Les clauses du « Règlement sur les infractions de nature académique de l’ÉTS » s’appliquent dans ce cours ainsi que dans tous les cours du département. Les étudiantes et les étudiants doivent consulter le Règlement sur les infractions de nature académique (www.etsmtl.ca/a-propos/gouvernance/secretariat-general/cadre-reglementaire/reglement-sur-les-infractions-de-nature-academique) pour identifier les actes considérés comme étant des infractions de nature académique ainsi que prendre connaissance des sanctions prévues à cet effet. À l’ÉTS, le respect de la propriété intellectuelle est une valeur essentielle et tous les membres de la communauté étudiante sont invités à consulter la page Citer, pas plagier ! (www.etsmtl.ca/Etudiants-actuels/Baccalaureat/Citer-pas-plagier).
Systèmes d’intelligence artificielle générative (SIAG)
L’utilisation des systèmes d’intelligence artificielle générative (SIAG) dans les activités d’évaluation constitue une infraction de nature académique au sens du Règlement sur les infractions de nature académique, sauf si elle est explicitement autorisée par la personne enseignante du cours ou la personne coordonnatrice dans le cas des stages.
Dispositions additionnelles
Politique d’utilisation de l’intelligence artificielle (IA) dans les laboratoires
L’utilisation d’outils d’IA générative est permise de manière encadrée dans le cadre des laboratoires. Elle doit être judicieuse, transparente et contribuer à l’apprentissage de l’étudiant(e), sans se substituer à son raisonnement, à son travail d’analyse ou à sa capacité à concevoir et à mettre en œuvre des solutions d’apprentissage automatique.
Les outils d’IA peuvent notamment être utilisés pour :
- obtenir des explications ou des clarifications sur une notion abordée dans le cours;
- explorer différentes approches ou méthodes;
- obtenir de l’aide pour comprendre un message d’erreur ou déboguer un programme;
- améliorer ou corriger la syntaxe d’un code que l’étudiant(e) a lui-même développé;
- suggérer des pistes pour résoudre un problème, lorsque celles-ci sont ensuite analysées et validées par l’étudiant(e);
- améliorer la formulation ou la documentation d’un travail.
Il est interdit de demander à un outil d’IA de réaliser un laboratoire de bout en bout, notamment de lui fournir l’énoncé complet du laboratoire afin qu’il produise directement la solution, le code, l’analyse et les conclusions qui seront remis pour évaluation. L’étudiant(e) doit demeurer l’auteur(e) de la démarche de résolution, de la conception des modèles, de l’expérimentation et de l’interprétation des résultats.
Toute utilisation substantielle d’un outil d’IA doit être déclarée de façon transparente dans le laboratoire. Pour chaque outil utilisé, l’étudiant(e) doit indiquer :
- le nom de l’outil d’IA utilisé et, lorsque pertinent, sa version;
- la nature de son utilisation et la contribution de l’outil au travail réalisé;
- les prompts ou requêtes utilisés, lorsque ceux-ci ont contribué de manière significative à la réalisation du laboratoire;
- les modifications, vérifications ou validations effectuées par l’étudiant(e) à la suite des réponses obtenues de l’IA.
Une courte section intitulée « Déclaration d’utilisation de l’IA » devra être incluse dans les laboratoires lorsque des outils d’IA ont été utilisés. L’étudiant(e) demeure entièrement responsable de l’exactitude, de la qualité et de la compréhension du contenu remis, y compris du code produit ou modifié avec l’aide d’un outil d’IA.
L’utilisation non déclarée d’un outil d’IA, la présentation comme étant entièrement personnel d’un travail substantiellement produit par une IA, ou l’utilisation de l’IA pour réaliser un laboratoire de bout en bout pourra être considérée comme une infraction aux règles d’intégrité académique, conformément aux politiques institutionnelles applicables.
L’objectif de cette politique n’est pas d’interdire l’utilisation des outils d’IA, mais de favoriser leur utilisation comme outils d’assistance à l’apprentissage, tout en développant chez l’étudiant(e) les compétences essentielles en analyse, programmation, expérimentation, résolution de problèmes et conception de systèmes d’apprentissage automatique.