Comment l'IA modifie la génération de dossiers – et où elle échoue encore

Deux choses sont vraies en même temps dans le cycle de promotion de cette année. Dans une université, un membre du corps professoral télécharge un curriculum vitae dans un système d'activité du corps professoral et regarde un analyseur d'intelligence artificielle transformer vingt pages de rendez-vous, de bourses et de publications en enregistrements structurés en moins d'une minute. Dans une autre institution, un collègue reçoit des instructions écrites disant que ChatGPT ne peut pas être utilisé n'importe où dans un dossier de tenue, et que la même interdiction doit être partagée avec des réviseurs externes. Le logiciel et le règlement sont tous deux nouveaux.

Il contient les déclarations du candidat, les lettres externes, les preuves d’enseignement, le dossier de service. Pendant des décennies, il a été assemblé de manière lente: les entrées de CV tapées à la main sur n’importe quelle plate-forme que l’institution avait achetée, les récits rédigés seuls sur un bureau.

Le côté de l’écriture : parsing, drafting, polishing

Commencez par la partie la moins glamour, parce que c'est la partie qui fonctionne maintenant. La plate-forme de réussite de la faculté de Watermark a ajouté l'IA Parsing à la disponibilité générale en juillet 2026: un membre de la faculté télécharge un CV ou colle une liste de citations, et les cartes d'assistant entrent dans la structure des données de l'institution pour examen. Watermark dit que l'importation prend environ un dixième du temps d'entrée manuelle, que les enregistrements sont révisibles avant d'enregistrer, et que les données ne sont jamais utilisées pour former des modèles. Interfolio, maintenant partie d'Elsevier, a fait une version plus silencieuse de cela pendant plus longtemps grâce à ses modules de reporting et d'activité de la faculté, de promotion

Le côté de la rédaction est plus messier et plus personnel. Plutôt que d'attendre une plate-forme, de nombreuses facultés se tournent vers un modèle de langue majeure à usage général (LLM) tel que Claude ou ChatGPT. Un coach d'écriture de faculté à une grande université de recherche publique, l'appelant Dr. M, a téléchargé son CV de huit pages sur Claude et a demandé quelles étaient ses principales contributions à son domaine. Le modèle a retourné cinq, chacun exprimé plus généreusement que tout ce qu'il était disposé à écrire sur lui-même. Son compte publié décrit le blushing avec fierté, puis avec honte de ne pas l'avoir vu lui-même. C'est le véritable appel pour un académicien pré-tenue. La partie

Le taux de base: la plupart des professeurs expérimentent déjà. Dans l'enquête nationale de Ithaka S+R de 2 654 instructeurs, 72 pour cent ont déclaré qu'ils avaient utilisé l'IA générative pour au moins un but d'enseignement, bien qu'aucune utilisation unique n'ait été standardisée et que seulement 14 pour cent se sentaient confiants en utilisant les outils pour l'enseignement. L'utilisation de dossiers dédiés est moins fréquente. Parmi les chercheurs biomédicaux dans une enquête séparée de Ithaka, six sur dix ont essayé l'IA générative dans leur recherche, mais moins d'un sur dix l'a utilisé régulièrement.

La page de lecture : résumés sans consentement

Alors que les candidats apprennent à écrire avec les outils, les comités commencent tranquillement à lire avec eux. Dans une discussion de faculté cette année, un professeur a demandé aux collègues comment ils se sentiraient s'ils avaient dit à un système d'IA qu'ils avaient résumé leurs matériaux de promotion. Les réponses étaient impitoyables: les résumés "croyent les valeurs et les priorités", les candidats dont l'impact ne peut pas être réduit à des chiffres seraient "flattened", et l'option pourrait se sentir punitive parce que le refus pourrait inviter un examen supplémentaire.Mémorandum d'accord entre l'Université de Floride Centrale et la Faculté Unie de Florideindique que l’IA générative « ne doit pas être utilisée comme seul ou premier réviseur » des matériaux de promotion, qu’aucun résumé généré par l’IA ne peut être utilisé dans l’évaluation d’un membre d’une unité par un superviseur, et que les décisions de promotion nécessitent une « surveillance humaine directe et substantielle » par des responsables désignés.

C’est une ligne significative, car la résumation est la première chose que les administrateurs de fonctionnalités atteignent. Un dossier de 30 pages est coûteux à lire, et une machine peut le compresser en quelques secondes. Le problème est qu’un résumé est une interprétation: quel service de comité compte, quelles preuves d’enseignement comptent, quels chiffres sont laissés de côté. Ces choix portent des valeurs, et les professeurs qui l’ont pensé ne sont pas convaincus qu’un modèle devrait les faire.

Quels outils se trompent encore

Les outils sont les plus fiables sur la couche mécanique et les moins fiables exactement là où un dossier est jugé. L'hallucination est l'échec le mieux documenté. Les lignes directrices pour les professeurs de l'Université de la Floride centrale le mettent clairement en avant: les grands modèles linguistiques hallucinent encore fréquemment les sources, les DOI et les détails de publication, ce qui est une façon polie de dire qu'un modèle va inventer une citation qui semble réelle et n'est pas. Dans un fichier de promotion, un DOI fabriqué ou une date d'attribution erronée est lu comme négligence au mieux et malhonnêteté au pire.

Les critiques décrivent la lecture de lots de déclarations qui partagent la même cadence et les mêmes adjectifs de couverture, ce qui explique une prompt largement partagée.Quand chaque candidat demande à un modèle de « souligner les forces », les sorties convergent, et le comité est laissé pour essayer de distinguer les gens à travers une couche de polissage automatique qui élimine la durée exacte des idiosyncrasies est destiné à évaluer.

Ensuite, il y a des biais, et celui-ci a les données les plus claires.Étude à l’aveugle des lettres de recommandation, 32 médecins universitaires ont identifié si les lettres étaient écrites correctement par l'homme ou par l'IA 59,4 pour cent du temps, à peine au-dessus de la probabilité, avec un intervalle de confiance de 58,6 à 60,2 pour cent. La même étude a révélé que les lettres d'IA reposaient sur des mots associés à plus d'hommes, tandis que les lettres humaines utilisaient plus de mots associés à des femmes, et les lettres considérées comme humaines ont été évaluées plus haut en termes de qualité et de persuasion. Une étude séparée en chirurgie orthopédique a révélé que les critiques ont identifié correctement 40 pour cent des lettres humaines et 63 pour cent des lettres d'IA.

L’interdiction d’une institution est l’assistante d’une autre

Les politiques se divisent en camps, et la division est plus aiguë que la diffusion lente habituelle des règles du campus.Promotion et tenure des ateliersPour le cycle 2025-26, mettre la position restrictive dans une phrase : « Intelligence artificielle (IA) interdite (par exemple, ChatGPT) dans les dossiers », avec l’IA interdit d’évaluer ou de résumer les dossiers et de rédiger ou de générer des rapports, et l’interdiction partagée avec des réviseurs externes.

Le camp de permission ressemble à l'Université de la Nouvelle-Angleterre en Australie, dont laAssistante de promotion académique, construit pour ChatGPT-4.1, parcourt le personnel à travers la confirmation de la charge de travail, la collecte des preuves et la rédaction narrative pour l'enseignement, la recherche et le service, et est en usage quotidien.Le parsing de Watermarkest facultative à la fois au niveau institutionnel et individuel, révisable avant que quelque chose ne soit sauvegardé, et interdit de la formation sur les données des professeurs.

Une étude de 2026 des éditeurs de revues a révélé que les politiques de publication s'adaptent plus rapidement que les systèmes de tenure, un désalignement de gouvernance dans lequel les revues exigent la divulgation tandis que les comités de promotion n'ont toujours pas de norme partagée.

Ce que cela signifie pour votre fichier de révision

Il s’agit d’un argument pour traiter le dossier comme un document dont le public a des opinions à leur sujet.

Lisez le règlement avant de taper. les lignes directrices de promotion diffèrent maintenant sur ce point autant qu'ils l'ont jamais fait sur les comptes de page. Recherchez votre manuel de faculté pour 'intelligence artificielle', 'IA générative', ou 'ChatGPT.' Si la réponse est le silence, ne supposez pas la permission; demandez à votre chaise ou bureau des affaires de la faculté par écrit et gardez la réponse.

Les utilisations à faible risque ne touchent pas votre voix : analyser un CV dans un système d'activité, vérifier une déclaration contre les sections requises du manuel, organiser six années de service dans une chronologie.Le CVest la matière première que chaque analyseur lit, alors faites-le actuel et complet avant de laisser un outil sur elle.

Écrivez d'abord, prompt second. Dressez vous-même le récit, aussi mal que ce soit, puis utilisez un modèle pour trouver les traverses que vous avez sous-jouées.

Assumez toute citation, date, chiffre d'inscription ou montant de dollar que le modèle produit est incorrect jusqu'à ce que vous l'ayez confirmé contre vos propres dossiers:

• Citations et DOI contre les pages réelles du journal
• Dates, chiffres d'inscription et montants de récompenses contre vos propres fichiers
• Noms des prix et numéros de subvention contre les annonces d'origine
• Limites de page et sections requises par rapport au manuel actuel, pas la version auquel le modèle a été alimenté

Si vous êtes assis dans un comité, ne résumez pas le dossier d'un candidat avec l'IA à moins que l'institution ne vous l'ait dit et que le candidat ait vu et accepté le résultat.

Une étape suivante concrète: ouvrez les lignes directrices de promotion et de mandat de votre institution aujourd'hui et recherchez le mot "intelligence artificielle".Quelle que soit cette phrase, interdiction, divulgation ou silence, elle fixe les termes pour chaque autre choix dans cet article.

Photo by Woliul Hasan on Unsplash