Une personne enseignante peut-elle corriger des travaux avec l’intelligence artificielle générative?

L’utilisation de l’intelligence artificielle générative comme outil d’aide à la correction n’est pas automatiquement interdite par le droit d’auteur.

Toutefois, lorsqu’une personne enseignante dépose le travail d’une personne étudiante dans un système d’IA générative externe non recommandé ou non autorisé, l’analyse change. L’enjeu principal devient l’utilisation d’un outil non encadré pour traiter un document étudiant potentiellement protégé par le droit d’auteur et susceptible de contenir des renseignements personnels ou confidentiels.

Une telle pratique devrait être considérée comme risquée, à moins qu’elle ait été expressément autorisée, encadrée et documentée par l’établissement d’enseignement supérieur.

Le risque principal n’est donc pas seulement le droit d’auteur. Il est probablement encore plus sensible sous l’angle de la protection des renseignements personnels, de la confidentialité pédagogique, de la sécurité de l’information, de la transparence envers les personnes étudiantes et du respect du cadre institutionnel.

1. Droit d’auteur applicable aux travaux des personnes étudiantes

Un travail produit par une personne étudiante peut constituer une œuvre protégée par le droit d’auteur s’il s’agit d’une production originale fixée sous une forme matérielle, par exemple un texte écrit, un rapport, une analyse, une présentation ou un document numérique. Le droit d’auteur protège notamment les œuvres originales de nature littéraire, dramatique, musicale et artistique.1

En règle générale, la personne étudiante demeure l’auteure de son travail, sauf disposition contraire, cession de droits ou entente particulière. La Loi sur le droit d’auteur reconnaît au titulaire le droit exclusif de produire ou reproduire l’œuvre, ou une partie importante de celle-ci.

Il faut donc partir de cette prémisse: le travail remis par une personne étudiante n’est pas un simple document administratif librement réutilisable. Il peut être une œuvre protégée.

Lorsqu’un travail est copié, téléversé, soumis dans une fenêtre de requête ou analysé par un système d’IA générative, il peut y avoir reproduction, communication, conservation temporaire ou traitement informatique du contenu. Toutefois, le fait qu’il y ait reproduction technique ne signifie pas automatiquement qu’il y a violation du droit d’auteur.

Dans un contexte d’évaluation, on peut soutenir qu’en remettant un travail, la personne étudiante autorise implicitement la personne enseignante et l’établissement à recevoir, lire, corriger, annoter, conserver temporairement et traiter ce travail aux fins pédagogiques prévues. Cette autorisation implicite couvre vraisemblablement les gestes nécessaires à la correction. Elle ne couvre toutefois pas nécessairement tout traitement par un outil externe d’IA générative, surtout si cet outil n’a pas été autorisé par l’établissement, s’il est utilisé avec un compte personnel, s’il conserve les données, s’il peut les utiliser pour l’amélioration de ses modèles ou si les personnes étudiantes n’ont pas été informées d’un tel usage.

La bonne question n’est donc pas seulement de savoir si le droit d’auteur interdit toute utilisation de l’IA générative. La question pertinente est plutôt de déterminer si l’usage précis de l’outil était nécessaire, autorisé, proportionné, transparent et conforme aux règles institutionnelles. Le droit d’auteur reconnaît au titulaire le droit exclusif de produire, reproduire, publier ou exécuter une œuvre originale.2

Toutefois, l’existence d’une exception comme l’utilisation équitable ne règle pas automatiquement la question, car son application dépend d’une analyse contextuelle fondée sur les facteurs reconnus par la Cour suprême du Canada dans l’arrêt CCH Canadienne Ltée c. Barreau du Haut-Canada.3

2. Rôle de la personne enseignante

Les conventions collectives, les politiques institutionnelles et les règlements pédagogiques ne traitent pas toujours directement de l’utilisation de l’IA générative pour corriger des travaux. Ils permettent toutefois d’identifier le rôle professionnel de la personne enseignante dans le processus d’évaluation.

Dans les établissements où la convention collective FNEEQ s’applique, la correction fait partie de la tâche d’enseignement. L’article 8-4.01 prévoit que la tâche comprend notamment l’encadrement des personnes étudiantes, la préparation, la surveillance et la correction d’examens, ainsi que la révision de corrections demandée par les personnes étudiantes.4

Ces éléments indiquent que la correction, la compilation des notes, la remise de la note finale et la révision de corrections demeurent rattachées à la tâche et à la responsabilité professionnelle de la personne enseignante. Le cadre applicable ne permet donc pas de conclure, à lui seul, que l’IA serait interdite comme outil d’aide. Toutefois, même si un tel outil était utilisé, la responsabilité de la correction, de la note, de la rétroaction et de la révision ne serait pas transférée au système d’IA générative.

La liberté académique peut soutenir l’idée qu’une personne enseignante dispose d’une marge d’autonomie dans ses méthodes pédagogiques et évaluatives. Toutefois, cette autonomie s’exerce avec professionnalisme, discernement et rigueur intellectuelle, dans le respect des lois applicables, des droits d’autrui, des politiques institutionnelles, des règles de confidentialité, des exigences de protection des renseignements personnels et des directives relatives à l’IA générative.

3. Renseignements personnels et confidentialité pédagogique

Un travail étudiant peut contenir des renseignements personnels ou des informations sensibles, même lorsque le sujet semble scolaire. Selon le contexte du cours, la personne étudiante peut être amenée à analyser une situation vécue, à raconter une tranche de vie, à expliquer un contexte familial, à décrire une intervention en stage, à commenter une situation de travail ou à exprimer des émotions personnelles.

Le document peut donc contenir un nom, un numéro d’étudiant, une opinion personnelle, des informations sur la santé, l’origine, l’emploi, des difficultés d’apprentissage, des données professionnelles, des expériences personnelles ou tout autre élément permettant d’identifier directement ou indirectement une personne. Le contenu transmis à une IA générative peut ainsi dépasser la simple réponse académique et révéler des éléments intimes, contextuels ou identifiants.

Au Québec, les organismes publics doivent respecter leurs obligations en matière de protection des renseignements personnels. La Commission d’accès à l’information du Québec rappelle qu’avant de communiquer un renseignement personnel à une entité située à l’extérieur du Québec, ou de confier à une personne ou à un organisme à l’extérieur du Québec la tâche de recueillir, d’utiliser, de communiquer ou de conserver un tel renseignement pour son compte, une organisation doit informer les personnes concernées, réaliser une évaluation des facteurs relatifs à la vie privée, démontrer que le renseignement bénéficierait d’une protection adéquate et conclure une entente écrite.5

Ces obligations s’inscrivent dans les changements introduits par la Loi 25 en matière de protection des renseignements personnels.6

Cela est particulièrement important lorsqu’un outil d’IA générative est utilisé dans une version publique, personnelle ou non encadrée par l’établissement. Même si l’intention de la personne enseignante est seulement d’obtenir une aide à la correction, il pourrait y avoir communication ou traitement de renseignements personnels dans un environnement non autorisé.

L’énoncé de principes du ministère de la Cybersécurité et du Numérique rappelle que les organismes publics doivent gérer les risques liés à l’utilisation de l’IA tout en assurant la protection des renseignements personnels.7 Il exige que les données d’apprentissage ou les autres données d’entrée utilisées par les systèmes d’IA soient légalement collectées, utilisées et divulguées, en tenant compte des droits applicables en matière de protection de la vie privée.78

Donc, même si le droit d’auteur ne permet pas de conclure automatiquement à une violation, l’utilisation d’un outil d’IA générative non autorisé avec des travaux de personnes étudiantes soulève un risque sérieux en matière de confidentialité et de protection des renseignements personnels.

4. Différence entre stockage institutionnel et traitement actif par l’IA

Le fait qu’un travail étudiant soit stocké dans un environnement institutionnel ne signifie pas automatiquement que ce travail peut être traité par n’importe quel système d’IA générative. Il faut distinguer le stockage institutionnel d’un document dans un environnement autorisé par l’établissement, comme OneDrive, SharePoint, Teams ou un autre espace institutionnel, et le traitement actif de ce document par un système d’IA générative.

Le stockage institutionnel sert principalement à conserver, transmettre, organiser ou partager un document dans l’environnement numérique prévu par l’établissement. Le traitement actif par IA est d’une autre nature: il implique que le contenu du document soit analysé par un système algorithmique afin de produire une réponse, une rétroaction, une synthèse, une recommandation ou une aide à la correction.

Cette distinction est importante. Le fait qu’un fournisseur technologique héberge ou traite techniquement des données dans le cadre d’un service institutionnel ne constitue pas une autorisation générale de transmettre les travaux de personnes étudiantes à un autre fournisseur ou à un outil d’IA générative non recommandé par l’établissement.

Dans Microsoft 365 Copilot, Microsoft indique que les prompts, les réponses et les données consultées par Microsoft Graph ne sont pas utilisés pour entraîner les grands modèles de fondation utilisés par Microsoft 365 Copilot. Microsoft indique également que Copilot est conçu pour respecter les permissions, les politiques et les contrôles d’accès de Microsoft 365.9

Ces garanties peuvent réduire certains risques lorsqu’il s’agit d’un environnement institutionnel bien configuré. Toutefois, elles ne s’appliquent pas automatiquement aux outils externes utilisés dans une version publique, personnelle ou non encadrée par l’établissement. Le fait qu’un travail soit déjà dans un environnement institutionnel ne permet donc pas de conclure qu’il peut être copié, téléversé ou soumis dans un autre outil sans autorisation institutionnelle.

5. Outils autorisés et outils non autorisés

L’utilisation d’un outil d’IA générative externe non recommandé ou non autorisé modifie l’analyse. Si un établissement recommande un outil institutionnel, cela signifie généralement que celui-ci a été retenu ou privilégié pour des raisons de sécurité, d’intégration technologique, de contrôle des accès, de conformité, de gestion des données ou de gouvernance numérique.

À l’inverse, l’utilisation d’un outil externe non encadré peut être considérée comme une utilisation d’un système d’IA générative en dehors du cadre institutionnel.

Les enjeux varient aussi selon le type de compte utilisé. Pour les produits commerciaux comme Claude for Work, l’API Anthropic ou Claude Gov, Anthropic indique que les entrées et sorties ne sont pas utilisées par défaut pour entraîner les modèles, sauf exception liée à une participation volontaire à certains programmes.10

Pour les produits grand public comme Claude Free, Pro et Max, Anthropic indique que les conversations et sessions de codage peuvent être utilisées pour améliorer Claude si la personne utilisatrice choisit de le permettre.11 Anthropic indique également que la conservation des données varie selon le type de produit et les paramètres applicables.12

Cela ne signifie pas automatiquement que le travail étudiant a été utilisé pour entraîner un modèle. Toutefois, cela signifie qu’il faut connaître précisément le type de compte utilisé, les paramètres de confidentialité activés, les conditions applicables au moment de l’utilisation, les politiques de conservation des données, l’existence ou non d’une entente institutionnelle, le lieu d’hébergement ou de traitement des données et la nature des renseignements contenus dans les travaux transmis.

En l’absence de ces informations, il serait imprudent de conclure que l’utilisation était conforme.

6. Exigences de gouvernance du ministère de la Cybersécurité et du Numérique

Les documents du ministère de la Cybersécurité et du Numérique rendent l’analyse plus restrictive que la seule analyse fondée sur le droit d’auteur. Ils déplacent la question vers un cadre de gouvernance institutionnelle: un organisme public doit déterminer quels systèmes d’IA générative peuvent être utilisés, pour quels cas d’usage, par quelles personnes, avec quelles données et selon quelles mesures de contrôle.

Les mesures applicables exigent qu’un organisme public mette en place une structure de gouvernance adaptée pour assurer une utilisation responsable des systèmes d’IA générative. L’organisme doit notamment définir les rôles et responsabilités, y compris les personnes ayant l’autorité d’autoriser l’utilisation d’un système d’IA générative, et élaborer un processus d’évaluation clair et documenté pour chaque système, selon les cas d’usage prévus.8

Le même document exige que toute utilisation d’un système d’IA générative repose sur une démarche de gestion des risques couvrant notamment les risques éthiques, juridiques, de sécurité de l’information et de gouvernance des données. Il impose aussi une attention particulière aux données utilisées: l’organisme doit connaître les données numériques gouvernementales concernées, en assurer une gestion rigoureuse tout au long de leur cycle de vie, puis les classifier ou les marquer afin de limiter l’accès du système aux seules données autorisées et nécessaires pour chaque cas d’usage.8

Le ministère insiste également sur la transparence et l’explicabilité. Les organismes publics doivent informer clairement les citoyens et les entreprises de l’utilisation de systèmes d’IA et, lorsqu’un système d’IA produit ou soutient une décision, une prédiction ou une action les concernant, ils doivent être en mesure de fournir une explication claire et sans ambiguïté. Cette exigence est particulièrement importante en contexte d’évaluation, puisque l’utilisation d’un système d’IA pour analyser un travail étudiant pourrait influencer une rétroaction, une appréciation ou une note. Dans un tel contexte, l’IA générative ne devrait pas intervenir dans le processus évaluatif sans encadrement, transparence et supervision humaine.78

Le ministère encadre également de façon stricte l’utilisation des systèmes d’IA générative publics. Ces systèmes doivent être identifiés par l’organisme et ne peuvent être utilisés que dans des cas spécifiques et définis. Toute utilisation en dehors de ces cas d’usage autorisés est interdite. L’encadrement doit aussi interdire au personnel d’utiliser des renseignements de nature confidentielle dans un système d’IA générative public.8

Dans ce contexte, un système d’IA générative accessible publiquement par le Web, personnel ou non encadré par l’établissement, peut être assimilé à un système d’IA générative public au sens de cette logique d’encadrement. Le critère déterminant n’est pas seulement le nom de l’outil, mais le fait qu’il soit accessible à l’extérieur de l’organisation, qu’il ne soit pas autorisé pour le cas d’usage visé et qu’il puisse traiter des données hors de l’environnement institutionnel.

7. Relation de confiance avec la personne étudiante

Au-delà des règles juridiques, institutionnelles et technologiques, l’utilisation de l’IA générative dans un processus de correction soulève aussi un enjeu de confiance pédagogique. La personne étudiante doit pouvoir comprendre comment son travail a été évalué, obtenir des explications sur la correction et, le cas échéant, exercer son droit à une révision.

Cette relation de confiance peut être fragilisée si un travail est soumis à un outil d’IA générative non autorisé, sans transparence ni encadrement institutionnel. Même lorsque l’utilisation d’un outil d’aide serait permise, la personne étudiante devrait pouvoir avoir l’assurance que son travail a été traité avec confidentialité, discernement et respect du cadre applicable.

8. Position recommandée

Le dépôt d’un travail étudiant dans un système d’intelligence artificielle générative ne constitue pas automatiquement une atteinte au droit d’auteur. Toutefois, un travail étudiant peut être une œuvre protégée et contenir des renseignements personnels, confidentiels ou sensibles. Son utilisation dans une IA générative doit donc être limitée à ce qui est nécessaire, transparente pour la personne étudiante et conforme au cadre prévu par l’établissement.

L’utilisation d’une IA générative non autorisée, qu’il s’agisse de Claude AI, ChatGPT, Gemini ou de tout autre outil externe non encadré par l’établissement, soulève un risque important. Même lorsque l’intention est simplement d’obtenir une aide à la correction, le dépôt d’un travail étudiant dans un tel outil peut exposer le contenu à un environnement qui n’a pas été évalué, approuvé ou contrôlé par l’établissement. Les risques concernent notamment la confidentialité, la protection des renseignements personnels, la conservation des données, la traçabilité, la sécurité de l’information et la confiance de la personne étudiante.

Un outil institutionnel autorisé doit être analysé différemment. Son utilisation peut offrir un cadre plus maîtrisé que les outils externes non autorisés. Toutefois, cela ne signifie pas que tous les usages sont automatiquement permis. Ce n’est pas seulement l’outil qui doit être autorisé: le cas d’usage, les données transmises et le niveau de supervision humaine doivent aussi respecter les consignes de l’établissement.

9. Le risque du Shadow AI ou IA fantôme

La situation doit aussi être comprise sous l’angle du Shadow AI, c’est-à-dire l’utilisation d’outils d’intelligence artificielle au travail sans approbation formelle, sans supervision organisationnelle ou en dehors des mécanismes prévus par l’établissement. Le recours à un outil externe non recommandé ou non autorisé s’apparente à ce type de risque.

Une étude commandée par IBM Canada et diffusée en septembre 2025 indiquait que 79 % des personnes travaillant à temps plein dans des bureaux au Canada utilisaient des outils d’IA au travail, mais que seulement 25 % utilisaient des solutions d’IA de niveau entreprise. L’étude précisait aussi que 33 % utilisaient un mélange d’outils personnels et d’outils de l’employeur, et que 21 % s’appuyaient entièrement sur des applications personnelles. IBM Canada associait cette tendance à des risques sérieux, notamment les fuites de données, les enjeux de conformité et la perte de contrôle sur l’information sensible.13

Cette mise en garde est directement pertinente dans un établissement d’enseignement supérieur. Lorsqu’une personne enseignante utilise un outil d’IA non autorisé pour traiter des travaux de personnes étudiantes, elle peut, même de bonne foi, déplacer des contenus pédagogiques, personnels ou confidentiels vers un environnement qui n’a pas été évalué par l’établissement. Le risque principal du Shadow AI est alors organisationnel: l’établissement perd la capacité de savoir quels outils sont utilisés, quelles données sont transmises, à quels fournisseurs, selon quelles conditions et avec quelles garanties.

Le Shadow AI peut aussi créer une incohérence institutionnelle. Si des membres du personnel utilisent individuellement des outils externes sans encadrement commun, les pratiques deviennent difficiles à encadrer. Cette fragmentation peut affaiblir la gouvernance des données, compliquer l’application des règles de confidentialité, créer des attentes différentes d’un cours à l’autre et rendre plus difficile la reddition de comptes en cas d’incident.

La mise en garde à retenir est donc la suivante: l’utilisation individuelle d’un outil d’IA non recommandé peut sembler efficace à court terme, mais elle peut créer un risque collectif pour l’établissement. Pour cette raison, le recours à l’IA générative dans la correction devrait être abordé dans une logique institutionnelle plutôt qu’individuelle, à partir d’outils autorisés, de cas d’usage définis, de consignes claires et d’une supervision humaine adéquate.

10. Mise en garde sur les outils de détection de l’IA

Cette analyse permet également de rappeler que les outils de détection de textes générés par l’intelligence artificielle ne sont pas fiables à 100 %. L’Université Laval déconseille leur utilisation en raison de leurs limites de fiabilité ainsi que des enjeux éthiques et pédagogiques qui leur sont associés. Elle précise que les résultats de ces logiciels ne constituent pas, à eux seuls, une preuve suffisante d’infraction relative aux études. Ces outils peuvent produire des faux positifs, c’est-à-dire identifier à tort un texte rédigé par une personne comme ayant été généré par une IA, ou des faux négatifs, c’est-à-dire ne pas détecter un texte réellement généré par une IA générative.14

Dans un contexte d’évaluation, s’en remettre principalement à un détecteur automatisé pour corriger, accuser ou sanctionner une personne étudiante peut donc entraîner des préjudices injustifiés. L’Université Laval souligne notamment que les fausses accusations peuvent entraîner des conséquences importantes pour les personnes étudiantes, notamment de l’anxiété, des effets sur le parcours scolaire, des pertes de bourses ou d’autres conséquences personnelles et institutionnelles. Elle indique aussi que ces outils peuvent affecter disproportionnellement certains groupes, notamment les personnes qui ne rédigent pas dans leur langue maternelle et les personnes neurodivergentes.

Pour renforcer la comparaison, on peut dire qu’un détecteur d’IA ne devrait pas être traité comme un verdict. Tout comme un détecteur de mensonges ne constitue pas une preuve infaillible, un détecteur automatisé de plagiat ou d’IA doit être interprété avec prudence, jugement professionnel et analyse contextuelle. Lorsqu’un soupçon d’utilisation non autorisée de l’IA générative existe, d’autres éléments doivent être examinés: cohérence avec les travaux antérieurs, qualité inhabituelle de la rédaction, sources inventées ou absentes, traces explicites d’une conversation avec un système d’IA générative, incohérences dans le contenu ou capacité de la personne étudiante à expliquer son raisonnement.

Conclusion

L’utilisation de l’IA générative pour faire de la correction de travaux en éducation supérieure devrait d’abord faire l’objet d’une réflexion critique sur sa nécessité, sa pertinence et ses risques.

Le fait qu’un système d’IA puisse produire une rétroaction, résumer un texte ou soutenir une correction ne signifie pas automatiquement qu’il s’agit du meilleur outil pour accomplir ce travail, ni qu’il est approprié dans tous les contextes pédagogiques.

La convention collective ou le cadre institutionnel applicable ne semble pas interdire, en soi, l’utilisation d’un outil numérique ou d’un système d’IA comme aide à la correction. Le droit d’auteur ne permet pas non plus de conclure automatiquement qu’il y a violation dès qu’un travail étudiant est traité par une IA. Toutefois, cette conclusion doit être fortement nuancée lorsque l’outil utilisé est un système d’IA générative externe non recommandé ou non autorisé par l’établissement.

Dans un établissement d’enseignement supérieur, la question ne devrait donc pas être seulement: « Est-ce possible d’utiliser l’IA pour corriger? » Elle devrait plutôt être: « Est-ce nécessaire, pertinent, autorisé, sécuritaire, transparent et respectueux de la relation pédagogique avec la personne étudiante? »

Cette situation rappelle que l’utilisation éthique et responsable de l’IA ne repose pas uniquement sur le choix d’un outil autorisé. Elle exige aussi une analyse critique du contexte, de la nature des données traitées, des risques pour les personnes étudiantes, de la supervision humaine requise et de la capacité de la personne enseignante à expliquer, justifier et assumer la correction effectuée.