CheatTrace

Plateforme de confiance numérique pour la détection de fraude académique basée sur l'IA générative

Analyse forensique des copies d'examen manuscrites : OCR, détection de texte généré par IA et repérage des coalitions de fraude entre étudiants.

Projet de Fin d'Année — Filière CCN, 2ᵉ année — ENSA El Jadida (Université Chouaïb Doukkali) — 2025/2026

🎯 Le problème

Les outils d'IA générative (ChatGPT, Gemini, Claude…) ont introduit de nouvelles formes de fraude, y compris dans les examens présentiels sur copie manuscrite :

photo de l'énoncé envoyée à une IA ou à un complice externe ;
réponses générées puis partagées dans un groupe WhatsApp ;
répartition des questions entre plusieurs étudiants ;
pré-mémorisation de réponses IA après une fuite de l'énoncé.

Les détecteurs existants (Turnitin, Copyleaks, Originality.ai…) travaillent sur du texte numérique, analysent les copies une par une et donnent un score peu explicable. Aucun ne traite les copies manuscrites ni ne détecte les coalitions entre étudiants.

💡 La solution

CheatTrace permet à un enseignant de déposer les copies scannées d'un examen et d'obtenir un rapport forensique explicable :

Mode d'analyse	Question posée	Résultat
Singulière	Cette copie a-t-elle été écrite par une IA ?	Score de suspicion, classification `HUMAIN` / `HYBRIDE` / `PROBABLEMENT_IA`, extraits suspects
Collaborative	Des copies se ressemblent-elles anormalement ?	Paires suspectes, clusters de fraude, graphe de collusion
Complète	Les deux à la fois	Verdict croisé du Juge Forensique pour chaque suspect

La plateforme reste un outil d'aide à la décision : elle fournit des preuves (scores, dimensions, extraits) mais la décision disciplinaire reste au jury.

📸 Aperçu

_{Tableau de bord enseignant}	_{Rapport forensique multi-couches}
_{Registre des investigations}

✨ Fonctionnalités

OCR manuscrit multimodal avec Google Gemini : transcription de la copie et extraction de l'identifiant étudiant en une seule requête, sortie JSON structurée, relance automatique (exponential backoff).
Détection d'IA sur 7 dimensions stylométriques notées par le LLM puis recalculées de façon déterministe en Python (le score du LLM n'est jamais utilisé tel quel).
Détection de collusion : similarité sémantique (SBERT), lexicale (TF-IDF), signatures d'erreurs communes et structure des paragraphes.
Clustering des coalitions par graphe (NetworkX) en trois passes : noyaux forts, expansion, fusion.
Mémoire inter-sessions (ChromaDB) pour repérer une copie qui ressemble à celle d'une promotion précédente.
Rapports « zéro hallucination » : Python calcule tous les chiffres, le LLM ne fait que la rédaction, puis Python réinjecte les données exactes.
Gestion des rôles Administrateur / Professeur, modules pédagogiques, historique des investigations, suivi du statut en temps réel.
Orchestration asynchrone via un workflow n8n qui aiguille chaque investigation vers la bonne branche d'analyse.

🏗️ Architecture

flowchart LR
    P([Enseignant]) -->|copies scannées| W[Flask<br/>web/]
    W <--> DB[(PostgreSQL)]
    W -->|webhook| N[n8n<br/>workflow_fraude.json]
    N --> O[OCR Gemini<br/>ocr_batch.py]
    O --> S{Type<br/>d'analyse}
    S -->|singulière| A1[Expert NLP<br/>step1_nlp.py]
    S -->|collaborative| A2[Analyste collusion<br/>step2_similarite.py]
    S -->|complète| A1 & A2
    A1 & A2 --> J[Juge Forensique<br/>step3_juge.py]
    J --> R[Rapport Markdown]
    R --> W

Le projet est organisé en trois pôles :

Pôle	Dossier	Rôle
Web	`web/`	Application Flask : authentification, modules, investigations, dashboards (Jinja2 + Tailwind)
Intelligence artificielle	`logic_crewai/`	Agents CrewAI, OCR, analyse NLP, similarité, juge et génération des rapports
Orchestration	`n8n/`	Workflow n8n qui enchaîne les scripts selon le type d'investigation

Workflow n8n

Étape	Nœud	Rôle
1	Webhook — Réception des scans	Reçoit en `POST` les copies et les métadonnées envoyées par Flask
2	Sauvegarde des images	Enregistre les copies dans le dossier de l'investigation
3	OCR — Extraction texte	Lance `ocr_batch.py` (Gemini)
4	Vérification OCR	Contrôle que le texte a bien été extrait
5	Switch Type Investigation	Choisit la branche selon le type d'analyse demandé
6a	Étape 1 (Singulière)	`step1_nlp.py` — détection d'IA copie par copie
6b	Étape 2 (Collaborative)	`step2_similarite.py` — détection de collusion
6c	Étape 1 → Étape 2 → Étape 3 : Juge	Analyse complète : NLP, similarité puis verdict croisé (`step3_juge.py`)
7	Parse résultat Final	Récupère le verdict et le rapport généré
8	Réponse au Webhook	Renvoie le résultat à Flask, qui met à jour l'investigation

🔬 Comment ça marche

1. Analyse singulière — détection d'IA

Le LLM note chaque copie de 0 (humain) à 10 (IA) sur sept dimensions, après un raisonnement guidé (Chain of Thought). Python recalcule ensuite le score avec les poids suivants et applique des pénalités logiques (ex. structure parfaite et fautes « trop humaines » = signe de camouflage) :

Dimension	Poids
Structure argumentative	18 %
Fluidité et cohérence	18 %
Imperfections humaines	17 %
Régularité stylistique	15 %
Adéquation sémantique	12 %
Richesse lexicale	10 %
Répétitions	10 %

Le score final est traduit en niveau de risque Faible / Modéré / Élevé, accompagné des extraits de texte qui le justifient.

2. Analyse collaborative — détection de collusion

Chaque paire de copies reçoit un score composite :

S = 0.35·SBERT + 0.25·TF-IDF + 0.25·Erreurs communes + 0.15·Structure + bonus signatures rares

SBERT (paraphrase-multilingual-mpnet-base-v2) détecte la paraphrase même avec des mots différents.
TF-IDF sur n-grammes de caractères, robuste aux erreurs d'OCR ; max_df = 0.6 écarte le vocabulaire propre au sujet.
Erreurs communes : séquences rares partagées par deux copies seulement — l'indice le plus discriminant.
Structure : corrélation de Pearson sur la longueur des paragraphes (plan commun).

Les paires suspectes forment un graphe ; les coalitions sont extraites en trois passes (noyaux ≥ 0.80, expansion ≥ 0.65 avec SBERT > 0.80, fusion des clusters proches).

3. Juge Forensique — verdict final

En mode complet, Python fusionne les suspects des deux analyses (union sans doublon), puis l'agent Juge rédige un verdict motivé pour chacun. Le rapport final contient l'en-tête et le verdict croisé, les fiches individuelles NLP, puis le rapport collaboratif (clusters, matrices).

🧰 Pile technologique

Composant	Technologie
Langage	Python 3.13
Backend web	Flask, Flask-Login, Flask-SQLAlchemy
Base de données	PostgreSQL
Interface	HTML, Jinja2, Tailwind CSS
Multi-agents	CrewAI
Modèle multimodal / LLM	Google Gemini (`gemini-3.1-flash-lite-preview`)
NLP	Sentence-Transformers (SBERT), scikit-learn (TF-IDF)
Graphes	NetworkX (Louvain)
Mémoire vectorielle	ChromaDB
Orchestration	n8n

🛠️ Installation

Prérequis

Python 3.11+ (développé avec 3.13)
PostgreSQL
n8n (local, port 5678 par défaut)
Une clé API Google Gemini (Google AI Studio)

1. Cloner et créer l'environnement

git clone https://github.com/h-4mza/CheatTrace.git
cd CheatTrace

python -m venv env
# Windows
.\env\Scripts\activate
# Linux / macOS
source env/bin/activate

pip install -r requirements.txt

2. Configurer `.env`

Créez un fichier .env à la racine :

GEMINI_API_KEY="votre_cle_gemini"
DATABASE_URL="postgresql://postgres:mot_de_passe@localhost:5432/forensique_db"
SECRET_KEY="une_cle_secrete_aleatoire"
# Optionnel (valeur par défaut ci-dessous)
N8N_WEBHOOK_URL="http://localhost:5678/webhook/upload-copies"

3. Préparer le stockage et n8n

Créez le dossier de stockage des copies : C:\Forensic_Storage (chemin défini dans web/app.py, à adapter hors Windows).
Dans n8n, importez n8n/workflow_fraude.json et activez-le. Le webhook attendu est /webhook/upload-copies.

4. Lancer

python run.py

Au premier lancement, les tables sont créées et un compte administrateur est ajouté. L'application est disponible sur http://localhost:5001.

Compte	Identifiants
Administrateur	`admin` / `admin123`
Professeur de démo	`prof_demo` / `prof123` (créé par `python setup_db.py` ou `python create_prof.py`)

⚠️ Changez ces mots de passe et la SECRET_KEY avant toute utilisation réelle.

🚀 Utilisation

Connectez-vous en tant que professeur.
Créez un module (matière).
Lancez une nouvelle investigation : titre, question d'examen, type d'analyse (singulière, collaborative ou complète), puis déposez les copies scannées (JPEG, PNG, WebP, BMP).
Suivez le statut sur le tableau de bord (En attente → En traitement → Terminé).
Consultez le rapport forensique : verdicts, scores par dimension, extraits suspects et clusters.

Les scripts du pipeline peuvent aussi être lancés seuls, par exemple :

python logic_crewai/ocr_batch.py --dossier chemin/vers/copies --sortie data/resultats_ocr.json --question "Énoncé de l'examen"

Pour tester l'appel Flask → n8n sans passer par l'interface :

python seed_test.py       # crée une investigation de test en base
python test_reel_n8n.py   # envoie des copies au webhook n8n

📁 Structure du dépôt

.
├── run.py                    # Point d'entrée : init de la base + serveur Flask
├── setup_db.py               # Création de la base et des comptes par défaut
├── requirements.txt
├── web/                      # Application Flask
│   ├── app.py                # Routes (auth, modules, investigations, admin, API)
│   ├── models.py             # Modèles SQLAlchemy
│   ├── pipeline_runner.py    # Envoi des copies au webhook n8n
│   └── templates/            # Vues Jinja2
├── logic_crewai/             # Moteur forensique
│   ├── ocr_batch.py          # OCR/HTR Gemini
│   ├── step1_nlp.py          # Analyse singulière (détection IA)
│   ├── step2_similarite.py   # Analyse collaborative (collusion)
│   ├── step3_juge.py         # Fusion et verdict final
│   ├── agents.py / tasks.py  # Définition des agents et tâches CrewAI
│   └── tools/                # Outils : OCR, détection IA, similarité, rapport
├── n8n/workflow_fraude.json  # Workflow à importer dans n8n
├── data/                     # Exemples de résultats JSON
├── dashboard/                # Exemples de rapports générés
└── docs/assets/              # Images du README

🧭 Limites et perspectives

Limites observées

Les réponses courtes donnent peu de signal stylométrique.
Une copie humaine très structurée peut ressembler à un texte IA ; les textes hybrides reformulés restent difficiles à trancher.
La qualité dépend de la lisibilité de l'écriture et du scan.
Certains sujets appellent naturellement des réponses proches, ce qui peut gonfler la similarité.

Perspectives

Modèles OCR/HTR plus performants.
Amélioration de la détection collaborative.
Modèles spécialisés sur le domaine académique.
Déploiement en environnement universitaire réel.

👥 Équipe

Réalisé par Hayat Bouchra, Alioua Malak Elferdouas et Bahalloul Hamza, sous l'encadrement du Pr. Abdelhak Aqqal.

École Nationale des Sciences Appliquées d'El Jadida — Département Télécommunications, Réseaux et Informatique — Filière Cybersécurité et Confiance Numérique (CCN).

Navigation Menu

Repository navigation

About

Repository files navigation

CheatTrace

Sommaire

🎯 Le problème

💡 La solution

📸 Aperçu

✨ Fonctionnalités

🏗️ Architecture

Workflow n8n

🔬 Comment ça marche

1. Analyse singulière — détection d'IA

2. Analyse collaborative — détection de collusion

3. Juge Forensique — verdict final

🧰 Pile technologique

🛠️ Installation

Prérequis

1. Cloner et créer l'environnement

2. Configurer `.env`

3. Préparer le stockage et n8n

4. Lancer

🚀 Utilisation

📁 Structure du dépôt

🧭 Limites et perspectives

👥 Équipe

About

Releases

Packages

Contributors

Languages

Name		Name	Last commit message	Last commit date
dashboard		dashboard
data		data
docs/assets		docs/assets
logic_crewai		logic_crewai
n8n		n8n
web		web
.gitignore		.gitignore
README.md		README.md
create_prof.py		create_prof.py
entree_detection_ia.json		entree_detection_ia.json
requirements.txt		requirements.txt
resultats_detection_ia_contextuelle.json		resultats_detection_ia_contextuelle.json
run.py		run.py
seed_test.py		seed_test.py
setup_db.py		setup_db.py
test_reel_n8n.py		test_reel_n8n.py
test_scan_n8n.jpg		test_scan_n8n.jpg
tester_investigation_globale.py		tester_investigation_globale.py

Latest commit

History

Folders and files

Repository files navigation

CheatTrace

Sommaire

🎯 Le problème

💡 La solution

📸 Aperçu

✨ Fonctionnalités

🏗️ Architecture

Workflow n8n

🔬 Comment ça marche

1. Analyse singulière — détection d'IA

2. Analyse collaborative — détection de collusion

3. Juge Forensique — verdict final

🧰 Pile technologique

🛠️ Installation

Prérequis

1. Cloner et créer l'environnement

2. Configurer .env

3. Préparer le stockage et n8n

4. Lancer

🚀 Utilisation

📁 Structure du dépôt

🧭 Limites et perspectives

👥 Équipe

About

Resources

Stars

Watchers

Forks

Releases

Packages

Contributors

Languages

2. Configurer `.env`