Au Mexique, l’IA ébranle un concours d’entrée universitaire

Le concours d’entrée de la principale université publique mexicaine se transforme en test grandeur nature pour l’enseignement supérieur numérique : des milliers de candidats devront repasser l’épreuve après des résultats jugés anormalement élevés. Au-delà du soupçon de fraude, l’affaire met en lumière une question centrale pour les établissements : comment garantir l’équité d’un examen à distance à l’heure des outils d’IA générative ?

Un examen en ligne devenu source de soupçons

L’Université nationale autonome du Mexique a décidé de revoir en profondeur son processus d’admission après avoir relevé des performances inhabituelles lors des sessions organisées en mai et en juin. Pour la première fois, l’examen d’entrée avait été entièrement administré en ligne, sous la surveillance d’un dispositif censé détecter les comportements suspects. C’est précisément ce système de contrôle qui semble avoir été pris en défaut.

Selon les chiffres rendus publics par l’institution, 16,3 % des candidats ont obtenu 100 points ou davantage en 2026, contre une moyenne de 3,5 % sur la période 2021-2025. Cet écart, proche d’un facteur cinq, a déclenché l’alerte interne et conduit l’université à envisager un nouveau passage de l’épreuve pour une partie, voire la totalité, des 158 000 postulants concernés.

Les autorités universitaires n’ont pas affirmé qu’une fraude généralisée était établie. Elles parlent plutôt d’irrégularités et examinent plusieurs scénarios, dont le maintien des notes, la révision de certains dossiers ou la répétition du concours. Dans l’immédiat, l’établissement a suspendu les inscriptions afin de vérifier les cas les plus sensibles et d’évaluer l’ampleur réelle des anomalies.

Une crise de confiance dans l’évaluation numérique

Le dossier dépasse la seule question disciplinaire. Il révèle la difficulté croissante des universités à adapter leurs procédures d’admission à des outils qui peuvent servir autant à apprendre qu’à contourner les règles. Quand un examen devient à distance, la frontière entre assistance licite, automatisation et fraude se brouille plus facilement, surtout dans un contexte où les modèles d’IA peuvent produire des réponses rapides et cohérentes à des questionnaires fermés.

La nature même de l’épreuve a joué un rôle. Il s’agissait d’un QCM de 120 questions, différent selon les filières, un format particulièrement vulnérable aux stratégies de résolution assistée par machine. Dans ce cadre, l’IA ne remplace pas seulement l’effort de mémorisation : elle peut aussi faciliter la recherche de réponses, la comparaison de versions, ou même la coordination de pratiques de triche plus discrètes.

Cette affaire éclaire aussi une contradiction institutionnelle. L’université a utilisé l’intelligence artificielle pour repérer d’éventuelles irrégularités, mais les candidats auraient, selon les soupçons, mobilisé les mêmes technologies pour améliorer leurs scores. Autrement dit, l’outil conçu pour renforcer le contrôle pourrait avoir mis en évidence ses propres limites.

Conséquences pour les étudiants et pour l’université

Pour les candidats admis, l’incertitude est immédiate. Un nouveau test ou une révision de résultats peut modifier brutalement les trajectoires individuelles, en particulier dans les filières les plus demandées. Les familles demandent que les délais et les règles initialement annoncés soient respectés, tandis que des étudiants ont manifesté pour défendre la validité du processus.

Pour l’université, l’enjeu est institutionnel. La réputation de l’UNAM repose sur sa place centrale dans le système mexicain et, plus largement, latino-américain. Une procédure d’admission contestée fragilise non seulement la confiance dans l’établissement, mais aussi celle dans l’idée même que les concours publics peuvent rester équitables lorsqu’ils sont numérisés sans garde-fous suffisants.

Sur le plan académique, l’épisode pourrait accélérer la mise en place de règles plus précises sur l’usage de l’IA dans l’enseignement supérieur. Plusieurs sources évoquent déjà des sanctions possibles en cas de fraude, mais aussi l’absence de cadre uniforme dans les universités mexicaines. Cette zone grise nourrit les contentieux, tout en laissant aux institutions une marge d’interprétation importante.

Un précédent pour l’Amérique latine

Le cas mexicain a une portée plus large que le seul campus de Mexico. Dans une région où l’accès à l’université reste un marqueur de mobilité sociale, toute suspicion de triche massive touche un sujet sensible : la légitimité de la sélection. Si les concours en ligne se banalisent, les établissements devront investir davantage dans la supervision, la conception des épreuves et la détection des manipulations.

À moyen terme, l’affaire pourrait aussi pousser les universités à repenser leurs méthodes d’évaluation. Les examens purement automatisés, notamment les QCM, risquent de perdre en crédibilité si les dispositifs anti-fraude ne suivent pas. Les institutions pourraient alors privilégier des formats plus complexes, des contrôles hybrides ou des entretiens complémentaires, au prix d’une organisation plus lourde et plus coûteuse.

Le débat dépasse enfin la seule discipline académique : il interroge la confiance accordée aux systèmes numériques dans des domaines où une erreur de procédure peut décider d’une carrière. Dans cette affaire, la question n’est pas seulement de savoir si certains candidats ont triché, mais si les universités ont déjà les moyens de vérifier, de prouver et de sanctionner la fraude à l’ère de l’IA.