L'IA générative permet plus que jamais aux candidats d'obtenir une aide extérieure lors de tests en ligne non supervisés, et les outils qui tentent de reconnaître les contenus générés par l'IA peinent à suivre le rythme. Cette recherche adopte une approche différente : plutôt que de chercher à savoir quel outil un candidat a utilisé, elle examine son comportement pendant le test, de sorte qu'elle continue de fonctionner à mesure que de nouveaux outils d'IA apparaissent.
Le rapport présente le cadre d'intégrité à quatre couches de Podium (Concevoir, Dissuader, Détecter et Défendre) et le met à l'épreuve dans cinq études : une expérience contrôlée, et des données de terrain issues de plus de 106 000 passations de GCAT dans plusieurs pays et secteurs, auprès de plusieurs clients.
Le cadre d'intégrité
Quatre couches, chacune ciblant une manière différente d'obtenir une aide extérieure. La protection la plus solide s'obtient en utilisant les quatre ensemble.
Concevoir
Banques d'items dynamiques
Protège contre Partage d'items, collecte des corrigés et exposition répétée.
Invisible pour les candidats
Dissuader
Message d'intégrité de l'évaluation
Protège contre Justification ou banalisation de la triche.
Affiché avant le test
Détecter
Score de confiance
Protège contre Consultation d'outils d'IA ou d'autres ressources sur le même appareil.
Fonctionne en silence
Défendre
Validation faciale
Protège contre Passation par un tiers, aide d'une autre personne et utilisation d'un second appareil.
Visible pour les candidats
Principaux résultats
Cinq études, d'une expérience contrôlée à plus de 106 000 passations réelles de GCAT.
Étude 1
Le score de confiance fonctionne-t-il ?
Dans une expérience contrôlée, le score de confiance a permis de distinguer les candidats ayant bénéficié d'une aide extérieure de ceux qui n'en avaient pas reçu (.810 en validation croisée ; d = 1.47). La maîtrise des outils d'IA n'a pas aidé les candidats à y échapper.
Expérience contrôlée, N = 372
.822AUC pour distinguer les sessions assistées des sessions autonomes
Étude 2
Les messages de dissuasion fonctionnent-ils ?
L'affichage du Message d'intégrité de l'évaluation avant chaque test a significativement amélioré l'intégrité comportementale (p < .001) et réduit la proportion de sessions signalées de 5 à 7 points de pourcentage.
3 072 sessions appariées issues de 16 clients
+5.2points sur le score de confiance moyen après le message
Étude 3
La surveillance par IA fonctionne-t-elle ?
Les sessions avec Validation faciale ont présenté une intégrité comportementale significativement plus élevée que des sessions appariées sans celle-ci (p < .001), ce qui en fait la couche individuelle la plus efficace du cadre.
2 194 sessions appariées en Australie
+4.5points sur le score de confiance moyen avec la Validation faciale
Étude 4
Fonctionne-t-il de manière équitable ?
Les scores de confiance étaient cohérents entre les groupes de genre, d'âge et d'origine ethnique. Les vérifications selon la règle des quatre cinquièmes n'ont révélé aucun impact défavorable lié au genre ou à l'âge aux seuils pertinents sur le plan opérationnel ; deux cas isolés liés à l'origine ethnique sont survenus, chacun chez un seul client et sur de petits échantillons, sans constituer un schéma systémique.
Genre, âge et origine ethnique
0 sur 64comparaisons de groupes ont atteint une taille d'effet de 0.30
Étude 5
Quelle est la fréquence de la triche ?
Entre 1 candidat non surveillé sur 14 et 1 sur 33 environ obtient une aide qui modifie son score. Évaluer 1 000 candidats sans Validation faciale laisserait entrer 30 à 70 scores gonflés dans le processus de sélection.
Estimation à partir de données de terrain
3–7%des candidats non surveillés obtiennent une aide qui modifie leur score
Les signalements d'intégrité informent des personnes. Ils ne prennent jamais la décision.
Ni le score de confiance ni la Validation faciale ne sont utilisés pour une prise de décision automatisée. Chaque session signalée est soumise à un examen humain, et toute décision de donner suite à une préoccupation liée à l'intégrité implique toujours un évaluateur qualifié.
Lire et citer le rapport
Shaban, T., Rose, M., & Reed, F. (2026). Behavioral, model-agnostic integrity in online ability testing: Evidence from deterrence messaging, behavioral telemetry, and AI proctoring [Technical report]. Podium Systems Limited. https://doi.org/10.17605/OSF.IO/CKNRA