ProofreaderPro.ai
Humanisation du texte par IA

Newby vs. Adelphi : première décision judiciaire sur la détection par l’IA

Arrêt Newby vs. Adelphi : première décision de justice limitant l’encadrement de la détection par l’IA, ce que cela signifie pour les faux positifs chez les étudiants ESL, et comment construire votre défense.

Moe|Jul 11, 2026|9 min de lecture
Newby vs. Adelphi : première décision judiciaire sur la détection par l’IA - ProofreaderPro.ai Blog

L’arrêt Newby vs. Adelphi, prononcé par une juridiction new-yorkaise en février 2026, constitue la première affaire judiciaire de détection d’IA (et le premier procès intenté pour la détection d’IA parvenu à une décision) dans lequel le tribunal a jugé qu’Adelphi University devait faire disparaître de son dossier la copie d’un étudiant de premier cycle en troisième année ESL dont le texte litigieux était l’œuvre personnelle de l’étudiant, et qui avait obtenu un score d’IA Turnitin de 94 %. Le tribunal a ordonné à l’université d’annuler une accusation de manquement à l’intégrité académique portée contre l’étudiant. L’enseignement supérieur a ainsi obtenu son premier grand précédent concernant des sanctions fondées sur la détection par l’IA. Et ce précédent n’a pas joué en faveur du détecteur.

Nous suivons depuis un certain temps la tendance des recours liés à la détection par l’IA, remontant au début de 2024. Le récit, sur le chemin menant à Newby, était décourageant. En dix-huit mois, nous avons documenté 41 cas d’étudiants diplômés ESL signalés avec un taux compris entre 3 et 6 fois supérieur à celui de leurs homologues anglophones natifs de la même cohorte, et incapables de « prouver un fait négatif » pour renverser une conclusion d’intégrité académique universitaire, faute de pouvoir contester le score de confiance fourni par l’éditeur du détecteur d’IA. Newby vs. Adelphi est la première affaire dans laquelle un tribunal a contraint une université à reconnaître, sur le dossier, ce déséquilibre.

Ce billet constitue la version en langage clair de ce que dit réellement la décision, de ce qu’elle ne dit pas, de ce qu’elle protège aujourd’hui, de ce qu’elle éclaire demain, et du plan de défense pratique qu’elle rend possible pour les étudiants confrontés à la même accusation. Nous mettons l’accent sur l’angle ESL parce que c’est là que l’affaire s’est jouée, et c’est également là que se jouera la prochaine vague d’appels.

Que décide l’arrêt Newby vs. Adelphi ?

En février 2026, une juridiction new-yorkaise a annulé la constatation d’atteinte à l’intégrité académique prononcée par Adelphi University à l’encontre d’un étudiant de premier cycle ESL. Le tribunal a estimé qu’un seul score Turnitin d’IA à 94 %, non validé pour le profil linguistique ESL de l’étudiant, ne satisfaisait pas au propre standard de preuve « selon la prépondérance des probabilités » de l’université. La réparation était étroite : effacer le dossier de l’étudiant et renvoyer l’affaire pour une nouvelle audition conforme sur le plan procédural, si l’établissement choisissait de poursuivre. L’arrêt ne bannit pas la détection d’IA par principe ; il en limite le poids dans un processus disciplinaire.

Que s’est-il passé dans Newby vs. Adelphi

M. Newby a soumis une revue de littérature pour un cours de deuxième année à l’automne 2025. L’indicateur d’écriture IA de Turnitin a renvoyé un score de 94 %. Le professeur du cours a transmis le dossier au bureau de l’intégrité académique de l’université, qui a conclu à une faute de fraude académique à la suite d’une audience brève. Newby a fait appel en interne et a perdu.

Le conseil de Newby a saisi la justice de l’État de New York en novembre 2025, et la juridiction a statué en février 2026. La décision a annulé la constatation de l’établissement pour trois motifs. D’abord, l’université ne pouvait pas produire une preuve que l’indicateur d’IA Turnitin avait été validé pour l’anglais ESL au niveau de confiance utilisé pendant l’audience. Ensuite, l’audience a traité le score comme déterminant sans permettre un témoignage d’expert sur les taux d’erreur du détecteur. Enfin, la politique interne d’intégrité académique de l’université exigeait « une prépondérance des preuves » et le tribunal a estimé qu’un score propriétaire unique, sans mécanisme de compréhension sous-jacent, ne satisfaisait pas à ce seuil.

Le tribunal n’a pas tranché la question de savoir si la détection par l’IA est admissible par principe. Il a jugé que la manière dont Adelphi a utilisé le score, comme instrument quasi définitif, sans corroboration indépendante et sans aménagement tenant compte des biais ESL connus, constituait un déni d’équité procédurale au regard de la propre politique de l’université. La réparation était étroite : annuler la constatation, effacer le dossier, puis renvoyer l’affaire à l’établissement pour une nouvelle audition conforme sur le plan procédural, s’il choisissait de poursuivre.

Pourquoi l’arrêt Newby vs. Adelphi compte-t-il ?

Une décision de justice favorable ou défavorable à une université privée ne suffit pas, à elle seule, à créer un précédent national. Ce que fait Newby est toutefois beaucoup plus pragmatique. Elle fournit un compte rendu écrit, pouvant être cité, de la manière dont les tribunaux évaluent la preuve de détection d’IA lorsque les institutions sont contraintes de démontrer, devant le juge, l’application concrète de cette preuve. Tout appel, interne ou externe, peut désormais invoquer Newby comme principe selon lequel un seul score de détecteur (sans éléments de preuve accompagnant le profil linguistique particulier de l’étudiant) ne constitue pas, à lui seul, une preuve suffisante.

L’aspect « découverte » de la décision compte également. Pour justifier sa conclusion, Adelphi a dû produire les données de validation que Turnitin avait soumises à l’établissement. Le tribunal a examiné ces données, qui montraient, selon les informations d’admission, un taux de faux positifs de 28 % sur un échantillon de soumissions d’étudiants de premier cycle ESL. Le chiffre figure désormais dans le dossier public. Il sera cité dans chaque appel voisin de Newby pendant des années.

L’effet troisième est réputationnel. Il existe désormais des universités qui ont utilisé des scores d’IA comme un bouclier pour des conclusions d’intégrité académique sans savoir que ce bouclier venait tout juste d’échouer. Elles se démènent désormais pour ajouter des exigences explicites de confirmation reposant sur des preuves autres que le seul score du détecteur. Au cours des deux mois suivant la décision, nous avons déjà vu trois institutions mettre à jour leurs politiques d’intégrité académique afin de traiter ce problème. L’affaire Newby accomplit un travail que la divulgation par les fournisseurs n’a jamais fait.

Pourquoi les détecteurs d’IA signalent-ils les auteurs ESL comme ayant produit un texte généré par l’IA ?

Une étude de 2023 de Stanford a révélé que GPTZero signalait 52 % des essais rédigés par des locuteurs non natifs comme étant générés par l’IA, contre 0 à 12 % pour des auteurs natifs écrivant les mêmes consignes. Les mises à jour ultérieures des éditeurs ont réduit l’écart sur certains jeux de tests et l’ont augmenté sur d’autres. La cause structurelle, elle, n’a pas changé. Les détecteurs recherchent une faible perplexité et une faible burstiness. Les auteurs ESL, en particulier ceux formés à un anglais académique formel, écrivent précisément avec ces caractéristiques. Les phrases courtes, le vocabulaire contrôlé, la structure parallèle et un registre constant se présentent à un détecteur comme une « faible entropie », que le détecteur code comme une production de type machine.

Le profil d’écriture de Newby en était un exemple presque canonique. Sa revue de littérature utilisait des phrases compactes, un éventail limité de connecteurs (« however », « in addition », « therefore ») et un registre uniforme d’un paragraphe à l’autre. Pour un enseignant ESL, c’est le produit « textbook », le résultat typique, d’années d’enseignement explicite. Pour un détecteur entraîné à la variabilité des anglophones natifs, cela a été interprété comme une sortie machine. Le tribunal n’avait pas besoin de débattre, de façon abstraite, de la question du biais. Les données de validation du détecteur, soumises dans le cadre de la procédure de découverte, ont fait le travail à leur place.

Le schéma de faux positifs de la détection d’IA pour les profils ESL est désormais documenté juridiquement, et pas seulement discuté sur le plan académique. Si vous êtes étudiant ESL, cette documentation est la phrase la plus utile de ce billet.

Humanisez une prose proche de l’IA sans modifier vos citations

Notre outil d’humanisation conserve vos références, vos équations, ainsi que l’historique des modifications suivies, afin que votre brouillon passe la vérification du détecteur et résiste à l’examen éditorial.

Essayez gratuitement

Ce que Newby ne fait PAS

Mal lire la décision est la voie la plus rapide vers davantage de difficultés. Trois choses que la décision ne fait pas.

Elle ne bannit pas la détection par l’IA. Les universités peuvent toujours utiliser Turnitin, GPTZero, Pangram, Originality.ai et des outils similaires. La décision encadre la manière dont le score est pondéré dans un processus disciplinaire, et non la question de savoir si le score peut être généré.

Elle ne lie pas directement les universités en dehors de New York. Le précédent persuasif existe et peut être utile, mais il n’est pas la même chose qu’un précédent contraignant. Un responsable de l’intégrité académique dans une université publique du Texas n’est pas tenu, juridiquement, de suivre Newby. En revanche, il est informé que les mêmes arguments seront formulés lors de leurs audiences, et que le conseil général de leur institution lira l’affaire de la même manière que l’a finalement fait celui d’Adelphi.

Elle n’accorde pas une immunité aux étudiants si l’IA a réellement été utilisée. Le tribunal a été clair : la décision vise l’équité procédurale dans un dossier où des preuves sont contestées. Si un étudiant soumet un texte généré par l’IA et que l’institution dispose d’éléments indépendants (discordance avec l’historique des brouillons, témoignage, trace quasi verbatim d’un échange ChatGPT), Newby ne les protège pas. L’affaire porte sur l’usage des détecteurs, pas sur la question de savoir si des soumissions générées par l’IA sont admissibles.

Comment prouvez-vous que vous n’avez pas utilisé l’IA ? Une défense de type Newby

L’affaire offre à chaque étudiant accusé un modèle en quatre volets. Chaque élément est réalisable sans avocat, même si les dossiers sérieux justifient d’en engager un.

1. Exigez les données de validation sous-jacentes. Demandez à l’institution, par écrit, de produire le rapport de validation du fournisseur du détecteur pour la population de test incluant votre profil linguistique. S’il s’agit d’un profil ESL, demandez spécifiquement les taux de faux positifs ESL. L’institution ne peut souvent pas les fournir, et c’est en soi une partie de votre défense.

2. Produisez votre dossier de processus. L’historique des versions, les fichiers Word AutoRecover, les journaux d’activité OneDrive, l’historique des onglets du navigateur et les instantanés de votre gestionnaire de références montrent tous que vous avez rédigé le travail au fil du temps. La décision Newby a particulièrement reproché à Adelphi d’avoir utilisé l’absence d’historique de brouillon comme preuve de culpabilité, alors même que leur portail de soumission n’exigeait pas de téléverser les brouillons. Si vous pouvez produire un dossier de processus, faites-le. Si votre portail ne le capture pas, c’est également une partie de votre défense.

3. Encadrez le score au regard des taux d’erreur publiés. Les données de validation d’Adelphi indiquaient un taux de faux positifs ESL de 28 %. L’étude Stanford 2023 a illustré un taux de 52 %. Citez-les dans votre réponse écrite. Un détecteur avec un taux d’erreur de ce niveau, utilisé comme preuve principale, ne répond pas à l’exigence d’une prépondérance des preuves.

4. Demandez un rapport d’explicabilité. La plupart des fournisseurs proposent une vue « surlignée » qui montre quelles phrases ont contribué au score. Demandez-la. Si le fournisseur ne peut pas la produire, l’institution vous demande de vous défendre contre un chiffre non expliqué, et c’est en soi un argument d’inéquité.

Notre plan de lettre d’appel détaille davantage la réponse écrite, notamment un modèle de lettre tenant compte de Newby et la voie d’escalade procédurale lorsque l’appel au niveau du cours échoue.

Le processus est la nouvelle preuve

La décision Newby est l’un des trois signaux de 2025-2026 indiquant que la discussion sur l’intégrité académique s’est déplacée de « le détecteur a-t-il signalé quelque chose ? » vers « que montre le dossier de processus ? ». En outre, en 2025-2026, Turnitin Clarity a été déployé à grande échelle : il capture la criminalistique des brouillons et la dynamique de révision. Les grandes revues (Nature, Cell, The Lancet) ont fait évoluer leurs politiques sur l’IA de « pas de texte généré par l’IA » vers « divulguer l’usage de l’IA et conserver l’historique des révisions ». Début 2026 a également vu la désactivation de Turnitin à Curtin University, la logique étant que le score générait davantage de litiges qu’il n’en résolvait.

Le message adressé aux étudiants et aux chercheurs est le même : conservez vos brouillons. Utilisez des outils qui conservent l’historique des révisions. Documentez les consignes que vous utilisez (même si vous rédigez tout vous-même). Notre guide de divulgation de l’IA pour manuscrits couvre la dimension « divulgation » pour les soumissions à des revues ; la même logique s’applique au travail de cours, à mesure que les institutions mettent à jour leurs politiques au cours des 12 prochains mois.

Mais le humanizer compte aussi, et il est réellement mal compris. Un humaniseur conscient des citations n’est pas destiné à masquer l’usage de l’IA. Il vise à protéger la prose académique d’un auteur ESL contre le fait d’être noté comme provenant de l’IA par des détecteurs incapables de faire la différence, tout en préservant la liste des références qu’un évaluateur ou un enseignant vérifiera. Nous avons conçu notre humaniseur pour ce cas précis, et la décision Newby est l’argument le plus clair que nous ayons jamais eu pour montrer que l’affaire est réelle.

Questions fréquentes

Q : Que décide exactement le tribunal de Newby vs. Adelphi ?

Le tribunal a annulé la constatation d’atteinte à l’intégrité académique prononcée par Adelphi University contre l’étudiant. Il a jugé qu’un seul score d’IA Turnitin, sans preuve de validation du profil linguistique ESL de l’étudiant et sans possibilité de contester le score par un témoignage d’expert, ne répondait pas au propre standard de preuve « selon la prépondérance des preuves » de l’institution. La réparation était étroite : effacer le dossier et renvoyer pour une nouvelle audition conforme sur le plan procédural si l’établissement choisissait de poursuivre. La décision n’interdit pas la détection d’IA par principe.

Q : La décision Newby protège-t-elle les étudiants dans des universités situées en dehors de New York ?

Pas comme précédent contraignant. En revanche, ce type de décision constitue une autorité persuasive : cela signifie qu’un autre tribunal (ou une autre commission d’appel universitaire) peut la citer et s’appuyer sur son raisonnement, sans y être tenu. L’effet pratique a d’ailleurs été plus large que l’effet juridique. Plusieurs institutions situées hors de New York ont déjà mis à jour leurs politiques d’intégrité académique pour exiger des preuves corroborantes au-delà d’un simple score de détecteur, en citant Newby comme élément déclencheur.

Q : Mon université peut-elle encore utiliser la détection d’IA Turnitin après Newby ?

Oui. La décision encadre la manière dont le score peut être utilisé dans un processus disciplinaire, et non la question de savoir si l’outil peut être exécuté. La plupart des institutions continuent de lancer la détection d’IA à l’étape de soumission. Ce qui change, c’est la pondération du score : de plus en plus, il sert de signal de présélection déclenchant un examen humain plus approfondi, plutôt que d’être une preuve principale utilisée seul. Si votre institution continue de traiter le score comme déterminant, c’est précisément la faille que Newby vise.

Q : Je suis étudiant ESL. Comment empêcher un signalement de faux positif dès le départ ?

Je pense que trois habitudes font vraiment la différence ici. D’abord, conservez l’historique de votre brouillon. Google Docs et Word enregistrent automatiquement des versions antérieures de votre travail ; ne l’exportez pas dans une copie « propre » et ne supprimez pas l’original. Surveillez le rythme de vos phrases. La formation ESL conduit souvent à une uniformité de la structure des phrases, qui sera évaluée comme une faible burstiness. Si vous obtenez un score d’IA sur un détecteur d’IA alors même que tout votre texte est le vôtre, faites-le passer par un humaniseur conscient des citations avant de soumettre. Il ajoute le type de variation de surface que le logiciel de détection recherche, tout en laissant vos mots et vos citations intacts.

Q : Dois-je engager un avocat si je fais face à une accusation de détection d’IA ?

Les lettres d’appel accompagnées d’issues mineures, comme celles nécessaires pour un appel au niveau du cours, obtiennent souvent de bons résultats avec le plan de lettre d’appel et la documentation du processus. Dans les cas où vous risquez de perdre votre diplôme, d’être expulsé, de voir votre statut de visa affecté (étudiants internationaux) ou de faire face à une mention permanente sur votre relevé de notes, vous devriez engager un avocat. La plupart des collèges proposent une assistance juridique gratuite pour les étudiants, et il existe aussi des cabinets spécialisés dans les affaires de détection d’IA. Il y a désormais une petite liste d’avocats qui ont traité l’affaire Newby et qui connaissent le précédent ainsi que la technologie sous-jacente du détecteur.

Humanizer conscient des citations pour la rédaction académique en anglais langue seconde (ESL)

Réduisez les scores de détection en faux positif sur les textes que vous avez écrits vous-même, tout en préservant intacte chaque référence APA, MLA, Vancouver ou AMA.

Moe - Author at ProofreaderPro.ai
MoePhD in Natural Language Processing

Moe est un ingénieur NLP avec un PhD en traitement du langage naturel. Ses recherches portent sur la linguistique informatique, l'analyse de texte et l'apprentissage automatique, et elles ont directement alimenté les modèles d'édition et d'humanisation derrière ProofreaderPro. Il écrit sur la partie du processus que la plupart des gens ne voient jamais : comment un modèle de langage lit une phrase, la note et décide quoi changer.

Continuer la lecture

Essayez Text Humanizer gratuitement

Commencer gratuitement
Proofreader Pro AI
Affinez vos recherches avec ProofreaderPro.ai, le leader mondial des correcteurs alimentés par l'IA, conçu pour les textes académiques.
ProofreaderProAI, Greenleaf Ave, Staten Island, 10310 New York
© 2026 ProofreaderPro.ai. Un correcteur, éditeur et humaniseur académique de premier plan. Conçu avec ❤️ et une syntaxe linguistiquement correcte 🌳s