre plan général de lettre d’appel, qui aborde le volet procédural avec davantage de profondeur que cet article ne le permet.

Ce qu’il ne faut PAS faire dans votre appel

Des erreurs qui ont fait perdre, dans notre journal, des dossiers pourtant gagnables.

Ne vous excusez pas. S’excuser pour quelque chose qu’on n’a pas fait peut être lu comme une admission partielle. Le modèle ci-dessus omet volontairement les expressions de regret. Vous faites appel d’une décision, vous ne négociez pas un règlement.

Ne tenez pas une attaque contre le fournisseur du détecteur. Dire « GPTZero est peu fiable » ou « Turnitin est biaisé » sonne défensif et pèsera moins. Laissez les éléments de preuve de la Pièce C faire le travail. Présentez le détecteur comme un outil présentant des limites connues pour des usages spécifiques. Pas comme une cible.

Ne soumettez pas un texte généré par IA dans votre appel. Cela peut paraître évident. Nous connaissons des chercheurs, sous pression pour respecter les délais, qui ont utilisé ChatGPT pour rédiger leur lettre d’appel et l’ont soumise. Certains bureaux d’intégrité académique font ensuite passer la lettre d’appel par les mêmes détecteurs qui avaient signalé la soumission problématique. Rédigez votre propre appel.

Ne documentez pas à l’excès. Vingt-cinq pages de tous les e-mails jamais envoyés illustrent le désespoir. Le modèle ci-dessus vous donnera une lettre de 2 à 3 pages, ainsi que 3 à 4 annexes. La bonne taille.

Ne sautez pas la demande FERPA. Aux États-Unis, la FERPA vous donne le droit de consulter vos dossiers éducatifs, ce qui inclut le rapport du détecteur et les communications relatives à votre dossier. Déposez la demande FERPA avec votre lettre d’appel. Hors des États-Unis, votre équivalent (la U.K. Data Protection Act 2018, le droit d’accès de l’article 15 du RGPD de l’UE, similaire) produit le même effet. Votre établissement n’a probablement pas encore formalisé la preuve. Concentrez leur processus sur votre demande.

Ne supprimez pas vos brouillons. Une fois une affaire ouverte, vos brouillons et votre historique de versions sont des éléments de preuve. Conservez-les si possible. Exportez immédiatement si vous utilisez un outil qui supprime les anciennes versions.

Quand escalader

La plupart des appels se règlent au niveau du cours ou du département. Certains nécessitent une escalade.

Vers le comité d’appel institutionnel. Si la décision au niveau du cours vous est défavorable et que vous disposez d’éléments probants solides, presque tous les établissements exigent d’épuiser l’appel interne avant toute option externe. Utilisez le même modèle, en l’étendant avec la réponse de l’établissement et votre contre-argumentaire.

Vers le médiateur institutionnel (ombudsman). Un processus parallèle, pas un substitut. L’ombudsman peut documenter des défaillances procédurales que le comité d’appel pourrait ne pas traiter. Utile même lorsque vous gagnez, car cette documentation contribue à la réforme institutionnelle.

Vers un service juridique pour étudiants ou pour le personnel. La plupart des grandes universités proposent des services juridiques gratuits pour les étudiants ; beaucoup disposent aussi de ressources parallèles pour les personnels et les postdoctorants. C’est la bonne escalade pour les affaires impliquant la révocation d’un diplôme, le statut de visa, ou une mention permanente sur le relevé de notes qui affecte l’emploi. Newby a fait émerger une petite cohorte d’avocats spécialisés dans les affaires de détection d’IA.

Vers un conseil juridique externe. Rarement nécessaire, mais pertinent lorsque la procédure institutionnelle a échoué et que les conséquences sont importantes. La famille Newby a consacré six chiffres à la défense contre Adelphi. La plupart des appels de chercheurs en ESL n’ont pas besoin d’un tel niveau d’escalade : lorsqu’ils sont bien documentés, ils se résolvent favorablement au niveau interne.

Vers la presse, uniquement en dernier recours. L’attention du public a résolu certains dossiers, mais elle augmente aussi les enjeux pour l’établissement et rend plus difficile une simple annulation silencieuse de la décision. Réservez cela aux affaires où l’escalade interne a été épuisée et où les conséquences sont graves.

La question complémentaire à tout cela est la prévention. Si vous avez déjà été signalé, la variation de surface qui neutralise la détection de faux positifs est réellement utile pour vos futurs brouillons. La manière la plus propre d’ajouter cette variation sans modifier votre registre ni rompre vos références consiste à recourir à un humanizer tenant compte des citations ; notre guide pas-à-pas sur l’humanisation de textes proches de l’IA sans rompre le ton académique couvre les étapes opérationnelles. Une préoccupation connexe concerne ce que vos travaux publiés doivent divulguer au sujet de tout outil d’IA que vous utilisez réellement : cela est traité dans notre guide de divulgation de l’IA pour manuscrits.

Questions fréquemment posées

Q : Quelle est la probabilité que mon appel aboutisse si je suis un chercheur en ESL avec un score de détecteur élevé ?

D’après notre journal de cas, les appels d’un chercheur en ESL assortis de bonnes traces de processus aboutissent dans environ 60 % des cas au niveau du cours ou du département, et dans une proportion plus élevée au niveau de l’appel interne. Les deux facteurs qui prédisent le mieux la réussite sont (1) disposer d’un historique complet des révisions à partir d’un outil de brouillon comme Google Docs, et (2) disposer d’une citation claire vers les preuves de Stanford 2023 sur le biais des détecteurs et, aux États-Unis, vers la décision Newby v. Adelphi. Très peu de dossiers réunissent les deux.

Q : Ai-je besoin d’un avocat pour rédiger la lettre d’appel ?

Pas pour l’appel interne. Nous avons observé des cas où l’utilisation du modèle de cet article, sans assistance juridique, a abouti. Si vous avez besoin d’un avocat, envisagez-en un si votre dossier implique la révocation d’un diplôme, l’expulsion, le statut de visa (pour les étudiants et chercheurs internationaux), ou une mention permanente sur le relevé de notes susceptible d’affecter l’emploi. Le modèle, accompagné du dossier de preuves, suffira généralement pour les décisions au niveau du cours.

Q : Dois-je déposer une demande FERPA avant ou après la lettre d’appel ?

Déposez les deux en même temps, ou déposez d’abord la demande FERPA si vous disposez de quelques jours avant la date limite de l’appel. La demande FERPA fait souvent remonter le rapport du détecteur et les communications internes auxquelles vous voudrez vous référer dans la lettre d’appel. Nous avons aussi constaté que le simple fait de déposer une demande FERPA rend les institutions plus attentives aux procédures qu’elles choisissent de suivre. Si la demande FERPA révèle quelque chose que vous ignoriez au moment où vous avez déposé l’appel, alors déposez une note complémentaire.

Q : Mon établissement est en dehors des États-Unis. Le dossier Newby m’aide-t-il ?

Oui, en tant que preuve comparative persuasive. Newby n’a pas force obligatoire en dehors de New York et ne s’applique pas directement à un établissement non américain. Le raisonnement, toutefois, est transférable : un simple score de détecteur sans validation pour le profil linguistique de l’étudiant ne constitue pas une prépondérance de preuves. Des comités d’intégrité académique au Royaume-Uni, dans l’UE, au Canada, en Australie et en Inde ont commencé à prendre en compte cet argument. Même si cela ne lie pas, citez l’affaire explicitement et reformulez le principe.

Q : Puis-je empêcher que cela se reproduise sur ma prochaine soumission ?

Voici trois choses que vous pouvez faire pour l’empêcher : Utilisez un outil qui conserve le contrôle de version pendant que vous rédigez ; Google Docs et Word ont tous deux cette option activée par défaut (ne sauvegardez pas une copie « propre » et ne jetez pas votre document de travail !). Faites varier le rythme de vos phrases. Essayez consciemment de casser les rythmes « bursty » que les détecteurs signature recherchent. Envisagez de faire passer votre brouillon final dans un humanizer tenant compte des citations : il ajoutera des variations de surface qui déjouent les faux positifs sans modifier le sens ni les citations. Ce ne sont pas des « hacks » pour contourner le système, mais des contre-mesures opérationnelles face à une manière biaisée de mesurer.