evidoria

← Retour à la liste

Bonne pratique Importée

Copyleaks — Détection de contenu généré par l'IA et de plagiat pour l'intégrité académique

Israël · Tel Aviv · Voir le profil de Israël · Voir le profil de Tel Aviv

Preuves: Observationnel / avant-après Top 73% 40/100 · Demandez à Evidence Copilot à propos de cette pratique

Basée à Tel Aviv, Copyleaks propose un détecteur de texte généré par IA et de plagiat utilisé par de nombreuses écoles et universités. Des études indépendantes donnent des résultats de précision contradictoires — quasi parfaits dans une comparaison de 2024, incohérents ailleurs — un cas de preuves réellement mitigées.

0 %
Taux de faux positifs dans l'étude comparative JALT 2024 (30 détecteurs testés) (April 2024 study)
~50 to 99+ %
Fourchette de précision dans les tests comparatifs tiers (varies by sample/methodology)
50+ universities
Universités ayant désactivé des fonctionnalités de détection d'IA similaires à l'échelle du campus (as of reporting)

Détails

Maturité
Établie
Promoteur
Copyleaks Ltd.
Période
2012–present
Mots-clés
academic integrity, AI content detection, plagiarism detection, edtech

Contexte

Copyleaks Ltd, fondée en 2012 à Tel Aviv par Alon Yamin et Yehonatan Bitton, propose un service de détection de contenu généré par l'IA et de vérification du plagiat qui s'intègre à des systèmes de gestion de l'apprentissage tels que Canvas, Moodle et Blackboard, commercialisé pour le contrôle de l'intégrité académique dans l'enseignement primaire, secondaire et supérieur dans le monde entier.

Résultats

Les tests académiques indépendants de Copyleaks donnent un tableau réellement mitigé. Une étude comparative d'avril 2024 publiée dans le Journal of Applied Learning and Teaching a testé 30 détecteurs de texte IA sur des dissertations d'étudiants universitaires en anglais L1 et L2, et a constaté que Copyleaks faisait partie des deux seuls outils (avec Undetectable AI) à enregistrer un taux de faux positifs de 0 % sur les ensembles de dissertations testés. Cependant, une revue systématique évaluée par des pairs publiée en 2025 dans la revue Information (MDPI) a conclu que les outils de détection d'IA en général, Copyleaks inclus, produisent des résultats incohérents selon les études et les types de contenu, et des tests comparatifs tiers distincts ont rapporté des taux de précision allant d'environ 50 % à plus de 99 % selon l'échantillon et la méthodologie utilisés. Plus de 50 universités, dont Vanderbilt et Johns Hopkins, ont désactivé des fonctionnalités de détection d'IA similaires à l'échelle du campus en raison de préoccupations liées aux faux positifs et aux biais.

Conclusions

Étant donné que la précision des détecteurs dépend fortement de l'échantillon et que les allégations de précision publiées par le fournisseur dépassent ce que les tests indépendants reproduisent de manière constante, il est conseillé aux établissements de considérer les résultats de Copyleaks comme un point de départ de discussion plutôt que comme une preuve de faute. Cette pratique est incluse comme un cas mitigé et honnêtement documenté, plutôt que comme une approbation sans réserve.

Mise en œuvre
Coût indicatif
Faible (< 50 k€) — Commercial SaaS/LMS-integration licensing; no published per-institution pricing in sources reviewed.
Délai jusqu’aux résultats
Court (< 1 an) — Founded 2012; ongoing commercial operation and wide-scale LMS integration since.
Personnel et compétences
Copyleaks Ltd. (founded 2012 by Alon Yamin and Yehonatan Bitton, Tel Aviv) develops and operates the service; adopting institutions integrate it via existing LMS platforms (Canvas, Moodle, Blackboard)

Conditions de réussite

  • Integrates directly into existing LMS platforms, lowering adoption friction
  • Best used as a discussion starting point rather than sole proof of misconduct, per the accuracy evidence

Modes d’échec courants

  • Independent third-party results range from near-perfect to roughly 50% accuracy depending on sample and methodology
  • More than 50 universities (including Vanderbilt and Johns Hopkins) have disabled similar AI-detection features campus-wide over false-positive and bias concerns
  • Vendor-published accuracy claims exceed what independent testing consistently reproduces

Où cela s’applique

Type de gouvernance
commercial vendor, adopted by individual schools/universities
Échelle
global, institution-by-institution adoption
Niveau de revenu
mixed (deployed across income levels)

Habituellement financé par

Own resources / municipal budget

Pistes de financement indicatives pour des pratiques de ce type — vérifiez toujours les appels en cours et les règles d'éligibilité de chaque programme.

Vous portez cette pratique ? Revendiquez-la — les porteurs vérifiés obtiennent un contact public sur la page et peuvent proposer des corrections.

Sources de données

D'où proviennent les informations de cette pratique, et quand.

Pratiques similaires qui pourraient vous être utiles