ARCHÉOLOGIE DU "COPIER-COLLER"

NOUVELLE VERSION DU BLOG :

2010-05-07T01:27:00.001-07:00

J.-N. D.

* COMITÉS DE SÉLECTION, PLAGIAT ET LES MYSTÈRES DE PARIS 8

2010-05-03T15:04:00.000-07:00

NOUVELLE VERSION DU BLOG
http://archeologie-copier-coller.com/
* La lecture d'un précédent article, "Les pieds dans le plagiat", éclairera ceux qui s'interrogent sur le sens et la forme de notre démarche.
* Ce blog a été commenté, notamment par Michelle Bergadaà (Université de Genève, cf. http://responsable.unige.ch), Hélène Maurel-Indart (Université de Tours, cf. http://www.leplagiat.net/) ou Sylvain Piron (EHESS, cf. http://evaluation.hypotheses.org/940).
* Interview paru le 18 mai 2010 dans le journal Libération : L'ampleur du plagiat, c'est ça la nouveauté.
Lire dans LeMonde.fr du 21 mai : Plagiat : la copie pointée à l'université.
et sur Swissinfo.ch, le 1er juin, En Suisse comme en France, le plagiat ronge l’Université.

Textes mis en ligne le 4 mai 2010. Dernières modifications le 17 mai.
* Résumé des études précédentes et de ces 3 articles mis en ligne le 4 mai 2010:
Après avoir tenté en vain d'attirer l'attention de collègues sur des cas de mémoires-plagiat (DEA et Master), et après avoir constaté la contamination plagiaire vers les thèses, nous avons décidé d'ouvrir ce blog en décembre 2009.
Outre l'existence de plusieurs thèses-plagiat (Retour au réel et Les pieds dans le plagiat), nous avons mis en évidence (Serials plagiaires [1]) que la délivrance du titre de Docteur avait été dans un cas accordé à un plagiaire alors que le directeur de recherche avait lui même co-signé deux articles avec des plagiats (Autopsie d'une thèse-plagiat, suite), plagiés par son doctorant plagiaire.

Le diplôme du "docteur" a donc été annulé par les instances de Paris 8, en même temps que les mêmes instances validaient la nomination de son directeur de recherche comme président d'un comité de sélection chargé du recrutement de nouveaux maîtres de conférences (Comités de sélection, plagiat et les mystères de Paris 8).

Parti d'une thèse de Paris 8, d'un plagiat l'autre, nous sommes conduit à une nouvelle thèse-plagiat soutenue cette fois à Nancy 2 (Nancy 2 : un cas de thèse-plagiat). Et voici que le directeur de recherche de cette thèse lorraine, membre du CNU, est invité à siéger à l'Université Paris 8 dans le comité de sélection présidé par le directeur de recherche de la thèse-plagiat dionysienne.

Ainsi va la ronde obstinée des plagiats.

* *

Note préalable :
Dans un commentaire, un collègue de Paris 8 se dit "mal à l'aise" vis-à-vis d'un aspect de ce blog : la publication de noms. Nous avons répondu (commentaire 6 de Serials Plagiaires [1]) et y reviendrons ultérieurement plus complètement.
Une précision cependant : "thèse soutenue publiquement" est la mention d'usage sur la couverture des thèses, où sont à la fois mentionnés les noms de l'auteur et des membres du jury de soutenance. Il est de la nature d'une thèse d'être à la fois publique, commentée et critiquée. La déontologie universitaire impose de mentionner les auteurs des textes étudiés et cités. La démarche scientifique veut que quand on parle d'un texte on s'intéresse aussi à son contexte de production.

* * *

Cet article, publié le 4 mai 2010, est au centre d'un tryptique. Il est lié à deux volets mis simultanément en ligne : le volet droit, "NANCY 2 : UN CAS DE THÈSE-PLAGIAT" et le volet gauche, "AUTOPSIE D'UNE THÈSE-PLAGIAT, SUITE".

La campagne de recrutement 2010, actuellement en cours, des enseignants-chercheurs dans les universités (postes de maîtres de conférences et professeurs) est l'occasion d'aborder un des facteurs importants de la tolérance dont font preuve en France des universitaires vis-à-vis du plagiat : le plagiat par contamination, problème déjà évoqué par Philippe Quéau dans son commentaire à l'article "Les pieds dans le plagiat".

LA TOLÉRANCE AU PLAGIAT
Nous l'avons déjà souligné, aucun enseignant, nous en premier, ne peut se targuer de n'avoir jamais été abusé par des plagiats dans des travaux universitaires qu'il a eu à évaluer. Il convient donc d'être prudent chaque fois qu'il est question d'enseignants tolérants au plagiat (nous traiterons un jour du cas d'un mémoire de master -2004- dont nous avons été un des deux co-directeurs; de la découverte a posteriori et une fois le diplôme délivré de ses aspects "plagiat" et de nos efforts, jusqu'ici vains, pour faire annuler le diplôme).

Nous poserons que les universitaires "tolérants au plagiat" sont d'abord les enseignants qui sont eux-mêmes des plagiaires, ceux qui valident, par intérêt, complaisance ou simple paresse, des travaux qu'ils savent plagiés; ceux aussi qui dirigent des travaux si grossièrement plagiés qu'ils ont du faire un effort pour ne pas s'en rendre compte.
Les enseignants tolérants au plagiat sont aussi tous ceux qui le sont de manière passive : ceux qui excluent par principe d'entreprendre, dans le cas de mémoires et thèses qui s'avèrent à posteriori des travaux-plagiat, une action d'annulation de diplômes. Ceci, même si ces mémoires et thèses ont été soutenus dans le cadre de master , laboratoires et écoles doctorales qu'ils dirigent, ou auxquels ils participent et où ils enseignent.

Faut-il encore distinguer, vis-à-vis du plagiat, entre le "silence complice" et le "silence contraint". Si on prend l'exemple du Laboratoire Paragraphe, on peut comprendre, sinon justifier, qu'un directeur de thèse sérieux ait pu se taire face à l'attitude d'autres collègues du même laboratoire vis-à-vis du plagiat. En effet, faire connaître cette attitude est immanquablement sources de dégâts collatéraux dont des doctorants, pourtant auteurs de thèses sérieuses, seront les victimes.
Ainsi, l'attitude de quelques enseignants aura malheureusement des conséquences néfastes sur le regard porté par le milieu universitaire sur les auteurs de toutes les thèses issues du Laboratoire Paragraphe.
Cette distinction entre silence complice et silence contraint vaut à l'échelle des laboratoires mais aussi à celle des écoles doctorales, et également à l'échelle des UFR et des directions des universités.
Le silence contraint est aussi celui de collègues très sincèrement indignés par le plagiat, mais qui se rendent compte que l'avenir de leur propre carrière universitaire peut dépendre, et parfois dépend totalement, de collègues tolérants au plagiat.

Le silence contraint est un effet très pervers de la situation créée par la tolérance au plagiat. D'autant que ce type de silence se transforme souvent au fil du temps en silence complice.

Par opposition, les universitaires intolérants au plagiat sont ceux qui ne plagient pas eux-mêmes; qui, informés d'un plagiat d'un de leurs propres étudiants ou de celui d'un étudiant agissant dans le cadre d'un diplôme où ils interviennent, ont gardé la capacité de s'en indigner, d'agir afin que le plagiaire ne puisse bénéficier de sa fraude au détriment de ceux qui rédigent leur travaux sans plagier.

Il est difficile d'être à la fois tolérant et intolérant au plagiat. Un précédent article mis en ligne sur ce blog, "Les pieds dans le plagiat", a montré que les enseignants titulaires du département Hypermédia de l'Université Paris 8 étaient, dans leur majorité, tolérants au plagiat; certains très activement, d'autres, les plus nombreux, par leur seul silence, complice ou contraint.

LES COMITÉS DE SÉLECTION ET LA TOLÉRANCE AU PLAGIAT
Que se passe-t-il quand des enseignants tolérants au plagiat siègent dans des comités de sélection ?
L'universitaire plagiaire sera conduit à favoriser le recrutement d'un nouvel enseignant au minimum "tolérant au plagiat", il en va de sa propre protection. Ce raisonnement vaut aussi pour les enseignants "tolérants au plagiat", même passivement.
La cooptation qui régit la constitution des "collèges de spécialistes" et "des comités de sélection" facilite le regroupement dans certains comités, à l'initiative des plus "tolérants", de noyaux quasi-structurés d'enseignants "tolérants au plagiat".

Pour palier les cuisines trop indigestes, la loi a prévu qu'une fois le comité de sélection formé et après qu'il ait proposé un président, sa composition doit être ratifiée par le Président de l'université, le Conseil scientifique et en dernière instance par le Conseil d'administration de l'université où le comité de sélection doit siéger.
Si l'on considère que certains des enseignants "tolérants au plagiat" siègent aussi dans ces instances, cette mesure se révèle-t-elle suffisante pour garantir la qualité et l'intégrité des comités de sélection ?

LES MYSTÈRES DE PARIS 8

Le mystère à résoudre est celui-ci : comment un universitaire, alors qu'il est connu et prouvé qu'il a dirigé et validé une thèse-plagiat, par ailleurs annulée par le Conseil scientifique, peut-il se retrouver présider, avec le plein accord du même Conseil scientifique et du Conseil d'administration de Paris 8, un comité de sélection destiné à étudier les dossiers des candidats dans le cadre du recrutement 2010 des Professeurs et Maître de conférences ?

Nous mettrons en regard deux calendriers. Le premier est celui de la connaissance par les instances de l'Université Paris 8 de l'existence de thèses-plagiat et donc par voie de conséquence la connaissance des directeurs de recherche et des membres des jury associés à ces thèses. Le second calendrier est celui des dernières décisions des différentes instances de Paris 8 concernant la nomination finale des membres et des présidents des comités de sélection chargés du recrutement 2010 des maîtres de conférences et professeurs à Paris 8.

Le calendrier plagiat :
Informé par courrier et par mail, le 18 janvier 2010 de l'existence, sans plus de détails, de thèses-plagiat soutenues à Paris 8 et d'une demande de rendez-vous à ce propos, le Président de l'Université a fait suivre ces courriers à la Vice-présidente du Conseil scientifique.
Quelques jours plus tard, surpris de l'absence de réponse, nous informons de ces cas deux collègues mieux placés que nous pour rentrer en contact avec la Vice-présidente et la convaincre que le problème était sérieux.
Finalement cette dernière a pris contact avec nous le dimanche 31 janvier. Elle disposera le même jour d'un de nos documents de travail, un fichier où sont détaillés les plagiats repérés de la thèse de Majed Sanan, dirigée par Kaldoun Zreik.
Ce document mettait en évidence les plagiats repérés de cette thèse, avec tous les moyens (adresses internet) d'en consulter les sources pour vérification. À cette date, déjà plus de 65% de la thèse étaient documentés comme plagiat (de nouveaux plagiats documentés depuis permettent d'évaluer aujourd'hui ce taux à plus de 90%).
La Vice-présidente convoque en urgence les responsables des écoles doctorales et des représentants du Conseil scientifique et du Conseil d'administration à une réunion le 4 février. Il y est procédé à la rédaction d'un communiqué sur le plagiat qui sera publié le 10 février dans le journal de l'Université et sur ce blog.

Le 11 février, parmi les points à l'ordre du jour d'une réunion du Conseil scientifique figure la création d'une Commission de déontologie chargée de traiter ces problèmes de plagiat. Le même conseil traitera aussi le sujet des comités de sélection en cours de désignation.
Concernant le premier point, on lira dans le compte rendu des délibérations de ce conseil (c'est nous qui soulignons en gras) :

QUESTION DES PLAGIATS.
Saisi à propos de cas de plagiats et de copié-collé dans des Masters et dans des thèses de doctorat au sein de l’université, le Conseil scientifique entend prendre des mesures rapides et rigoureuses, il rappelle qu’il est de la responsabilité des directeurs et co-directeurs de thèse d’assurer la vérification de l’originalité des textes produits. Il est également possible d’envisager des sanctions (conseil de discipline, suspension de la fonction de directeur de thèse...).
Le CS met en place une Commission de déontologie, et propose la composition suivante :
les trois Vice Président(e)s les directeurs des Écoles doctorales. deux membres du bureau du CS.
(...)
Avis favorable à l’unanimité

On remarquera que l'évocation et la menace d'une éventuelle "suspension de la fonction de directeur de thèse" ne peut dans ce contexte précis que viser Kaldoun Zreik, directeur de la thèse-plagiat de Majed Sanan dont les membres du Conseil scientifique de Paris 8 connaissent alors, à cette date, déjà parfaitement la vraie nature.
Point confirmé lors d'une réunion que nous avons eu le 2 mars 2010 avec les responsables de la nouvelle Commission de déontologie créée le 11 février, les Vice-présidents des trois conseils centraux (Conseil scientifique, Conseil d'administration et CEVU).
À cette occasion, la Vice-présidente du CS, pour illustrer la volonté du conseil de déontologie de "prendre des mesures rapides et rigoureuses", a donné lecture des conclusions du rapporteur de la commission chargé d'étudier la thèse de Majed Sanan. Le rapporteur insistait sur son indignation et prônait non seulement l'annulation du diplôme dans les meilleurs délais mais aussi la transmission du dossier au CNU, et proposait la déqualification du directeur de recherche, Kaldoun Zreik, à diriger de nouvelles thèses; un avis d'ailleurs en phase avec la décision déjà envisagée dans le communiqué du 11 février (voir ci-dessus).

Le calendrier de la désignation des comités de sélection :
La même réunion du Conseil scientifique du 11 février est aussi l'occasion de traiter d'un problème lié au Comité de sélection du département Cinéma de Paris 8. Le relevé des délibérations à ce propos est intéressant en ce qu'il expose en pleine lumière le pouvoir discrétionnaire du Conseil scientifique en matière de désignation des membres des comités de sélection chargés du recrutement 2010 :

COMITE DE SELECTION DU DEPARTEMENT DE CINEMA
Soucieux de l'avenir de la recherche en cinéma, le Conseil scientifique demande instamment que les deux collègues (professeurs des universités) recrutés dans le département Cinéma en 2009 soient membres du Comité de sélection et se réserve la possibilité d'intervenir sur la composition nominative dudit Comité.
Il charge la Vice-présidente du CS de communiquer aux collègues concernés les principes souhaités par le CS quant au périmètre et à la composition du Comité de sélection.
Si ces principes n'étaient pas respectés, il demande que la Présidence et le Conseil d'administration soutiennent et relayent ces demandes qui lui paraissent à même de sauvegarder l'avenir de la recherche en cinéma à Paris8.
Avis favorable à l’unanimité

Cet extrait des délibérations atteste sans la moindre ambiguïté qu'aucune nomination dans les comités de sélection ne se fait sans l'aval conjugué du CS, du CA et de la Présidence.
Le calendrier lié à la désignation des comités de sélection, et annoncé par l'université, était le suivant :

- 19 février au plus tard transmission au président de la liste des comités et des présidents

- 25 février : réunion du CS restreint avis sur les propositions du président relatives à la désignation des membres des comités de sélection.

- 26 février réunion du CA restreint : vote sur les propositions du président relatives à la désignation des membres et des présidents des comités de sélection.

Signalons aussi un Conseil d'adminisration le 5 mars avec "le dispositif anti-plagiat" à l'ordre du jour et un autre CA, le 19 mars, qui se penche sur un "Projet de procès-verbal de constatation de fraude aux examens".

On comprend donc d'autant plus mal que déjà informé, au moins depuis le 11 février, de la nature de la thèse de Majed Sanan, les membres du Conseil d'administration informés comme ils l'étaient "et soucieux de l'avenir...", ait choisi Khaldoun Zreik pour présider le comité de sélection de la 71e section du CNU chargé du recrutement d'un Maître de conférence (poste n° 748).

La nomination de Khaldoun Zreik comme Président de ce comité de sélection n'est pas la seule surprise que réserve la consultation de la liste des membres de ces commissions pour l'Université Paris 8 : Khaldoun Zreik a aussi été nommé à une autre commission de la 71e section, pour le recrutement d'un Maître de conférences sur le poste "0188".

Que cette nomination ait été faite, sous le contrôle et avec le plein accord du Conseil scientifique et du Conseil d'administration dont les 2 Vice-présidentes sont aussi responsables de la Commission de déontologie créée le 11 février pour lutter contre le plagiat, laisse sceptique sur la volonté d'agir ou l'efficacité de cette Commission dite de "déontologie".

COMITÉS DE SÉLECTION (71e SECTION) : L'INVITÉ

Notre travail sur le plagiat dans les travaux universitaires est parti de l'analyse de travaux produits au sein du département Hypermédia de l'Université Paris 8, et notamment des thèses rédigées au sein du Laboratoire Paragraphe, laboratoire de recherche né de ce département.
Nous avons déjà eu l'occasion d'écrire que nous évaluons à la moitié la part des thèses soutenues du Laboratoire Paragraphe ces dernières années et qui n'auraient pas du l'être, à s'en tenir au seul critère de la présence de plagiats dans ces thèses.

Voici comment une de ces thèses du Laboratoire Paragraphe, soutenue en 2004, conduit, après un détour par Nancy, aux comités de sélection 2010 de la 71e section de Paris 8 :
La thèse "Recherche collaborative d'informations : repenser l'architecture des SRIs àl'ère numérique", dirigée par Imad Saleh, a été soutenue à Paris 8 en 2004. Elle fait partie de ces thèses du Laboratoire Paragraphe où la part du plagiat (en l'espèce des copier-coller et des paraphrases serviles), très loin d'atteindre les taux records que l'on connaîtra plus tard, aurait du cependant, en l'état, conduire à suspendre la soutenance.
Le plus curieux de cette thèse est que, via ses propres plagiats, elle nous a directement conduit à une autre thèse-plagiat soutenue fin 2007 à l'Université Nancy 2.
Une nouvelle fois, signe indiscutable de l'ampleur des plagiats dans les travaux universitaires, nous avons rencontré la figure du plagiat de plagiat.

Dans cette thèse-plagiat de Nancy 2, "Proposition d'une méthodologie d'indexation d'images d'œuvres architecturales, à partir des besoins des décideurs : Propriétaire, Architectes, Constructeurs et Administrateurs", "rédigée" par Marie-France Ango Obiang, l'assemblage de plagiats n'est pas très difficile à repérer pour un lecteur un tant soi peu attentif.
Cette thèse de Nancy 2, tissu de "copier-coller", accorde la meilleure place aux copier-coller tirés de la thèse dirigée à Paris 8, par Imad Saleh et soutenue en 2004. Un des deux articles qui accompagnent celui-ci, "NANCY 2 : UN CAS DE THÈSE-PLAGIAT" en offre une analyse.

Au jury de soutenance de cette thèse-plagiat lorraine (mention honorable), outre A. David, le directeur de thèse, participaient M. Hassoun, rapporteur, P. Sanson, rapporteur, et L.-P. Laprévote, examinateur.
Les lecteurs de ce blog auront noté que M. Hassoun sera moins d'un an plus tard, en octobre 2008, le rapporteur de la thèse-plagiat de Majed Sanan (mention très honorable), dirigée par Khaldoun Zreik et soutenue à Paris 8 avec Imad Saleh dans le jury.

La prédilection de Marie-France Ango Obiang pour plagier une thèse de Paris 8 (elle même avec des plagiats) afin de "rédiger" sa thèse, puis le choix à Nancy 2 comme à Paris 8 de M. Hassoun comme rapporteur de thèses-plagiat n'épuisent pas les coïncidences fortuites.

En effet, Amos David, directeur de recherche de la thèse de Nancy-2, a été invité le 26 mars 2010 à se joindre comme rapporteur au jury de soutenance d'une thèse dirigée par Imad Saleh (École doctorale Cognition, langage et interaction dont I. Saleh est Directeur-adjoint).
Amos David a aussi été coopté comme premier membre externe des trois comités de sélection en 2010 de la 71e section de Paris 8 chargés du recrutement, notamment celui présidé par Khaldoun Zreik.
Son statut de membre du Comité National des Universités de la 71e section (dans ce cas, membre nommé par le Ministère des universités et de la recherche) vaut d'ailleurs à A. David d'occuper une place éminente dans ces comités et de figurer en tête des membres externes sur les listes des trois comités de sélection de la 71e section.

Sur la base des seules observations déjà faites, cette question se pose : Khaldoun Zreik (1) comme président, et Amos David comme membre extérieur, l'un et l'autre directeurs de thèses essentiellement composées de plagiats sont-ils vraiment les mieux désignés pour diriger l'examen des dossiers, lire, apprécier et évaluer les travaux des candidats aux nouveaux postes de maîtres de conférences et professeurs ?

Pourtant, on peut être certain que l'avis de Khaldoun Zreik sera déterminant pour le choix du candidat. Il suffit pour s'en convaincre de lire certains éléments du profil du poste de Maître de conférences (N° 748) mis au concours devant le comité de sélection présidé par K. Zreik, et avec A. David membre du CNU de la 71e section.

2) Recherche :
Laboratoire(s) d'accueil : Paragraphe (EA 349)
Nom du directeur du laboratoire Paragraphe : Imad Saleh
La personne recrutée effectuera ses recherches dans l’axe CITU/Paragraphe, responsable de l’équipe : Khaldoun Zreik
Le candidat rejoindra le laboratoire Paragraphe et participera à la recherche en sciences de l’information et de la communication, dans les champs de l’hypermédia (...)

AUTRES QUESTIONS :

Vues les conditions de constitution de ces comités de sélection, les candidats écartés ne seront-ils pas fondés à contester le résultat des délibérations qui leur auront été défavorables et à demander une nouvelle étude de leur dossier par des comités de sélection plus raisonnablement constitués ?

Ces candidats refusés pourront-ils contester ces résultats devant le CNU de la 71e section, avec toutes les garanties d'un traitement équitable, alors que parmi ceux dont la compétence à siéger dans ces comités de sélection serait susceptible d'être mise en cause, figure un des représentants du Ministère des universités et de la recherche à ce même CNU de la 71e section ?

Surtout, par quel mystère le Conseil scientifique et le Conseil d'administration de Paris 8 ont-ils pu choisir Khaldoun Zreik pour présider un des 3 comités de sélection de la 71e section (et aussi le désigner pour participer à un deuxième comité) ?
Ceci, au moment même où ces mêmes conseils prenaient la décision, exceptionnelle et courageuse, d'annuler le diplôme associée à la thèse-plagiat qu'il avait dirigée; et alors que ces conseils et la Commission déontologie avaient envisagé de demander "la suspension de sa fonction de directeur de thèse".

Pour que les choses soient parfaites, d'autres collègues en rapport avec des thèses-plagiat participent à ces comités de sélection. En effet, le Conseil scientifique et le Conseil d'administration connaissaient naturellement depuis le 11 février les autres enseignants de Paris 8 qui avaient participé de manière si déplorable aux jurys de soutenance de deux thèses-plagiat. Leur rigueur et compétence à lire et juger les travaux universitaires, si bien démontrées à l'occasion de ces deux soutenances, leur permettra d'intégrer les commissions de sélection chargées du recrutement 2010.

- Imad Saleh, membre du jury aveugle de la thèse de Majed Sanan, participe à deux comités de sélection de la 71 e section (poste de Professeur n° 965 et une commission avec K. Zreik, pour le poste de Maître de conférence 0188).

- Gilles Bernard, membre du Conseil d'administration de Paris 8, ancien Vice-président, et président du jury de la thèse-plagiat de Sang Ha Suh (avec les félicitations du jury) a sa place dans le comité de sélection de la 27e section (informatique) pour le recrutement sur un poste de professeur (n° 900).

Ce n'est pas tout, Guy Chapouillé qui était venu de l'Université de Toulouse pour offrir les félicitations à Sang Ha Suh pour sa thèse-plagiat est à nouveau invité à Paris 8 pour siéger à la commission de sélection de la 18e section (Arts et technologie de l'image virtuelle, poste n° 640).

Comment en est-on arrivé là ?
Nous ne pouvons imaginer qu'aucun des membres de la Commission de déontologie, ou du Conseil scientifique, ou encore du Conseil d'administration n'ait soulevé le problème de la composition un peu baroque de certains des comités de sélection 2010 de Paris 8.
- Quelle a été la réponse faite à ceux qui s'étonnaient du choix d'un directeur de recherche d'une thèse-plagiat comme Président d'un comité de sélection ?
- Quelle a été la position des membres du CNU de la 71e section ? Il est en effet exclu que le CNU n'ait pas été informé depuis février de l'existence de thèses-plagiat à Paris 8 validées par des enseignants de la 71e ?

Jean-Noël Darde

* * *

Note : (1)

Nous avions, dès le début du mois de mars, évoqué devant la Vice-présidente du Conseil scientifique de Paris 8 une hypothèse selon laquelle la nature plagiaire de la thèse de Majed Sanan pouvait, en partie, avoir été connue de son propre directeur de recherche avant même la soutenance. Nous disposions déjà de quelques éléments qui nous permettaient de l'envisager. Cette question est posée à la fin de l'article précédent, SERIALS PLAGIAIRES [1].
L'article "AUTOPSIE D'UNE THÈSE-PLAGIAT, SUITE" fournit à ce sujet d'autres informations à partir desquels le lecteur établira sa propre conviction. Il y est démontré que deux articles, co-signés Majed Sanan, Mahmoud Rammal et Khaldoun Zreik, que M. Sanan a plagiés pour sa thèse sont eux-mêmes des articles qui intègrent beaucoup de plagiats.

Jean-Noël Darde
MC - Université Paris 8

* * *

* NANCY 2 : UN CAS DE THÈSE-PLAGIAT

2010-05-03T14:46:00.000-07:00

NOUVELLE VERSION DU BLOG
http://archeologie-copier-coller.com/

Cet article, mis en ligne le 4 mai 2010 (dernières modifications, le 6 mai) est un volet du tryptique dont le centre est constitué par l'article Comités de sélection, plagiat et les mystères de Paris 8.

La thèse de Marie-France Ango Obiang, "Proposition d’une méthodologie d’indexation d’images d’œuvres architecturales à partir de l’analyse des besoins des décideurs : Propriétaires, Architectes, Constructeurs et Administrateurs" a été soutenue en Sciences de l'information et de la communication (71e section), le 10 décembre 2007 à l'Université Nancy 2.

Dirigée par Amos David, cette thèse a été rédigée au sein de l'équipe SITE (Modélisation et développement de système d'intelligence économique) du laboratoire LORIA dont le logo figure ci-joint en bas de la couverture de thèse.
Le LORIA, Laboratoire Lorrain de Recherche en Informatique et ses Applications, est une structure — Unité Mixte de Recherche (UMR 7503) — commune au Centre National de Recherche Scientifique (CNRS), à l'Institut National Polytechnique de Lorraine (INPL), à l'Institut National de Recherche en Informatique et en Automatique (INRIA), à l'Université HenriPoincaré, Nancy 1 et à l'Université Nancy 2.

L'École doctorale de rattachement de la thèse est "Langages, Temps, Sociétés".
Spécialiste de l'Intelligence économique (IE), le directeur de recherche de cette thèse, Amos David, l'est aussi de l'"évaluation et des stratégies informationelles", titre de la collection qu'il dirige aux éditions Hermès-Lavoisier.

Outre Amos David, le jury de soutenance était composé de Mohamed Hassoun (rapporteur, École Nationale supérieure des sciences de l'information et des bibliothèques de Lyon), de Pascal Sanson (rapporteur, Architecte DPLG, du Centre d'étude du débat public (CEDP) de l'Université François Rabelais, à Tours) et de Louis-Philippe Laprévote (examinateur, Université Nancy 2).

À l'issue de la soutenance, cette thèse a obtenue la mention "honorable". Cette thèse est aujourd'hui en ligne sur le site de l'INRIA.
Après celles de Sang Ha Suh et de Majed Sanan, la thèse de M. F. Ango Obiang est la troisième thèse-plagiat à connotation "informatique" ou "sciences de l'architecture" présentée sur ce blog que l'on voit soutenue devant un jury des Sciences de l'Information et de la Communication (71e section du CNU).

C'est dans les "remerciements" que le plagiaire présente souvent son visage le plus déplaisant. En effet, c'est l'occasion de "mouiller" le maximum de personnes dont il a abusé la confiance. Cette thèse de Marie-France Ango Obiang, de celles dont on préfèrerait pourtant ne pas être remercié, ne déroge pas à la loi du genre. Tel professeur est remercié "pour son encadrement et le regard avisé qu’[il] a portée sur mon travail, pour sa relecture, ses précieux conseils et pour sa patience.", à ceux-ci est adressé "un grand merci pour leurs conseils précieux qui m’ont apportés des informations utilisées dans l’orientation de cette thèse.", et aussi "Un grand merci aux membres de la médiathèque (...) qui m’ont aidées à trouver des ouvrages et bien d’autres. Merci également à tous les membres de l’administration du LORIA pour leur aide, et particulièrement toute l’équipe de communication du LORIA."
Des remerciements qui signent autant d'abus de confiance aux enseignants et au personnel de l'Université.

UNE THÈSE-PLAGIAT, C'EST ÇA :

Nous publions in-extenso les 5 dernières pages (205 à 210) de cette thèse, à savoir la conclusion du chapitre 5, le dernier ("Présentation du système SARBA, son expérimentation et son évaluation"), suivi de la "conclusion générale" de toute la thèse et ses "perspectives".

Quelques inscriptions insérées dans ce texte et un code couleur constituent les principales clefs de lecture de ces conclusions. D'autres analyses et commentaires sont renvoyés à la suite de ce texte.

Le code couleur :
Le texte intégral des pages 205 à 210 de la thèse apparaissent ci-dessous en rouge,noir, bleu, violet ou en vert :
- Le noir est la couleur des textes que l'on peut considérer, jusqu'à preuve du contraire, de la main de M.-F. A. O. Il n'est pas exclu que certaines phrases correspondent à des plagiats non encore repérés. D'autres phrases sont à l'évidence de la main de M.-F. A. O. (nous expliquerons pourquoi en aval).
Dans certain cas, aisément identifiables, les textes en noir de la main de M.-F. A. O. (des séquences de un, deux ou trois mots) apparaissent comme des insertions spécifiques de M.-F. A. O. dans les textes plagiés, le plus souvent pour les "habiller".
Dans ces textes en noir, nous avons souligné en gras de nombreuses formulations fautives au regard de la langue.

- Les couleurs rouge, bleu, violette et vert correspondent aux sources identifiées des plagiats, en l'occurrence 4 thèses pour cette partie du texte de M.-F. A. O. Les référencements complets de ces 4 thèses sont donnés à la fin de cette étude dans la "Bibliographie des plagiats".

- Les éléments de commentaires insérés le sont avec la couleur beige. Ces insertions en beige sont de 3 ordres :
a) la source du copier-coller qui précède le plagiat (auteur de la thèse plagiée, année, pagination de l'emprunt).
b) dans certains plagiats, le texte d'origine du plagiat qui a été remplacé par M.-F. A. O. pour des raisons d'"habillage".
c) Les mentions [Rcc], [Hcc], ou [PIcc], respectivement "Raté de copier-coller", "Habillage de copier-coller" et "Promesse inaccomplie de copier-coller" dont les significations plus précises et l'exploitation suivent ces 5 pages de la thèse de M.-F. A. O.

CONCLUSION

MKADMI Abderrazak (2004, pp. 132-133)
Le travail collaboratif a certainement beaucoup d'avantages par rapport au travail individuel, et ce par le rassemblement de plusieurs efforts dans l'élaboration d'une tâche commune. Ces avantages peuvent être énumérés en quatre points essentiels à savoir :
- Une meilleure productivité : il permet d'avoir une analyse très détaillée sur la relation coûts-performances. Il permet ainsi de donner aux usagers une idée précise sur les actions prises concernant leurs dossiers.
- Une clarté des actions à prendre : chacun des membres du groupe a une vision très claire des tâches à effectuer, et d'autres tâches effectuées par les autres.
- Une visualisation claire des tâches, et ce en donnant la possibilité de connaître à tout moment l'avancement exact des projets, les coûts et les périodes de pointe. - Une meilleure image de l'entreprise par l'amélioration de la qualité de service, le temps de réponse et l'état d'avancement du projet.

MKADMI Abderrazak (2004, p. 186)
L’enquête que nous avons menée nous a (Les enquêtes que nous avions menées nous ont) permis de connaître de plus près les besoinsinformationnels de nos utilisateurs et leurs modes de prise de décision pour la résolution d’un projet architectural, qui s’effectue par des échanges de point de vue dans les différentes activités de collaboration. En se basant sur l’hypothèse qu’une bonne interface d’une base de documents (bibliothèque)[Hcc1] numérique n’est pas seulement celle qui implique des outils intelligents et experts pour la recherche d’informations, mais qui, en plus, favorise le travail collaboratif entre les différentes personnes, cette enquête nous a permis de (ces enquêtes nous aideront à) repenser l’architecture des systèmes de recherche d’information à travers l’établissement d’une grille d’évaluation de l’interface (des interfaces) de ces nouveaux types de systèmes supportant le travail collaboratif.

Il est vrai que formaliser un objet provoque une transformation de l’état de l’objet qui oblige à une certaine concrétisation matérielle de ce même objet, car les traces écrites et dessinées produites par le concepteur ne font que refléter ce qu’il a dans son esprit. C’est pour cela que nous avions demandé et exigé deux représentations à des moments différents du processus de réflexion du même ouvrage. La comparaison des résultats des images visualisées sur l’ordinateur a également permis de vérifier qu’un concepteur recherche rarement une seule chose à la fois. La variété des ouvrages figurant sur la mosaïque finale de la recherche le montre bien.

KACHER Sabrina (2005 p. 181)
L’expérimentation que nous avons menée a établi que l’image joue un rôle prédominant dans l’activité de conception. Les remarques faites par les utilisateurs ont été fécondes quant à l’orientation et aux perspectives que nous voulons donner à ce travail de recherche. Nous ajouterons qu’un ensemble de remarques recueillies par le biais de questionnaires nous permettra d’améliorer le système actuel. Nous remarquons que dans certains cas les besoins exprimé par les utilisateurs ont divergés des besoins exprimés au début de la recherche (exemple : dans le cas oùl’utilisateurs recherche des images représentant des maisons, ils recherchent ensuite des spécifier de la maison comme ; maison traditionnelle, maison en bois, etc).

NAKAPAN Walaiporn (2003, p. 98)
Même pour une demande très précise, il peut arriver que l’utilisateur change son avis au fur et mesure de sa prospection. Cela nous permet de confirmer que la recherche d’images d’œuvres architecturales (de produits) au cours du processus de l’élaboration d’un projet (de conception architecturale) subit un processus de formulation et reformulation de problème. Dans ce cas, l’utilisation de l’image pour la recherche de produits semble adaptée. Nous pouvons affirmer que, le système de recherche utilisant l’image peut apporter une aide au cours d’une situation d’élaboration d’un projet architectural (de conception architecturale). Cette appréciation des utilisateurs vient du fait qu’en plus de l’indexation d’images architecturales, les utilisateurs ont annotés les images avec leurs propres concepts afin de trouver aisément les images répondant à leurs besoins informationnels.

Conclusion générale

MKADMI Abderrazak. (2004, pp. 251-252 et 227)
L’étude de la recherche d’information est un travail complexe (à la fois compliqué et passionnant). Il s’agit d’un sujet interdisciplinaire dans la mesure où il touche à plusieurs disciplines à savoir les sciences de l’information et de la communication, l’Architecture, [Hcc2] l’informatique, etc. Notre travail tente de faire le lien entre les nouveaux besoins des utilisateurs en matière de recherche et d’accès à l’information sur les nouveaux outils de communications pour insérer les SRI dans leur environnement social et intellectuel, tout en exploitant les travaux de recherche concernant les standards relatifs à la structuration de l’information et qui forment l’ossature technologique du Web.

En effet, si nous suivons bien l’évolution des SRI, nous nous rendons compte qu’ils ont connu plusieurs révolutions dont les plus importantes peuvent être : la pertinence, les aspects cognitifs, l’interactivité, l’arrivée d’Internet et particulièrement les bases d’images (surtout les bibliothèques)[Hcc3] numériques. En parallèle à ces nouveaux « besoins », une évolution et un développement très intéressants ont touché les technologies de l’information et de la communication à travers la réalisation des nouveaux outils de communication, le développement des protocoles d’accès à l’information et surtout des normes et des standards de structuration et d’échange de données. Conscients des situations dans lesquelles un utilisateur d’un SRI pourrait avoir besoin d’aide, nous avons essayée(essayé) de mettre en place un modèle théorique répondent (un prototype dont le modèle théorique répond) à ces besoins d’aide qui peuvent être entre autres :

- Évaluation par rapport aux autres : l’utilisateur a obtenu un résultat satisfaisant, mais il n’est pas sûr s’il a réellement exploré tous les aspects du sujet de sa recherche, ni de la qualité intrinsèque de ce qu’il a obtenu ;
- Blocage : l’utilisateur ne sait pas comment formuler sa requête ou le résultat obtenu n’est pas satisfaisant et ne sait plus ce qu’il doit faire ;
- Curiosité : l’utilisateur n’a pas besoin d’une aide spéciale, mais il a besoin d’avoir une idée générale des travaux et des besoins des autres...
- Possibilité à plusieurs utilisateurs de travailler ensemble dans le cadre de leurs recherches, tout en s’entraidant pour mettre en place un appareilméthodologique des organisations (critique pour chaque document...).

MALCURAT Olivier (2001, p. 30)
la multiplicité des types d’informations, de leur media, de leur support et de leur présentation; la faiblesse du niveau de formation à l’informatique chez les professionnels.

KACHER Sabrina (2005, p. 185)
Comme on le voit, le travail est loin d’être terminé et les pistes à explorer restent nombreuses. Mais nous sommes convaincus que c’est par de tels chemins que l’informatique va pouvoir changer de Proposition d’une méthode de référencement d’images pour aider le processus de conception architecturale. [Rcc2]. critique pour chaque document trouvé à travers les commentaires, les annotations et l’évaluation. [Rcc2].

KACHER Sabrina. (2005, p. 183-184)
L’activité de projet (conception) architecturale est une activité vaste et complexe au cours de laquelle un acteur (concepteur) a besoin d’effectuer des recherches pour d’atteindre son but qui est de « concevoir ». Résoudre un problème de conception architecturale [Hcc4] se fait principalement par formulations et validations d’hypothèses. Ces hypothèses comprennent à la fois les prémisses ou données initiales du problème de conception, mais également un certain nombre d’informations nouvelles que l’acteur (le concepteur) assimile grâce aux références externes qu’il a acquises.

Dans cette thèse, nous avons mis en évidence que, durant cette activité,l’acteur (le concepteur) manipulait plusieurs données de natures différentes. Les données de départ sont les données issues du programme émis par le Maître d’Ouvrage. Les secondes sont les données contextuelles liées au projet. Le troisième type de données renvoie aux données «référentielles» sur lesquelles s’est appuyée notre approche, qui vont jouer un rôle fondamental dans le processus de conception architectural. [Hcc5]Ressources externes au processus, elle permet (elle permettent/sic) par un dialogue avec la pensée l’acteur (du concepteur) de formuler mais aussi de résoudre des problèmes. Ces références pouvant être de toute nature, nous nous sommes plus particulièrement intéressés aux références imagées relatives aux projets d’ouvrages architecturaux.

Notre travail a consisté à proposer une méthodologie d’indexation d’images d’ouvrages architecturales (méthode) [Hcc6] visant à construire une base de données d’images destinées à assister nos utilisateurs durant son travaild’élaboration d’un projet architectural (de création) [Hcc7]. Dans notre contexte de recherche, nous avons choisi de présenter ces références sur un support particulier, celui de l’image numérique de type photographique(photographique numérique), croquis, esquisses, dessins techniques. Nous avons choisi ce support car il permet de représenter des réalisations d’ouvrages architecturales existantes et propose de ce fait des solutions architecturales à des problèmes de conception similaires à ceux de nos acteurs (des concepteurs).

Le travail réalisé a consisté mettre en place un SI (SARBA) dans le quelnous avons jugée nécessaire de mettre en la construction d’un thésaurus pour l’identification des concepts. Ce thésaurus remplit deux fonctions : il décrit à la fois le domaine de la construction et ce qui est visuellement perçu(Cf : Annexe 2). En ce qui concerne l’adaptation du vocabulaire à la description de l’image, chaque terme de l’indexation reprend une particularité visuelle. La construction d’une base de références imagées.Cette base de données comprend environ 200 (aujourd'hui 1000) images qui ont été indexées grâce au thésaurus établi. Pour effectuer notre expérimentation, nous avons choisit un outil informatique AJARIS, qui présente une interface intéressante pour la recherche d’images.

KACHER Sabrina. (2005, pp. 184-185)
Cette interface repose essentiellement sur l’utilisation de l’image comme moyen de formuler la requête. L’utilisateur du système n’a pas introduire(pas à introduire) de texte et se sert des images présentées sur l’interface pour formuler sa requête.

Une série d’expérimentation a été menée pour évaluer nos différentes propositions. Une expérimentation visait avoir l’apport d’une indexation à partir des critères graphiques des images de notre base dans le domaine de la conception architecturale. [Hcc8] Cette expérimentation nous a permis de vérifier que le concepteur, durant sa quête d’ouvrages, associait la notion de similarité visuelle à celle portée par le sens des éléments architecturaux figurant sur les images. Une expérimentation visait à valider que les termes relevant du niveau courant de notre thésaurus correspondaient à ceux utilisés par les professionnels du domaine. Une expérimentation visait à valider que l’indexation que nous proposions des images de notre base correspondait à celle qu’auraient proposée les professionnels du domaine. Cette expérimentation nous a permis de vérifier que décrire tous les éléments présents sur une image n’était pas nécessaire, mais qu’il fallait effectuer un choix des éléments à décrire ; cela a entraîné la définition de cinq propriétés graphiques. [PIcc]

La particularité (l'originalité) de la méthode proposée a consisté à combiner d’une part un langage de description, d’autre part de permettre à l’utilisateur d’effectuer des annotations afin de retrouver des images qui répondent à ses attentes, et enfin une interface de recherche adaptée au niveau du besoin des acteurs (des concepteurs). Les résultats obtenus lors de l’expérimentation finale ont montré que la combinaison des trois points était essentielle. Toutefois, bien que ce travail de recherche ait abouti à des résultats encourageants, nous sommes conscients aussi de ses limites et en particulier du fait que le corpus manipulé soit restrictif au regard des pratiques architecturales courantes. C’est donc autant de possibilités de recherches ultérieures qui s’ouvrent.

Perspectives

MKADMI, Abderrazak. (pp. 249-250)
La poursuite de ce projet pourrait être envisagée de plusieurs façons différentes. Celle qui nous paraît la plus intéressante est de faire évoluer cette application vers un projet du Web sémantique, tout en impliquant d’autres équipes de recherche travaillant sur le même sujet. Ce travail ne pourra être intéressant, à notre avis, que si en profitant des normes et standards qui ne se cessent de se développer et de se croître (sic)aujourd’hui dans le domaine (XML Schema, RDF, RDFS, LOM, DC, etc.) ainsi que des langages existants et utilisant ces normes. L’autre direction qui va dans le même sens que la première tout en évoquant la problématique du travail collaboratif est celle de l’enseignement à distance. On pourra ainsi s’ouvrir sur d’autres activités et d’autres disciplines touchant le maximum possible de chercheurs, enseignants, étudiants, scientifiques, professionnels, etc. Reste à signaler, qu’étant donnée l’importance(l'effervescence) actuelle (autour) du Web sémantique, les recherches vont être poursuivies, sans doute, dans toutes les directions à savoir :
- l’usage des métadonnées et des annotations dans l’ensemble des tâches d’utilisation d’un système de recherche d’Informations ;
- les interfaces d’écriture et de visualisation des métadonnées ;
- les ontologies existantes et les méthodes d’en créer d’autres plus spécifiques ou plus générales et de les fusionner ;

Ceci dit que les travaux sur les ontologies ont aujourd’hui une dizaine d’années, mais les travaux sur leur comparaison, leur fusion et la gestion de leurs versions sont plus récents, et nous pensons que leur poursuite est très important, voire même indispensable pour que les ontologies puissent servir vraiment le Web sémantique. Toutefois, il faut signaler que comme toutes nouvelles technologies, celles qui sont liées au Web sémantique sont encore immatures et leurs usages. [Rcc3]

Fin de la thèse proprement dite, suivie de la bibliographie (20 pleines pages) et les annexes.

LES INDICES DE PLAGIAT

Il n'y a pas grande chose à dire sur les plagiats "copier-coller", degré zéro de l'écriture plagiaire, sinon les observer dans leurs marges, leurs petites failles, et partout où le plagiaire se risque à intervenir :

1) Les ratés de copier-coller
Les "ratés de copier-coller", signalés "[Rcc]" dans le texte ci-dessus, sont intéressants dans la mesure où ils laissent les traces facilement repérables d'une fracture discursive, soit au niveau de la structure du texte, de la sémantique ou de la syntaxe. Les Rcc ne prouvent pas le copier-coller plagiaire, mais leurs répétitions est un indice qui devrait conduire le lecteur, a fortiori le directeur de recherche ou le rapporteur d'un jury de soutenance, à en faire l'hypothèse. On pourrait aussi parler de plagiat par précipitation qui rime avec "le plagiat par anticipation" mis à jour par Pierre Bayard.

Dans ces pages de conclusion de la thèse De M.-F. A. O., on distingue aisément 3 Rcc :

Le premier raté, "Rcc1", et le deuxième, "Rcc2", voisinent.

le Rcc1 a rendu un peu obscur le sens de la première phrase de l'extrait ci-dessous. L'objet du changement (mis par nous en italiques) et ce curieux majuscule à "Proposition" retiennent l'attention.

Mais nous sommes convaincus que c’est par de tels chemins que l’informatique va pouvoir changer de Proposition d’une méthode deréférencement d’images pour aider le processus de conception architecturale[Rcc1]. critique pour chaque document trouvé à travers les commentaires, les annotations et l’évaluation. [Rcc2].

La solution est simple : en souhaitant copier-coller depuis le texte source du plagiat (la thèse de Sabrina Kacher) une phrase dont le début était situé en bas de page, l'auteur de la thèse-plagiat a pris dans les filets du copier-coller le titre courant qui figure au bas de toutes les pages de la thèse plagiée : Proposition d’une méthode de référencementd’images pour aider le processus de conception architecturale. C'est à dire le titre même de la thèse de Sabrina Kacher.

D'où cette phrase au sens abscons, mais qui nous conduit droit à la source du plagiat...

Le Rcc2, est la fraction de phrase à la dérive, "critique pour chaque document trouvé à travers les commentaires, les annotations et l’évaluation", très probablement issue d'un raté de copier-coller plagiaire dont nous n'avons pas trouvé l'origine.

Le Rcc3, est particulièrement visible puisqu'il constitue la dernière phrase des "perspectives", et donc la toute dernière phrase de cette thèse. C'est le suivant :

Toutefois, il faut signaler que comme toutes nouvelles technologies, celles qui sont liées au Web sémantique sont encore immatures et leurs usages.

Ce "et leurs usages." reste en suspension dans une phrase inachevée et conclue bien mal cette fin de la thèse.

Le copier-coller de la plagiaire a en effet ignoré le reste de la phrase plagiée que l'on retrouve facilement dans la thèse d'Abderrazak Mkadmi, source du plagiat (la partie manquante est signalée en gras).

Toutefois, il faut signaler que comme toutes nouvelles technologies, celles qui sont liées au Web sémantique sont encore immatures et leurs usagespotentiels sont tellement nombreux qu’on ne sait pas comment telle ou telle catégories d’utilisateurs peuvent en tirer profit.

2) Les promesses inaccomplies des copier-coller
L'incohérence à l'œuvre dans les plagiats de mode copier-coller, peut aussi revêtir une autre forme, celle de "Promesse inaccomplie de copier-coller", ou PIcc. Ainsi à la fin d'un paragraphe de la thèse de M.-F. A. O., ici encore issu d'un "copier-coller depuis la thèse de Sabrina Kacher, on peut lire :

Cette expérimentation nous a permis de vérifier que décrire tous les éléments présents sur une image n’était pas nécessaire, mais qu’il fallait effectuer un choix des éléments à décrire ; cela a entraîné la définition de cinq propriétés graphiques. [PIcc].

La phrase ci-dessus devrait, soit annoncer l'énumération des définitions des cinq propriétés graphiques (ce qui n'est pas le cas, aucune mention n'en est faite dans les paragraphes suivants de la conclusion), soit renvoyer à une partie de la thèse où cet exercice a déjà été réalisé. Le lecteur de cette conclusion devrait donc déjà avoir lu l'énumération de ces propriétés et leur définition dans un chapitre précédent. Il n'en est rien.
Ce sujet des "cinq propriétés graphiques" n'a jamais été traité, ni même évoqué, par M.-F. A. O. dans les chapitres précédents de sa thèse-plagiat, même sous forme de plagiat. Ce même sujet a bien entendu été traité par S. Kacher, l'auteur de la thèse plagiée (chapitre 3, "les propriétés graphiques").
Ce type d'incohérence, celle des PIcc, est sauf rares exceptions généralement liées à des plagiats. Ils sont facilement repérables dans une conclusion pour un lecteur ayant lu avec attention la totalité de la thèse.

3) Les habillages de copier-coller
Sous le terme "habillage de copier-coller", [Hcc], nous signalons les modifications apportées par le plagiaire aux textes des plagiats "copier-coller" pour les adapter et mieux les intégrer au sujet affiché de ses travaux, en l'occurrence au sujet de thèse.
Cet habillage peut prendre deux formes soit l'effacement de traces de la source du plagiat, soit l'ajout de termes mieux adaptés aux thèmes de la thèse (ici, l'indexation d'images et l'architecture). Ces deux formes coexistent parfois dans la même séquence-plagiat avec les cas de substitution des traces de la source par l'ajout d'éléments associés aux différents thèmes de la thèse et à l'"architecture" :
- Hcc 1 : effacement du terme "bibliothèque".
- Hcc 2, 4, 5, 7 et 8 : rajout du terme "architecture" ou "architecturale".
- Hcc 6 : rajout de l'expression "bases d'images".
- Hcc 3 : rajout des deux thèmes : "indexation d’images d’ouvrages architecturales" (sic).

4) La langue fautive
Les deux extraits qui suivent témoignent d'une concentration de fautes qui n'a pas son équivalent dans les textes déjà documentés comme plagiés. C'est un argument fort pour attribuer ces énoncés à M.-F. A. O.

Nous remarquons que dans certains cas les besoins exprimé par les utilisateurs ont divergés des besoins exprimés au début de la recherche (exemple : dans le cas où l’utilisateurs recherche des images représentant des maisons, ils recherchent ensuite des spécifier de la maison comme ; maison traditionnelle, maison en bois, etc).

Le travail réalisé a consisté mettre en place un SI (SARBA) dans le quelnous avons jugée nécessaire de mettre en la construction d’un thésaurus...

Des concentrations soudaines d'erreurs de langue à côté de textes corrects à cet égard sont des indices forts, facilement repérables, en faveur de l'existence de plagiats, tout particulièrement de copier-coller (dans le cas de plagiat par paraphrases ou traductions, le plagiaire qui maîtrise mal la langue introduit des erreurs de langue dans ces paraphrases et traductions).

LES SOURCES DES PLAGIATS

Pour faire la preuve d'un plagiat, il suffit de montrer qu'il préexiste un document antérieur où figure un texte identique (cas du copier-coller) ou suffisamment similaire (dans le cas de plagiat par paraphrases ou traductions). Ceci, naturellement, après avoir constaté que les emprunts dans le texte visé pour plagiat ont été réalisés en l'absence de référencements effectués dans le respect des normes établies de citation ou de tout autre forme d'emprunt.

Faut-il rappeler que dans le cas de citation, la déontologie universitaire impose la présence de guillemets ?
Dans le cas de citation supérieure à 3 lignes (une citation ne peut en principe, sauf cas particulier, dépasser 15 lignes), le passage à la ligne et le retrait (écart de justification sur la partie gauche du texte) s'imposent afin de mieux matérialiser l'emprunt. L'usage veut aussi que, dans ce cas de longue citation, elle s'inscrive dans un corps inférieur au reste du texte (usage que nous ne respectons pas toujours sur ce blog, pour des raisons de confort de lecture).
Dans le cas de paraphrases, de résumés, de traductions-paraphrases, d'emprunts à des idées, les renvois aux sources doivent être suffisamment explicites et régulièrement répétées pour qu'à chaque moment de sa lecture, le lecteur puisse être en mesure de distinguer ce qui est emprunt et pouvoir évaluer la part liée au travail original de l'auteur de la thèse ou du mémoire.

Pour les raisons évoquées un peu plus haut, la découverte de la preuve d'un plagiat n'est pas nécessairement associée à la découverte de la véritable source plagiée par le plagiaire ni à la découverte de la version originale du texte, sa première occurrence, qui seule permet d'en déterminer le véritable auteur (voir en aval).
Disons seulement pour l'instant que pour de multiples raisons nous avons la conviction, et souvent la preuve, que l'essentiel des documents présentés dans cette "bibliographie des plagiats", sont bien ceux-là même à partir desquels M.-F. A. O. a effectué ses "copier-coller" (ce qui ne signifie pas qu'ils aient tous été des textes originaux : certains peuvent avoir été présentés avec le statut d'emprunt dans le texte source; d'autres peuvent, en théorie, être eux-mêmes des plagiats).

La bibliographie ci-dessous donne donc les références de textes trouvés sur Internet, identiques ou quasi-identiques, à des extraits non référencés de la thèse de M.-F. Ango Obiang. Et ces textes sont par ailleurs indiscutablement antérieurs à la thèse de M.-F. A. O.

Les 4 premières références bibliographiques, 4 thèses, correspondent aux sources repérées des plagiats des 5 pages de conclusion de M.-F. A. O. retranscrites plus haut. Suivent, les référencements de textes qui prouvent des plagiats dans le reste de la thèse.

BIBLIOGRAPHIE DES PLAGIATS

KACHER Sabrina, 2005. Proposition d'une méthode de référencement d'images pour assister la conception architecturale : application à la recherche d'ouvrages. Thèse en Sciences de l'architecture; École doctorale IAE+M de l'Institut national polytechnique de Lorraine. [En ligne] accessible sur le site de TEL, serveur de thèses multidisciplinaires :
http://tel.archives-ouvertes.fr/docs/00/08/66/16/PDF/TheseKacher9.pdf

MALCURAT Olivier, 2001. Spécification d'un environnement logiciel d'assistance au travail collaboratif dans le secteur de l'architecture et du B.T.P. Thèse en Sciences de l'architecture; École doctorale IAE+M de l'Institut national polytechnique de Lorraine. [En ligne], accessible sur le site de TEL, serveur de thèses multidisciplinaires :http://tel.archives-ouvertes.fr/docs/00/10/15/51/PDF/these_malcurat.pdf

MKADMI Abderrazak, 2004. Recherche collaborative d’informations : repenserl’architecture des SRIs à l’ère numérique. Thèse en Sciences de l'information et de la communication; Laboratoire Paragraphe de l'Université Paris 8. [En ligne] sur le site personnel de A. Mkadmi : http://pagesperso-orange.fr/mkadmi/docts_PDF/these_mkadmi_vf.pdf

NAKAPAN Walaiporn, 2003. Recherche d'informations par l'image : application à la recherche interactive de produits du bâtiment. Thèse en Sciences de l'architecture; École doctorale IAE+M de l'Institut national polytechnique de Lorraine. [En ligne], accessible sur le site de TEL, serveur de thèses multidisciplinaires : http://tel.archives-ouvertes.fr/tel-00087102/fr/

Mis à part la thèse de Abderrazak Mkadmi (Paris 8, Sciences de l'Information et de la Communication), la plus "empruntée", les 3 autres sont des thèses en Sciences de l'architecture de l'École doctorale IAE+M de l'INPL.
Outre les 4 thèses référencées ci-dessus, les autres sources repérées des plagiats du reste de la thèse de M.-F. A. O. figurent ci-dessous. Notons que ces sources ont été plagiées pour des longueurs de textes très variables, de quelques lignes à plusieurs pages d'affilée. Pour l'ensemble de cette thèse, les plagiats depuis la thèse d'A. Mkadmi (Paris 8) constituent les emprunts les plus importants, au moins une trentaine de pages.

Ajaris (fiche produit). Site de l'entreprise Orkis :http://www.orkis.com/ProduitsAJARIS/DocAjarisPACKMAIRIE.html

BIGNON Jean-Claude, HALIN Gilles, NAKAPAN Walaiporn (1999). Recherche d'informations techniques par l'image. Colloque - Séminaire UMR MAP (Marseille). [En ligne] sur le site de HAL-SHS (Hyper Article en Ligne - Sciences de l'Homme et de la Société) : http://halshs.archives-ouvertes.fr/halshs-00271550_v1/

BLONDEL Frédéric, ÉDOUARD Serge et EL MABROUKI Nabil Mohamed, 2006.Quelle articulation entre intelligence économique et knowledge management au sein de l'entreprise ? (Actes AIMS, Annecy). [En ligne] site de l’Association Nationale des Docteurs ès Sciences Économiques et en Gestion (ANDESE) :http://www.andese.org/intelligence-economique/82-intelligence-economique

BOUZON Arlette, 2003. Coopération et communication dans les projets de conception collective (Xe colloque franco-roumain CIFSIC). [En ligne] sur le site "Archive Ouverte en Sciences de l'Information et de la Communication" :http://archivesic.ccsd.cnrs.fr/docs/00/06/23/22/PDF/sic_00000803.pdf

GANDON Fabien, LOISEL Régine et GRÉBOVAL-BARRY Catherine, 1999.Structuration hypertextuelle des connaissances liées aux traces d'un projet architectural. Conférences ingénierie des connaissances (Palaiseau) pp. 71-77. [En ligne] site de l'Institut National de Recherche en Informatique et Automatique (INRIA) Sofia-Antipolis :

ftp-sop.inria.fr/acacia/fgandon/research/ic1999/article_fabien_gandon_ic1999.pdf

GAUTHIER Clermont, 1997. Pour une théorie de la pédagogie. Recherches contemporaines sur le savoir des enseignants. Bruxelles, éd. De Boeck.

HANSER Damien, 2003. Proposition d'un modèle d'auto coordination en situation de conception, application au domaine du bâtiment. Thèse en Sciences de l'architecture; École doctorale IAE+M de l'Institut national polytechnique de Lorraine. [En ligne] accessible sur le site de TEL, serveur de thèses multidisciplinaires : http://tel.archives-ouvertes.fr/docs/00/08/70/63/PDF/TheseHD.pdf

KOSTADINOV Dimitre, 2003. Personnalisation de l'information et gestion des profits utilisateurs (Rapport de DEA). [En ligne] : site de l'APMD :http://apmd.prism.uvsq.fr/

LECŒUVRE Laurence, DESHAYES Philippe, 2003. Vente de solution, offre créatrice de projet et marketing de projets. [En ligne] site de ESCP Europe (école de management) : http://www.escp-eap.net/conferences/marketing/pdf_2003/fr/lecoeuvre_deshayes.pdf

LÉVEILLÉ Valérie, 2000. Réalisation d'un outil de gestion de données hétérogènes et formelles appliqué à la veille technologique. Thèse en sciences de l'information et de la communication . [En ligne] Site du Centre Recherche Rétrospective de Marseille (CRRM) de l'Université Aix-Marseille III : http://ms161u13.u-3mrs.fr/memoires/ValerieLeveille_T.pdf

LÉVEILLÉ Valérie, ROSTAING Hervé, 1999. Utilisation de la repésentation hypertextuelle en veille technologique. Actes du colloque "Les systèmes d'information élaborée" organisé par la SFBA, Ile Rousse, 27 sept - 1 oct 1999. [En ligne] Site du CRRM de l'Université Aix-Marseille III : http://crrm.u-3mrs.fr/sfba/ile-rousse/1999/articles/leveille.pdf

PBLconsulting. Syntox. [En ligne] site de l'entreprise :http://www.pblconsulting.com/tech/ged_04.html

PÉGUIRON Frédérique, THIERY Odile (2005). Système d'information stratégique dédié à l'environnement universitaire. [En ligne] site "archive ouverte en sciences de l'information et de la communication": http://archivesic.ccsd.cnrs.fr/sic_00001462_v1/

PETIT-ROZÉ C., GRISLIN-LE STRUGEON E., ABED M., USTER G. et KOMSKI C. , 2000. Recherches d'informations personnalisées (Conférence Internationale Nîmes TIC 2000 : Ingénierie des Systèmes et NTIC).

PRIÉ Yannick, 2000. Sur la piste de l'indexation conceptuelle de documents, une approche par l'annotation. [En ligne] site du Laboratoire d'InfoRmatique en Image et Systèmes d'information (LIRIS) : http://liris.cnrs.fr/yannick.prie/download/prie-dni.pdf

PROST Robert et BASSEREAU Jean-François, 1995. Concevoir, inventer, créer : réflexions sur les pratiques. Paris, éd. L'Harmattan, collection Villes et entreprises.

Wikipedia, Encyclopédie en ligne : articles "donnée",
http://www.cndwebzine.hcp.ma/IMG/pdf/Recherche_d_informations_personnalisees.pdf

* *

STRATÉGIES POUR LA SOUTENANCE DES THÈSES-PLAGIAT

Que peut-on conclure de l'observation des sources des plagiats de la thèse de M-F Ango-Obiang ?

On peut d'abord observer que, mis à part la thèse d'Abderrazak Mkadmi (Paris 8), première source d'emprunts, c'est à Nancy, que la plagiaire a glané la majorité de ses emprunts.

Les 4 thèses lorraines citées dans la bibliographie des plagiats (thèses de Damien Hanser, Sabrina Kacher, Walaiporn Nakapan et Olivier Malcurat), soutenues en "Sciences de l'architecture" entre 2001 et 2005, ont la même origine.
Étudiants à l'École d'Architecture de Nancy, associée à l'Institut National Polytechnique de Lorraine (INPL), ces doctorants participaient au Centre de Recherche en Architecture et Ingenierie (CRAI, UMR 694) lié à l'École doctorale "IAE+M."
Cette école doctorale regroupe les formations doctorales des 4 Universités lorraines, dont l'INPL et Nancy 2, en Informatique, Automatique, Électronique–Électrotechnique et Mathématiques.

Parmi les 12 laboratoires que regroupent IAE+M, on compte le CRAI déjà cité, qui délivre des thèses "Sciences de l'Architecture", et le LORIA, celui dans lequel est intégrée Marie-France Ango Obiang à travers l'équipe SITE. Le CRAI était certainement plus proche du profil d'architecte de Marie-France Ango Obiang que le LORIA.

Pour la soutenance, alors que la logique aurait voulu que cette thèse soit soutenue à l'intérieur de IAE+M, Marie-France Ango Biang émigrera vers l'École doctorale "Langages, Temps, Sociétés", dont pourtant les préoccupations des laboratoires étaient très éloignées de ce type de recherche.

Le choix de cette dernière école doctorale pour la soutenance, comme celui de la discipline des "Sciences de l'information et de la communication" plutôt que les "Sciences de l'architecture", avaient certainement à ses yeux l'avantage de limiter les risques de se voir confronter avec un jury au fait du sujet traité, plus susceptible de découvrir ses plagiats.

Le calcul de M-F. Ango Obiang était imparfait, mais ses inquiétudes superflues, puisqu'un de ses rapporteurs, P. Sanson, qui avait été pourtant déjà rapporteur d'une des thèses du CRAI plagiées par MF AO ne se rendra compte de rien.

PLAGIATS ET DISCOURS RAPPORTÉ

Dans un article consacré aux formes du discours rapporté dans un corpus de presse, nous avions parlé de "chaîne énonciative" pour désigner "la succession d'énonciations comprises entre la réalité-évènement et le discours du journal". Nous parlions à la fois des moyens dont dispose la langue pour renvoyer aux véritables dits des différentes instances énonciatives dans une structure de discours rapporté et de l'ambiguïté fréquente, à cet égard, des énoncés de discours rapporté.
Dans le cas du plagiat, le plagiaire est confronté au problème inverse, comment emprunter le discours d'autrui sans laisser de traces, ou au moins avec le souci de les camoufler au mieux.
C'est précisément dans le plagiat de discours rapporté que le plagiaire trouve le meilleur camouflage.

Qui devinerait que l'extrait qui suit de la thèse de M.-F. A. O., où figure très explicitement le nom de la source et où la citation est encadrée de guillemets, puisse cacher un plagiat servile ?

ANGO OBIANG Marie-France. 2007 (thèse, p. 29)

Dans le cadre de notre travail ou plus précisément dans la recherche d’information, nous rejoignons la définition de [Le Coadic 2004] : «L'information est une connaissance inscrite (enregistrée) sous forme écrite (imprimée ou numérisée), orale ou audiovisuelle. [...] L'information comporte un élément de sens. C'est une signification transmise à un être conscient par le moyen d'un message inscrit sur un support spatiotemporel : imprimé, signal électrique, onde sonore, etc. Cette inscription est faite grâce à un système de signe ( le langage ), le signe étant un élément du langage qui associe un signifiant à un signifié : signe alphabétique, signe de ponctuation. [...] Le but de l'information reste l’appréhension de sens ou d'êtres dans leur signification, c'est à dire le reste de la connaissance ; la transmission du support, de la structure en étant le moyen.».

Bibliographie (extraits) :
[Le Coadic 2004] Le Coadic, Y.F. La science de l’information. Paris : PUF, 2004. Quis sais je,n° 2873.

Même la référence bibliographique, avec ses coquilles, ne ressemble pas à ce que l'on attend d'un plagiat "copier-coller". Et pourtant, on lit la même citation dans la thèse d'Abderrazak Mkadmi, dont nous savons par ailleurs qu'elle a été abondamment plagiée par M-F. Ango Obiang :

MKADMI Abderrazak. 2004 (thèse, p. 27)

Dans le cadre de notre travail ou plus précisément dans la recherche d’information, nous rejoignons la définition de Le Coadic : « L'information est une connaissance inscrite (enregistrée) sous forme écrite (imprimée ou numérisée), orale ou audiovisuelle. [...] L'information comporte un élément de sens. C'est une signification transmise à un être conscient par le moyen d'un message inscrit sur un support spatiotemporel : imprimé, signal électrique, onde sonore, etc. Cette inscription est faite grâce à un système de signe (le langage), le signe étant un élément du langage qui associe un signifiant à un signifié : signe alphabétique, signe de ponctuation. [...] Le but de l'information reste l’appréhension de sens ou d'êtres dans leur signification, c'est à dire le reste de la connaissance ; la transmission du support, de la structure en étant le moyen. » [LEC 94].

Bibliographie (extraits) :
[LEC 94] LE COADIC, Yves F. – La Science de l’information. – Paris : PUF, 1994, 127p

Une formule d'introduction à la citation identique, qui court sur deux lignes, le même choix pour commencer et clore la citation, les mêmes coupures à l'intérieur... Aucun doute n'est pas possible. La seule modification apportée par la plagiaire sont les coquilles dans le référencement et l'ajout du n° de la collection Que Sais-Je ?

Plus curieux encore, la source plagiée par M.-F. A. O., la thèse d'Abderrazak Mkadmi, est elle même, incontestablement, un plagiat d'une première thèse, "Évaluation de système de recherche d'information..." soutenue à Lyon 2, en 1999, par Christine Michel :

MICHEL Christine 1999 (thèse, p. 19) :

Nous rejoignons ici la définition de Le Coadic : « L'information est une connaissance inscrite (enregistrée) sous forme écrite (imprimée ou numérisée), orale ou audiovisuelle. [...] L'information comporte un élément de sens. C'est une signification transmise à un être conscient par le moyen d'un message inscrit sur un support spatiotemporel : imprimé, signal électrique, onde sonore, etc. Cette inscription est faite grâce à un système de signe ( le langage ), le signe étant un élément du langage qui associe un signifiant à un signifié : signe alphabétique, signe de ponctuation. [...] Le but de l'information reste l’appréhension de sens ou d'êtres dans leur signification, c'est à dire le reste de la connaissance ; la transmission du support, de la structure en étant le moyen.
». (17)
(17) Le Coadic, Yves-François - La science de l'information. Paris PUF - 127 p.

Ce plagiat de citation d'Abderrazak Mkadmi depuis la thèse de Christine Michel s'accompagne d'ailleurs d'autres emprunts de A. Mkadmi à cette même thèse de Christine Michel.
Mais c'est bien depuis la thèse d'Abderrazak Mkadmi que Marie-France Ango Obiang a, en quelque sorte, plagié la thèse de Christine Michel à laquelle elle n'a pourtant probablement jamais eu accès.

Ce dernier parcours d'un plagiat, de Lyon 2 à Nancy 2 via Paris 8, ne peut mieux illustrer l'ampleur du phénomène et l'impérative nécessité d'y répondre.

* *

En amorce de la prochaine étude en cours, Le souffle de Shanghai et les errements de la bibliométrie, notons que M.-F. Ango Obiang est une jeune chercheuse appréciée : 5 de ses contributions, dont cette thèse et un article co-signé avec Amos David, son directeur de recherche, s'affichent déjà sur le site de l'INRIA.

En outre, 2 de ces 5 travaux figurent aussi dans la "DBLP Computer Science Bibliography" (DBLP=Digital Bibliography & Library Project"), Walhalla de la bibliométrie du chercheur en informatique mise en ligne par l'Université allemande de Trier.

Notons encore que les 4 articles (un des travaux référencés est la thèse), signés ou co-signés par M.-F Ango Obiang, présentent chacun, étudiés sous le seul angle du plagiat "copier-coller", des aspects curieux et intéressants en terme de bibliométrie. Aspects que nous détaillerons dans l'article déjà cité et en cours de rédaction.

Jean-Noël Darde
MCF - Université Paris 8

* AUTOPSIE D'UNE THÈSE-PLAGIAT, SUITE

2010-05-03T13:58:00.000-07:00

NOUVELLE VERSION DU BLOG

http://archeologie-copier-coller.com/

Cet article a été mis en ligne le 4 mai 2010. Il suit "Serials plagiaires [1]" et constitue un des volets d'un tryptique dont l'article "Comités de sélection, plagiat et les mystères de Paris 8" est le centre.

AVANT PROPOS

À la fin de l'article "Serials Plagiaires [1]", publié sur ce blog le 12 avril dernier, nous annoncions pour début mai la mise en ligne d'un article "sur le contexte de publication et la nature des deux articles (...) co-signés par M. Sanan, M.Rammal et K. Zreik et intégrés sans plus de précautions, par copier-coller et traduction, par Majed Sanan dans sa thèse."

Nous avons reçu sur ce blog le matin du 1er mai un mail envoyé depuis l'adresse "msanan". Le contenu de ce mail étant ce qu'il est, nous n'avons aucune raison de douter de son authenticité. Pour résumer, ce mail de Majed Sanan nous menace (dans des termes diffamatoires) de poursuites pour diffamation à son encontre pour avoir fait état de ses plagiats. Ceci au nom, je cite, de l'"art. 29 de la loi du 29 juillet 1881 sur la liberté".

Hélène Maurel-Indart, Professeur de littérature à l'Université François-Rabelais à Tours, et spécialiste du plagiat littéraire, a pour ses travaux liés à son HDR (sous la direction d'Antoine Compagnon) aussi traité, parmi d'autres cas, de plagiats de travaux universitaires (Plagiats, les coulisses de l'écriture. Ed. de la Différence, 2007). Elle a aussi été l'objet pour ce motif de ce type de mauvais procès dont nous sommes menacé (affaire Bernard Edelmann contre Hélène Maurel-Indart; cf. son site, http://www.leplagiat.net/, à la rubrique "un odieux procès"). Pour ce procès, H.Maurel-Indart a reçu un soutien juridique ferme de son université.

À vrai dire, peut-être faudrait-il souhaiter que nos contradicteurs s'égarent et s'engagent dans la voie judiciaire. Outre l'exposition que ce procès donnerait à ce blog, et donc à leurs plagiats, ce serait une belle occasion de traiter du statut des thèses-plagiat et de celui des articles "scientifiques"-plagiat, ainsi que de la liberté de critique sur les travaux universitaires (problème déjà au centre des débats du procès BernardEdelman contre Hélène Maurel-Indart).

Étant donné son caractère diffamatoire, ce mail a été transmis à la Présidence de l'Université Paris 8 accompagné d'une demande de protection "fonctionnelle" (juridique) dans la perspective du dépôt d'une plainte.

Cependant, ce mail "msanan" reste intéressant tant il éclaire crument les raisons, les justifications et les moyens de défense d'un plagiaire. C'est pourquoi nous donnons à voir ce mail à la place même souhaitée par son auteur (commentaire n°9 de l'article "Serials Plagiaires [1]").

* *

AUTOPSIE D'UNE THÈSE-PLAGIAT, SUITE

PLAGIATS DE DEUXIÈME ORDRE

L'article ARABIC DOCUMENTS CLASSIFICATION USING N-GRAM, co-signé par Majed Sanan, Mahmoud Rammal et Kaldoun Zreik et repris intégralement en annexe, a été publié dans les actes du ICHSL6 (International Conferences on Human System Learning) édités en 2008 par Saïd Tazi et Kaldoun Zreik aux éditions Europia (cf. note 1). Cette publication s'est faite (cf. couverture ci-jointe) sous le logo de l'"IEEE, section France", branche française d'une association née aux États-Unis et très connue des informaticiens.

Traduit en français, cet article a été copié intégralement sans mention claire de sa source par Majed Sanan dans la troisième partie de sa thèse, "Expérimentation" (cf. article Serials Plagiaires [1]). Thèse dirigée par Kaldoun Zreik, co-signataire de ce même article.

Tout plagiat de premier ordre de cet article en anglais est donc aussi un plagiat de deuxième ordre de la thèse de Majed Sanan.

La "bibliographie des plagiats" qui suit complète ainsi la bibliographie des plagiats de la thèse de M. Sanan (cf. Serials Plagiaires [1]).

D'autres aspects de cet article-plagiat, notamment ses variantes dans un contexte éditorial diversifié, seront abordés dans un article ultérieur : LE SOUFFLE DE SHANGHAI ET LES ERREMENTS DE LA BIBLIOMÉTRIE.

En annexe, nous avons adopté pour reproduire cet article les mêmes codes chromatiques de présentation que pour la thèse-plagiat de Marie-France Ango Obiang (cf. "Nancy 2 : le plagiat c'est ça").

BIBLIOGRAPHIE DES PLAGIATS

DUNLOP Mark D. (1994). Free Text Retrieval : The Magic Explained. Colloque LibTechInternational' 94. [En ligne] site personnel de l'auteur : http://personal.cis.strath.ac.uk/~mdd/research/publications/libtech/

JALAM Radwan (2003). Apprentissage automatique et catégorisation de textes multilingues.Thèse (informatique) soutenue à l'Université Lumière - Lyon 2. [en ligne] site agrocampus-ouest : http://www2.agrocampus-ouest.fr/math/jalam/these/these_radwan.pdf

KHREISAT Laila, 2006. Arabic Text Classification Using N-Gram Frequency Statistics A Comparative Study. At the 2006 International conference in Data Mining, Part of the 2006World Congress in Computer Sciences. DMIN 2006 78-82. [En ligne] site du WCCS :http://ww1.ucmss.com/books/LFS/CSREA2006/DMI5552.pdf

NADKARNI Prakash M. [en ligne] site du Yale center for medical informatichttp://ycmi.med.yale.edu/nadkarni/db_course/IR_Frame.htm

PENG Fuchun, 2003. Language Independent Text Learning with Statistical n-GramLanguage Models. Thèse pour le titre de "Doctor of Philosophy of Computer science".University of Waterloo, Canada. [En ligne] site de l'Université de Waterloo :http://ai.uwaterloo.ca/~f3peng/publication/thesis.pdf

SOUCY Pascal et MINEAU Guy, 2005. Beyond TFIDF Weighting for Text Categorization inthe Vector Space Model. 19e International joint conference on Artificial intelligence, àEdinbourg, Écosse. [En ligne] sur le site de l'IJCAI : http://www.ijcai.org/papers/0304.pdf

* *

UN PLAGIAT EN FORME DE SAUCIÈRE GRAS MAIGRE

Parmi les plagiats mis en évidence par leur coloration (voir annexe), reprenons deux d'entre eux publiés en bleu marine et renvoyant, comme source, à la seule thèse de RadwanJalam. Il s'agit des deux séquences-plagiat suivantes. Pour mieux distinguer ces séquences l'une de l'autre, la seconde passe ci-dessous du bleu marine maigre au bleu émeraude gras.

JALAM Radwan, 2006. (thèse 2003, p. 11).

The categorization of documents comports a choice of a learning technique (or classifier). The main classifiers used are the following:
- Discriminated factorial analysis (2)
- Neuronal network (3)
- K-neighbors (4)
- Decision tree (5)
- Bayesian network (6).

JALAM Radwan (thèse 2003, p.11)

[2] Lebart and Salem, 1994. [3] Wiener et al. 1995. Schütze et al. 1995. Stricker. 2000. [4] Yang and Chute, 1994. Yang et Liu. 1999. [5] Lewis and Ringuette, 1994. Apté et al. 1994. [6] Borkoand Bernick, 1964. Lewis, 1998. Andropsopulos et al., 2000. Chai et al., 2002. Adam et al., 2002.

Citons maintenant le texte source, unique et en français, de ces 2 séquences tel qu'il apparaît à la page 11 de la thèse de Radwan Jalam :

1.3.2. Choix de classifieurs
La catégorisation de textes comporte un choix de technique d’apprentissage(ou classifieur) disponibles. Parmi les méthodes d’apprentissage les plus souvent utilisées figurent l’analyse factorielle discriminante [Lebart andSalem, 1994], la régression logistique [Hull, 1994], les réseaux de neurones [Wiener et al., 1995, Schütze et al., 1995, Stricker, 2000], les plus proches voisins [Yang and Chute, 1994, Yang andLiu, 1999], les arbres de décision [Lewis and Ringuette, 1994,Apté et al., 1994], les réseaux bayesiens [Borko and Bernick, 1964,Lewis, 1998, Androutsopoulos et al., 2000, Chai et al., 2002,Adam et al., 2002], les machines à vecteurs supports [Joachims, 1998,Joachims 1999, Joachims 2000, Dumais et al., 1998 HE et al., 2000] et (...)

Les 2 séquences-plagiat, séparées dans l'article, proviennent de la même séquence-source de la thèse. Par une méthode qui rappelle celle de certaines saucières dites "gras maigre", à un seul réservoir mais deux becs verseurs, le plagiaire a séparé la séquence-source (thèse de Jalam) en deux, pour en faire deux plagiats : un premier plagiat, la liste des "classifieurs" traduit en "classifiers", utilisé dans le corps du texte (ici en maigre) et un second plagiat, les références bibliographiques (en gras), placé en fin d'article.

Notons que dans ce cas, même si le texte source n'avait été traduit du français vers l'anglais, ce type de dissociation en deux du texte source aurait placé les 2 séquences-plagiat qui en sont issues à l'abri du repérage par un logiciel "anti-plagiat".

RENDRE À CÉSAR CE QUI APPARTIENT À ...

L'article ayant trois co-auteurs, on peut être tenté d'attribuer à chacun ses plagiats. On ne dispose alors que d'indices. Il est probable que c'est Majed Sanan qui dispose du fichier des 2667 textes du parlement libanais et le fait entrer dans une machine d'où sortent des tableaux et des statistiques, signes d'une intense activité de recherche. Pour le reste, on peut noter les éléments, ou indices, qui suivent :

Plagiats issus de l'article de Laila KHREISAT :

Sur Google, les requêtes associant le nom de Laila Khreisat avec celui de M. Sanan, ou celui de M. Rammal, ne donnent aucun résultat.

Par contre, la requête sur Google associant les noms de Laila Khreisat et Kaldoun Zreik conduit à l'article Classification of Arabic Information Extraction methods. Article co-signé par trois auteurs: A. S. Al Hajjar, M. Hajjar et K. Zreik en 2009, donc postérieurement à l'article co-signé par Majed Sanan, Mahmoud Rammal et Kaldoun Zreik. Un emprunt, sans guillemets de rigueur, y est fait au même article de Laila Khreisat plagié dans l'article co-signés par Majed Sanan, Mahmoud Rammal et Khaldoun Zreik.

Dans ce dernier article Classification of Arabic Information Extraction methods, le plagiat du texte de Laila Khreisat se présente sous une forme mixte, aujourd'hui très fréquente. Le texte emprunté est bien précédé de la source, mais en l'absence totale de guillemets le lecteur est conduit à penser que le texte se référant aux travaux de Laila Khreisat est bien rédigé par les co-auteurs de l'article, donc le fruit d'un travail de synthétisation et de rédaction, alors qu'il n'est que l'assemblage de simples copier-coller (en rouge) issus de l'article cité de Laila Khreisat. Une forme de plagiat que le CNU de droit public juge pour sa part "indigne d'universitaires" (cf. La lutte contre le plagiat à l'université est mal partie) :

L. Khreisat (2006) presented the N-Gram Frequency Statistics technique for classifying arabic text documents. The technique employs a dissimilarity measure called the “Manhattan distance”, and “Dice’s measure”. (...) A corpus of arabic text documents was collected from online arabic newspapers, 40% of the corpus was used as training classes and the remaining 60% of the corpus was used for classification. All documents, whether training documents or documents to be classified went through a preprocessing normalization phase that remove the punctuation marks, the stop words, the diacritics, (...)

Notons à cette occasion que Laila Khreisat, la plagiée, a entrepris ses études à l'Université de Yarmouk, en Jordanie, avant de passer deux masters et un Ph. D à Columbia University et à la City University of New-York. Majed Sanan, le thésard plagiaire a fait ses études à l'Université de Beyrouth puis à choisi Caen et ensuite Paris 8 pour rédiger sa thèse-plagiat. Peut-être qu'il lui aurait été plus difficile de faire valider ce genre de travaux à New-York.

Plagiat issu de Fuchun PENG :

Sur Google, la requête associant les noms de Fuchun Peng et K. Zreik conduit à la thèse de D. NGuyen (thèse en Informatique de l'Université de Caen, 2006) : Extraction d'Information à partir de documents Web multilingues : une approche d'analyse structurelle. Thèse dirigée par Kaldoun Zreik (rapporteurs Imad Saleh et Saïd Tazi). Fuchun Pen y est cité dans la bibliographie pour un autre article sur les n-grammes

Par contre, sur Google, l'association du nom de Fuchun Peng avec celui de M. Sanan, ou celui de M. Rammal, ne donne aucun résultat.

Aucune requête sur Google associant deux à deux les noms de Nadkarni, Mineau ou Soucy avec M. Sanan, M. Rammal ou K. Zreik ne donne de résultats.

* *

ÉTUDE INACHEVÉE

Le second article co-signé par Majed Sanan, Mahmoud Rammal et Kaldoun Zreik et objet de "copier-coller" par M. Sanan pour sa thèse est intitulé "L’accès multilingue à l’information scientifique et technologique : limitations des moteurs de recherche en langue arabe".

Cet article a été publié en ligne dans les actes du CIDE 10, 10 ème Colloque International sur le Document Electronique, organisé à l'initiative de K. Zreik, qui s'est tenu à Nancy du 2 au 4 juillet 2007. (http://cide10.inist.fr/article.php3?id_article=14).

L'analyse de cet article sous l'angle de ses plagiats n'est pas achevée pour la raison suivante:

La plateforme Internet IEEEXplor DIGITAL LIBRARY, émanation de l'IEEE, propose l'article, "Internet Arabic Search Engines Studies", co-signé par M. Sanan, M. Rammal et K. Zreik.

Sur IEEEXPLORE, cet article est présenté comme partie des actes du Colloque ICTTA 2008 (Information and Communication Technologies : from Theory to Applications). Nous n'avons pas encore eu accès à ce document. Notre hypothèse est que cet article en langue anglaise pourrait être, au moins pour certaines parties, assez proche de l'article publié en français dans les actes du CIDE 10. Dans le cas de plagiats issus de sources anglaises que nous n'avons pas encore repérés dans la version CIDE 10, ils seront plus facilement détectés, si notre hypothèse se vérifiait, depuis l'analyse de leurs versions anglaises.

Nous nous limiterons donc à une bibliographie inachevée des plagiats de cet article du CIDE 10. Cette "bibliographie" s'ajoute aussi, pour les raisons mentionnées plus haut, comme plagiats de deuxième ordre, à la bibliographie des plagiats de la thèse de M. Sanan.

Bibliographie des plagiats :

HARMANANI Haidar, KEIROUZ Walid et RAHEEL Saeed (2006).

A Rule-Based Extensible Stemmer for Information Retrieval with Application to Arabic. In The International Arab Journal of Information Technology, Vol. 3, N° 3, July 2006. [En ligne] site des Colleges of Computing and Information Society (CCIS):http://www.ccis2k.org/iajit/PDF/vol.3,no.3/12-Haidar.pdf

KADRI Youssef et NIE Jian-Yun (2004). Traduction des requêtes pour la recherche d’information translinguistique anglais-arabe. Colloque JEP-TALN, Traitement Automatique de l'Arabe, Fès. [En ligne] site de l'Université d' Aix : www.lpl.univ-aix.fr/jep-taln04/proceed/actes/arabe2004/TFYK31.pdf

XU Jinxi, FRASER Alexander, WEISCHEDEL Ralph (2002). Empirical studies in strategies for arabic retrivial. [en ligne] site de l'Université de Stuttgart :

http://www.ims.uni-stuttgart.de/~fraser/pubs/fraser_sigir2002.pdf

* *

Note (1)

Le contexte de la publication d'articles co-signés par ces 3 auteurs aux éditions Europia sera abordé dans un prochain article, LE SOUFFLE DE SHANGHAI ET LES ERREMENTS DE LA BIBLIOMÉTRIE.

Les éditions Europia sont un département d'Europia productions, entreprise de communication fondée et dirigée par K. Zreik.

Europia organise de nombreux colloques et conférences scientifiques (Europia, ICHSL, CIDE, HyperUrbain, CAC, PhDit, DEECE, O1Design) qui s'adressent principalement à des architectes liés à l'informatique, à des informaticiens et des chercheurs en Sciences de l'information et de la communication. Les actes de ces colloques sont ensuite publiés aux éditions Europia.

Jean-Noël Darde

MCF - Université Paris 8

* * *

ARTICLE IN-EXTENSO

Rappel : nous avons adopté pour reproduire cet article les mêmes codes chromatiques de présentation que pour la conclusion de la thèse-plagiat de Marie-France Ango Obiang (cf. "Nancy 2 : le plagiat c'est ça !").

Toutes les séquences en couleurs sont les séquences plagiées documentées. Les séquences en noir sont donc soit des séquences écrites de la main des co-auteurs, soit des plagiats non repérés.

Les mots en arabe, les équations (see equation 1, 2...), les tableaux (table 1, 2...) et les illustrations (figure...) n'apparaissent pas en tant que tels ci-dessous. Mais leurs places sont mentionnées.

ARABIC DOCUMENTS CLASSIFICATION USING N-GRAM
Majed Sanan, Paris 8, University Paris, France
Mahmoud Rammal, Lebanese University, Beirut - Lebanon
Khaldoun Zreik, Paris 8, University Paris - France

KHREISAT Laila (2006 p. 1)
I. INTRODUCTION
The rapid growth of the internet has increased the number of online documents available. This has led to the development of automated text and document classification systems that are capable of automatically organizing and classifying documents. Text classification (or categorization) is the process of structuring a set of documents according to a group structure that is known in advance. There are several different methods for text classification, including statistical-based algorithms, Bayesian classification, distance-based algorithms, k-nearest neighbors, decision tree-based methods... ([4] to name a few).
Text classification techniques are used in many applications, including e-mail filtering, mail routing, spam filtering, news monitoring, sorting through digitized paper archives, automated indexing of scientific articles, classification of news stories, and searching for interesting information on the web (WWW).

The majority of these systems is designed to handle documents written in non-Arabic
language, developing text classification systems for Arabic documents is a challenging task due to the complex and rich nature of the Arabic language.(...) The Arabic language consists of 28 letters. The language is written from right to left. It has very complex morphology, and the majority of words have a tri-letter root. The rest have either a quad-letter root, penta-letter root, or hexa-letter root.
In our approach, we will use only the similarity measures and compare the results in order to know the convenient measure in classification using N-grams. And because that classification is one method of text mining we will explain in the following paragraph the steps of text mining, then we will see the preprocessing and indexing of texts before to be classified. At the next paragraph, we will explain the different similarity measures that we will use in our approach, and then the effectiveness measure used to calculate the precision and recall of each class. At paragraph 6 we will explain our approach and experiments, and finally we will see the conclusion and future approaches.

PPT : Text Based Information Retrieval - Document Mining
II TEXT MINING
A Definition Text mining is defined[1] as the non-trivial extraction of implicit, previously unknown, and potentially useful information from (large amount of) textual data. Text Mining is the process of applying automatic methods to analyse and structure textual data in order to create useable knowledge from previously unstructured information. B Text mining methods There are many text mining applications or methods. Four of these methods are the following:
* Information Retrieval This method consists of indexing and retrieval of textual documents.
* Information Extraction; It means extraction of partial knowledge in the text.
* Web Mining It consists on indexing and retrieval of textual documents and extraction of partial knowledge using the web.
* classification Given: a collection of labelled documents (training set), the goal is to find a model for the class as a function of the values of the features

C Text mining steps
These steps concern principally the manner in which a text is represented (or structured), the choice of predicted algorithm to use, and then how to evaluate the obtained results to guarantee a good generalization of the model applied.

1) Representation of the information
In this step, we have to segment the unstructured information and put the units segmented into a table. But we have to choose the descriptors (important terms in documents) which can be chosen as words, lemmas, stemmas, or n-grams (characters or words or phrases).
And finally in some cases we have to think how to reduce the dimension of this textual space.
2) Automatic categorization of documents
This is the second step, the text categorization can be defined as the process that permit to associate a category(ies) or class(es) to a text (or document), in function of information contained in this text.
This association is very long and expensive then we think about the automation of this process. The functional link between a class and a document, that is called “a prediction model”, is estimated by a machine learning method.

JALAM Radwan, 2006. (thèse, p. 11).
The categorization of documents comports a choice of a learning technique (or classifier). The main classifiers used are the following :
- Discriminated factorial analysis (2)
- Neuronal network (3)
- K-neighbors (4)
- Decision tree (5)
- Bayesian network (6).
In this final step, we have to evaluate the obtained results to guarantee a good generalization of the model applied.

KHREISAT Laila (2006. p.2)
III TEXT PREPROCESSING AND INDEXING
All text documents went through a preprocessing stage. This was necessary due to the variations in the way text can be represented in Arabic. The preprocessing was performed for the documents to be classified and the training classes themselves. Preprocessing consisted of the following steps:
1) Convert text files to UTF-8 encoding.
2) Remove punctuation marks, diacritics, non-letters, stop words. The definitions of these were obtained from the Khoja stemmer.
3) Replace initial ?? with ??
4) Replace final ?? followed by ??? with (???)

XU Jinxi, FRASER Alexander, WEISCHEDEL Ralph (2002, p. 2)
A Spelling normalization and mapping
Arabic orthography is highly variable. For instance, changing the letter YEH (?) to ALEF MAKSURA (?) at the end of a word is very common (Not surprisingly, the shapes of the two letters are very similar.). Since variations of this kind usually result in an “invalid” word, in our experiments we detected such “errors” using a stemmer (the Buckwalter Stemmer) and restored the correct word ending.
A more problematic type of spelling variation is that certain glyphs combining HAMZA or MADDA with ALEF (e.g. ??, ?? and ??) are sometimes written as a plain ALEF (??), possibly because of their similarity in appearance. Often, both the intended word and what is actually written are valid words.
This is much like confusing “résumé” with “resume” in English. Since both the intended word and the written form are correct words, it is impossible to correct the spellings without the use of context.
We explored two techniques to address the problem.
1) With normalization technique, we replace all occurrences of the diacritical ALEFs by the plain ALEF.
2) With the mapping technique, we map a word with the plain ALEF to a set of words that can potentially be written as that word by changing diacritical ALEFs to the plain ALEF. In this absence of training data, we will assume that all the words in the set are equally probable.
Both techniques have pros and cons. The normalization technique is simple, but it increases ambiguity. The mapping technique, on the other hand, does not introduce additional ambiguity, but it is more complex.

XU Jinxi, FRASER Alexander, WEISCHEDEL Ralph (2002, p. 2)
B Arabic stemming
Arabic has a complex morphology. Most Arabic words (except some proper nouns and words borrowed from other languages) are derived from a root(root). A root usually consists of three letters. We can view a word as derived by first applying a pattern (patern) to a root to generate a stem and then attaching prefixes and suffixes to the stem to generate the word (7) (Khoja and Garside, 2001). For this reason, an Arabic stemmer can be either root-based or stem-based.

C Character N-grams Broken plurals (...) are very common in Arabic. There is no existing rule-based algorithm to reduce them to their singular forms, and it seems that it would be not be straight-forward to create such an algorithm. As such, broken plurals are not handled by current Arabic stemmers. One technique to address this problem is to use character n-grams. Although broken plurals are not derived by attaching word affixes, many of the letters in broken plurals are the same as in the singular forms (though sometimes in a different order). If words are divided into character n-grams, some of the n-grams from the singular and plural forms will probably match. This technique can also handle words that have a stem but cannot be stemmed by a stemmer for various reasons. For example, the Buckwalter stemmer uses a list of valid stems to ensure the validity of the resulting stems. Although the list is quite large, it is still not complete. N-grams in this case provide a fallback where exact word match fails. Inprevious (this) work [8], experiments have been made (we have experimented) with n-grams created from stems as well as n-grams from words. N-grams were created by applying a shifting window of n characters over a word or stem. If the word or stem has fewer than n characters, the whole word or stem was returned. The following table shows some results of these experiments. Two methods of creating n-grams were tried: from words and from stems. Retrieval scores in Table I (2) show that stem-based n-grams are better than word-based n-grams for retrieval. The probable reason is that some of the word-based n-grams are prefixes or suffixes, which can cause false matches between documents and queries (.)

PENG Fuchun (2003, p. 10)
However, character level n-gram models offer the following benefits and have been successfully used in many IR problems:
1. Language independence and simplicity: character level n-gram models are applicable to any language, and even non-language sequences such as music or gene sequences.
2. Robustness: Character level n-gram models are relatively insensitive to spelling variations and errors, particularly in comparison to word features.
3. Completeness: the vocabulary of character tokens is much smaller than any word vocabulary and normally is known in advance. Therefore, the sparse data problem is much less serious in character N-gram models of the same order.

SIMILARITY AND MATCHING MEASURES IN VECTOR SPACE MODEL

In this paragraph we will explain some similarity and matching measures in vector space model often used in Information Retrieval, but we will use them in similarity between a document and a class.
Now that we have the document in a form that minimizes the information we need to consider when matching documents to classes we have to do some matching.
Under the vector and probabilistic models, the document is initially indexed in the same way as the classes.
A TF*ICF weight
In fact I have used the TF*ICF and apply it to the class, then the query will be replaced by the document to be classified and the document will be replaced by the class, then I have defined the new weight TF*ICF.

In TF*ICF, ICF stands for inverse class frequency and TF stands for term frequency (“*” indicates multiplication).

http://en.wikipedia.org/wiki/Tf-idf
The term frequency (count) in the given class is simply the number of times a given term appears in that class (document). This count is usually normalized to prevent a bias towards longer classes (which may have a higher term frequency regardless of the actual importance of that term in theclass (document) to give a measure of the importance of the term t i within the particular class (document dj). (...)

(see equation 1)

where n i is the number of occurrences of the considered term, and the denominator is the number of occurrences of all terms (in document dj).

The inverse class frequency is a measure of the general importance of the term (obtained by dividing the number of all classes by the number of classes containing the term, and then taking the logarithm of that quotient).

(see equation 2)

with
* |C|, total number of classes in the corpus
and |{c:ti∈c}|, number of classes (documents) where the term t i appears (that is n i ≠ 0) (...).

Then

(see equation 3)

A high weight in TF–IDF is reached by a high-term frequency (in the given document) and a low document frequency of the term in the whole collection of documents; the weights hence tend to filter out common terms.(...)

NADKARNI Prakash (cours:http://ycmi.med.yale.edu/nadkarni/db_course/IR_Frame.htm
ICF (IDF) is defined as log (no of classes (documents) in the collection/no of classes containing this document in the collection). This reflects the fact that uncommon documents are more likely to useful in narrowing down the selection of class (documents) than very common documents. TF is defined as log (frequency of term in this class) this reflects the fact that if a keyword occurs multiple times in a class, that class is more likely to be relevant than a class where the keyword occurs just once.

DUNLOP Mark D. (1994, p. 11)
B Dice's coefficient
Now that the documents are both represented as vectors, the vector space model considers the similarity of them to be based on the angle between the two vectors in space. Up until this point (and with the probabilistic model), the vector has simply been a convenient mathematical model for storing a list of terms and their weights. The vector space model then makes the jump to processing them as if they were real geometrical vectors in a space with thousands of dimensions. Although this seems rather strange initially, it is based on an extension of a simple matching routine for non-weighted indexes. Consider non-weighted indexes for the above document and the sample class, these are basically a list of four words for the document and fourteen for the class. A rough measure of matching strength is the number of terms they have in common, in this case two. This does not take into account how large each class is and would have a tendency to match larger documents, so we could divide by the number of terms in total between the document and the class. This leads to Dice's coefficient:

(see equation 4)

where |D∩C| is the number of terms common to the document and class, |D| is the number of terms in the document, |C| the number in the class, and m the matching value – the fraction is doubled to give a maximum value, for matching a class with itself, of 1 instead of 0.5.

C Cosine coefficient
When considering weighted terms, like those we indexed, it is not possible to simply count the number of terms in common. Instead the vector space model multiplies the term weights together. For the vast majority of terms either the document or the class will have a zero weight, hence the resulting weight is zero. These individual new weights are then summed to give the top line of the matching algorithm. For a document D of N terms and for a class vector C, this leads to:

(see equation 5)

where ‖D‖ is the length of the document (= total number of terms in document D), D i is the weight of term i in vector D, and N is the total number of individual terms (the dimensionality of C). In geometry, this equation is used to calculate the cosine of the angle between the two vectors, hence this matching routine is known as the cosine coefficient.

Although quite simple to understand this approach has no sound bases in information theory there is no theoretical reason for this to be a good matching algorithm. The cosine coefficient does, however, perform well in practice, is reasonably easy to code and is used in many retrieval systems.

V. CLASSIFICATION EFFECTIVENESS
( PRECISION AND RECALL)

KHREISAT Leila (2006 p. 2)
Precision and recall are defined [9] as follows:

(see equation 6)

where CC, number of correct categories (classes) found
TCF, total number of categories found
TC, total number of correct categories
Ever since the 1960s information retrivial (IR) effectiveness is evaluated using the twin measures of recall and precision (10).

Pascal Soucy Guy W. Mineau (2005)
To combine the two measures (precision and recall) in a single value, the F-measure is often used. The F-measure reflects the relative importance of recall versus precision. When as much importance is granted to precision as it is to recall we have the F 1-measure (...)
which is an estimation of the breakeven point where precision and recall meets if classifier parameters are tuned to balance precision and recall.
Then we can also use a single-number measure for the effectiveness as follows:
(see equation 7)
where F 1 as a harmonic mean of precision and recall (10). For this study, relevance has been defined conceptually as:

VI. OUR APPROACH

A. Corpus
We work on the meeting minutes of Lebanon parliament. Our database content all minutes from 1922 until 2005. The meetings are riche in different kind of information (economical, political, juridical, social, etc.). In other ways, we have a database for the official journal that content all laws and decrees. The texts of official journal are classified manually. Our work is to apply classification of official journal to parliament
minutes in which Lebanese official journal documents form the main part. Then our corpus is the Lebanese official journal documents for year 2002 that form about 2,667 classified (labelled) documents.

B. Methodology
In our approach, we have chosen the N-gram method to represent information. And then to categorize the texts we will use the learning method in which we supposed that we have some categorized texts (learning texts) that we used to find the prediction method using the n-gram technique.

JALAM Radwan (thèse 2003, p.11)
CROQUIS : TEXT CATEGORIZATION PROCESS

In our experiment, the learning texts will be the 2667 Lebanese official journals
(for the year 2002).
These documents are classified and each document belongs to one or multiple predefined classes.

We have two levels of classification, then each document belongs to a class of Level 1 and then to a subclass of a Level 2.
In general, we have three main classifications (Level 1):
1- Administrative classification.
2- Juridical classification.
3- Thematic classification.

And in each classification we have different classes, for example in administrative classification we have 137 classes. Table 2 shows some of these classes.

TABLE 2 : administration classes

Using these classified documents we will segment them by using N-gram method (three characters) and then segment the two level classes.
Then we will try to find the candidate words for each class (levels 1 and 2) and for each document using the vector space model.
After that we will apply the similarity and matching measures on documents and classes to classify automatically the pre classified documents.
Then we will conclude which is the convenient measure using the precision and recall parameters. Knowing the convenient measure we can then in the future use it to classify new documents.

C Experimental software
To segment the 2667 documents that form the corpus, using the n-gram method, I have made a program (using VB.net) that use the N-gram with 3,4, and 5 characters and give the result in a table (top 50).

D Experience
KHREISAT (2006, p. 3)
Generating the N-gram profile consisted of the following steps: 1) Split the text into tokens consisting only of letters. All digits are removed. 2) Compute all possible N-grams, for n = 3 (Trigrams). 3) Compute the frequency of occurrence of each N-gram. 4) Sort the N-grams according to their frequencies from most frequent to least frequent. Discard the frequencies 5) This gives us the N-gram profile for a document. For training class documents, the N-gram profiles were saved in text files. Each document to be classified went through the text preprocessing phase, and then the N-gram profile was generated as described above. The N-gram profile of each text document (document profile) was compared against the profiles of all documents in the training classes (class profile) in terms of similarity. Specifically, two measures were used.

FIGURE 3 : Classify documents using 3-grams

FIGURE 5 : Classification result

E. Results

Calculate the precision and recall basing on similarity methods and then choose the convenient method

Level 1: TF*ICF
Table 3 : Level 1, TF*ICF Classification

Table 4 : Level I, Cosine coefficient Classification

Table 5 : Level I, Dice Classification

Table 6 : Level 2, TF*ICF Classification

Table 7 : Level 2, Cosine coefficient Classification

Table 8: Level 2, Dice Classification

F. Discussion

We remark that the cosine coefficient measure in the two levels has given us the best results between the three measures used. In Level 1, the average F 1 in case of using cosine coefficient as similarity method is: 0.4764, and in level 2 it is: 0.3099.
Then it is the best between the three measures but it still insufficient.
In the results above you will see the term NaN which means Not a Number, it means that we have in the denominator a zero, then the number is not defined.
In Level 1, we remark that the precision and recall for juridical class using TF*ICF and Dice coefficient is zero, that is because no correct classes or categories are found. We can explain by the expanding of juridical documents it means a juridical document can be considered as in administrative or thematic class.
In Level 2, the waste case was that of Dice coefficient in which contains 403 NaN may be because the Dice coefficient uses the intersection between the document and class divided by the sum of document and class. Then may be the ration very low for a document that belongs to a certain class.

VII. CONCLUSIONS AND FUTURE WORK
XU Jinxi, FRASER Alexander, WEISCHEDEL Ralph (2002)
Arabic is one of the most widely used languages in the world, yet there are relatively few studies on the retrieval and classification of Arabic documents.

KHREISAT Laila (2006, p. 4)
This paper presented the results of classifying Arabic text documents using the N-gram frequency statistics technique employing three similarity(dissimilarity) measures: TF*ICF, cosine coefficient, and Dice's measure of similarity.
Results showed that N-gram text classification using the cosine coefficient(Dice) measure outperforms classification using the Dice's measure and TF*ICF weight (the Manhattan measure).
This work evaluated a number of similarity measures for the classification of Arabic documents, using the Lebanese parliament documents and especially the Lebanese official journal documents Arabic corpus as the test bed.
We have proposed a segmentation method (N-gram) applied on Arabic documents, and our goal is to find the convenient similarity measure that gives us the powerful results when applied to Lebanese official journal documents.
the N-gram method is good, but still insufficient for the classification of Arabic documents, then we have to look at the future of a new approach like distributional or symbolic approach in order to increase the effectiveness.

REFERENCES
[1] Wikipedia Encyclopedia. Available at: http://en.wikipedia.org/

JALAM Radwan (thèse 2003, p.11)
[2] Lebart and Salem, 1994.

[3] Wiener et al. 1995. Schütze et al. 1995. Stricker. 2000.

[4] Yang and Chute, 1994. Yang et Liu. 1999.

[5] Lewis and Ringuette, 1994. Apté et al. 1994.

[6] Borko and Bernick, 1964. Lewis, 1998. Andropsopulos et al., 2000. Chai et al., 2002. Adam et al., 2002.

[7] Shereen Khoja and Roland Garside, Stemming Arabic text, Computer Science Department, Lancaster University, Lancaster, UK, www.comp.lancs.ac.uk/computing/users /khoja/stemmer.ps, . 1999.

[8] Jacques Mayfield, Paul McNamee, Cash Costello, Chrisitne Piatko and Admit Banerjee. JHU/APL at TREC 2001: Experiments in Filtering and in Arabic, Video, and Web Retrieval, in E. Voorhees and D Harman (eds).Proceedings of the Tenth TextREtrieval Conference (TREC 2001). Gaithersburg, Maryland. July 2002.

[9] Ahmed Abdelali, Improving Arabic Information Retrieval Using Local Variations in Modern Standard Arabic, New Mexico Institute of Mining and Technology, 2004.

[10] Victor Lavrenko. Center for intelligent Information Retrieval. University of Massachusetts Amherst. Hopkings IR Workshop (2005).

* * * * *

* SERIALS PLAGIAIRES [1] : signatures et profils des plagiaires.

2010-04-11T13:28:00.000-07:00

NOUVELLE VERSION DU BLOG

http://archeologie-copier-coller.com/

10 commentaires (cliquer). Le commentaire n° 9 a été envoyé par Majed Sanan, auteur de la thèse-plagiat analysée dans cet article.

* 1ère mise en ligne de ce texte: 12 avril 2010 . Dernières modifications le 2 mai.
Articles précédents : Les pieds dans le plagiat et La lutte contre le plagiat à l'Université est mal partie.
L'étude sur la thèse de M. Sanan sera complétée par un second article: "AUTOPSIE D'UNE THÈSE-PLAGIAT, SUITE". Il sera mis en ligne en mai, avec deux autres articles.

* *
- Dans le cadre de ce travail, nous n'avançons qu'avec prudence et toujours en présentant des éléments de preuves que chacun est en mesure de vérifier et apprécier. Notons que dans le cas de plagiats avérés, et plus encore sous sa forme particulière du copier-coller, l'exposé précis des faits laisse peu de place au doute.

- Dans les cas présentés, les responsabilités des doctorants en cause paraîtront presque secondaires en comparaison des responsabilités de ceux qui ont laissé se mettre en place ce système qui produit des thèses-plagiat.
Les premières victimes des plagiaires sont d'abord les étudiants qui ne plagient pas puisqu'on leur délivre les mêmes diplômes dévalués qu'aux plagiaires. Les plagiés risquent aussi un jour, surtout s'ils poursuivent une carrière universitaire, de se voir reprocher d'avoir plagié leur plagiaire. Enfin, le petit monde du plagiat facile porte aussi un tort considérable, à l'échelle des universités, des écoles doctorales, des laboratoires, des UFR et des départements, à tous les universitaires, la grande majorité, qui ne tolèrent pas le plagiat.

- Si cette étude, et les suivantes (Serials plagiaires [2], [3], [4]...), pouvaient seulement convaincre qu'Internet, corne d'abondance des plagiaires, peut aussi se retourner contre eux ce serait déjà un premier résultat satisfaisant.

* *

Dans les études publiées sur ce blog, la présentation de quelques thèses-plagiat permettra de montrer la diversité des modes opératoires mis en œuvre aussi bien pour la production de plagiats dans les travaux universitaires que pour leur reconnaissance. Ces études dégageront quelques "profils" et "signatures" de plagiaires. À chaque type de plagiat correspondent des traces textuelles et discursives spécifiques et, par conséquent, des moyens et techniques différenciés de repérage.

Ces études illustreront donc aussi l'erreur manifeste qui consisterait à confier aux seuls logiciels dits "anti-plagiat" le soin de distinguer les travaux universitaires digne de ce nom des travaux-plagiat (cf. article : La lutte contre le plagiat à l'Université est mal partie).

Le cas de deux thèses, de Sang-Ha SUH et Majed SANAN, a déjà été évoqué dans des articles publiés sur ce blog (Cache-cache plagiat et Les pieds dans le plagiat).
Le jury de soutenance qui a accordé les félicitations à Sang-Ha Suh était présidé par Gilles Bernard (Paris 8). Patrick Curran (directeur de recherche et rapporteur, Paris 8), Guy Chapouillié (rapporteur, Toulouse Le Mirail), Jacques Rubenach (examinateur, Paris 13) et Bernard Rignault (examinateur, Musée de l'Air et de l'Espace) complétaient le jury.
Outre Kaldoun Zreik, directeur de recherche, le jury de soutenance de la thèse de Majed Sanan était composé de Mohamed Hassoun (rapporteur, ENSSIB, Lyon), Said Tazi (rapporteur, Université de Toulouse) et Imad Saleh (examinateur, Paris8).

Ces deux thèses ont fait l'objet d'une étude par une "Commission de déontologie" mise en place le 11 février 2010 par le Conseil scientifique de l'Université Paris 8. Concernant la thèse de M. Sanan dirigée par Kaldoun Zreik, on lit ceci dans le relevé des libérations du Conseil scientifique du 25 mars 2010 :

Suite au cas de plagiat déjà abordé au CS, Elisabeth Bautier rappelle que le Conseil du 11 Février a voté la mise en place d’une Commission de déontologie et que par la suite une expertise a été faite sur la thèse en question. L’analyse de la thèse fait apparaître un pourcentage de texte original de l’ordre de 35%, en ce cas le diplôme peut être annulé. La proposition d’engager une démarche d’annulation est mise au vote.

Le CS vote à l’unanimité l’annulation du diplôme.

Soulignons d'abord que Paris 8 n'a pas l'apanage des thèses-plagiat et qu'il faut donc mettre cette annulation au crédit de cette université. En effet, et sauf erreur de notre part, depuis l'arrivée d'Internet, l'annulation d'une thèse pour plagiat est une première dans l'Université française (le cas d'une dé-qualification décidée par le CNU en 2007, et confirmée par le Conseil d'État en 2009, étant mis à part).
Nous commenterons à la fin de cet article ce délibéré du Conseil scientifique, mais notons dès à présent que, comme l'atteste l'étude ci-dessous, nous avons déjà documenté pour cette même thèse un pourcentage de plagiat supérieur à 90%, donc sensiblement supérieur à celui de 65% de "l'expertise" diligentée par la Commission de déontologie.

LE PLAGIAT EN PARTAGE

Nous commencerons donc par l'étude de la thèse soutenue par Majed Sanan. Intitulée Étude des méthodes de la recherche d'information et de l'indexation sur les documents électroniques : cas de la langue arabe, cette thèse a été soutenue en septembre 2008 (mention très honorable).
Cette thèse d'un étudiant libanais, aujourd'hui enseignant à l'Université de Beyrouth, a pu se faire dans le cadre d'un protocole de coopération entre l'Université libanaise et l'Université de Caen. Rédigée sous la direction de Kaldoun Zreik, ancien professeur en Informatique à Caen, cette thèse a été soutenue à Paris 8, à la suite de la mutation de K. Zreik dans cette université comme professeur en Sciences de l'information et de la communication.
Cette thèse porte donc la mention "informatique" (27e section du Conseil National des Universités), bien que 3 des 4 membres du jury de soutenance appartenaient à la 71e section du CNU (Sciences de l'information et de la communication).

Cette thèse a été mise en ligne par la Bibliothèque universitaire de Paris 8 en 2009 et y était toujours le 9 avril 2010. L'accès à la forme numérique de ce document a facilité le repérage de ses plagiats, avec la seule aide de Google, et donc sans faire appel aux logiciels dits "anti-plagiats".
Les "copier-coller" stricts, c'est-à-dire presque sans aucune modification des documents sources, constituent la majorité des plagiats de cette thèse. Cette thèse est donc du type de celles qui, soumises au seul contrôle d'un logiciel anti-plagiat, apparaissent rapidement pour ce qu'elles sont.

1) Les sources plagiées

Table des matières, bibliographie et annexes comprises, cette thèse est d'une dimension modeste, 129 pages dont 95 pour le texte stricto sensu de la thèse.
À la table des matières et à l'introduction, succèdent 3 parties : "Recherche des textes", en quelque sorte, la partie théorique (pages 21 à 45), "Langue arabe", l'étude des spécificités de cette langue et de leurs implications dans le cadre de recherche proposé (pages 47 à 62) et "Expérimentation", l'application expérimentale à un corpus en langue arabe (textes du parlement libanais) des résultats des recherches présentées dans la première et la seconde partie de la thèse (pages 64 à 109).

Cette thèse, en cela différente de la thèse-plagiat de Sang-Ha Suh que nous analyserons ultérieurement, plagie des sources cohérentes : des thèses, mémoires, et articles scientifiques qui paraissent à première vue, pour le non spécialiste que nous sommes de ce domaine particulier, d'un bon niveau scientifique.
Remarquons aussi que les copier-coller sont présents dès l'introduction de la thèse, et occupent l'essentiel de sa conclusion. Dans cette thèse, il est plus difficile de distinguer, sans risque de se tromper, les quelques paragraphes originaux qui seraient de la seule main de l'auteur Majed Sanan, que les longs copier-coller et quelques traductions qui en constituent l'essentiel.

La Partie I de la thèse est subdivisée en 4 chapitres. Dans l'introduction à cette partie et le premier chapitre (6 pages au total), tout est plagié sous forme de copier-coller facilement identifiables avec Google. Ceci à l'exception d'une conclusion de 4 lignes, apparemment de la main de Majed Sanan.
Les textes empruntés l'ont surtout été aux thèses d'informatique de Mathieu Stricker (1) et Ambroise Ingold (2), et accessoirement à Wikipedia et à un glossaire "technoscience".

Les 2e, 3e et 4e chapitres de cette première partie doivent quasiment tout aux copier-coller de la thèse d'informatique de Radwan Jalam (3), à l'exception de la conclusion du chapitre 4, empruntée à un article co-signé par Radwan Jalam et Jean-Hugues Chauchat (4), et de la conclusion du chapitre 3 qui est probablement de la main de Majed Sanan.
On notera que certains emprunts de M. Sanan à la thèse de Radwan Jalam sont, à l'occasion, eux-mêmes des paraphrases par Radwan Jalam de textes de la thèse de Mathieu Stricker, déjà citée. Cette même thèse de Mathieu Stricker étant en effet directement plagiée par Majed Sanan dans son chapitre 1 (voir ci-dessus).

Les conclusions aux chapitres 1 et 3, qu'il est raisonnable d'attribuer à M. Sanan, ont en commun, outre quelques maladresses (style, orthographe, ponctuation, phrases confuses) la répétition de l'expression "en faite".
Cette expression fautive, à nouveau répétée, facilitera le repérage de quelques uns des autres paragraphes attribuables au seul M. Sanan : pp. 58, 59, 64 et 113 (cette dernière occurrence figurant dans les annexes).

Pour s'en tenir à un exemple, la conclusion du chapitre 4, empruntée à l'article co-signé par Radwan Jalam et Jean-Hugues Chauchat, est intéressante sous 4 aspects :

Conclusion Majed Sanan : Nous proposons pour cela un algorithme qui extrait des candidats-mots-clés spécifiques à un sous-ensemble de textes. Une application est réalisée sur 2667 documents du journal officiel libanais (voir Partie III). La méthode donne des résultats encourageants ; les mots qui ont en commun des n-grammes sont sélectionnés. Nous proposons ensuite une méthode pour réduire les mots parasites, fondée sur la fréquence des mots et la proportion de n-grammes qu’ils contiennent. Cette méthode s’avère efficace, bien qu’elle travaille sur les fichiers de textes bruts, sans aucune analyse linguistique préalable.

Conclusion Jalam et Chauchat (texte source) : Nous proposons pour cela un algorithme qui extrait des candidats-mots-clés spécifiques à un sous-ensemble de textes. Une application est réalisée sur 6709 dépêches classées en 10 classes (les classes les plus représentées dans la collection Reuters). La méthode donne des résultats encourageants ; les mots qui ont en commun des n-grammes significatifs sont sélectionnés. Nous proposons ensuite une méthode pour réduire les mots parasites, fondée sur la fréquence des mots et la proportion de n-grammes significatifs qu’ils contiennent. Cette méthode s’avère efficace, bien qu’elle travaille sur les fichiers de textes bruts, sans aucune analyse linguistique préalable.

1) Majed Sanan, s'est contenté de copier-coller le texte source en remplaçant le corpus de Radwan Jalam et Jean-Hugues Chauchat (les "6709 dépêches classées" de Reuters) par le sien ("2667 documents du journal officiel libanais").
2) Cette conclusion affiche par ailleurs à deux reprises le déictique "nous", renvoi répété à l'énonciateur (passages soulignés en vert), qui atteste de la mauvaise foi et de la fraude de M. Sanan : il ne se contente pas de présenter la méthode d'un autre, qu'il jugerait pertinente et adaptée, pour traiter son propre corpus de textes. Majed Sanan présente cette méthode comme sienne, comme si elle était issue de ses propres recherches réalisées dans le cadre de cette thèse : "Nous proposons pour cela un algorithme..." "Nous proposons ensuite une méthode...".
3) À elle seule, une incohérence flagrante aurait du alerter les membres du jury de la thèse de M. Sanan: "La méthode donne des résultats encourageants" "Cette méthode s'avère efficace". Ces affirmations faites à ce stade, dès la partie 1 de la thèse de Majed Sanan, sont totalement incohérentes avec son organisation générale où toute "l'expérimentation" se fait à la partie 3.
Dans l'article Jalam et Chauchat, le texte source, cette conclusion vient précisément en aval de la présentation d'un "exemple d'application" sur les dépêches de Reuters, et non pas en amont comme c'est le cas dans la curieuse thèse de Sanan où les conclusions tirées des résultats des expériences arrivent avant même l'expérimentation.
Ces incohérences sont d'autant plus fréquentes dans les travaux issus de copier-coller que les plagiaires, dans la majorité des cas, ne lisent pas eux même attentivement les textes qu'ils copient-collent.
4) Ce corpus de "2667" documents issus du parlement libanais est un peu l'Arlésienne de cette thèse. Il est régulièrement cité (6 occurrences de "2667"), pour donner un accent d'authenticité à ces pseudo-recherches, sans que l'on en sache jamais beaucoup plus à son propos.

Notons que le repérage des copier-coller de cette partie 1 nous ont amené à la découverte incidente d'une autre thèse-plagiat soutenue en 2004 à Rouen [les plagiats en cascade sont des cas fréquents rencontrés dans ce type de situation (nous en publierons bientôt des exemples assez étonnants, toujours repérés à partir du travail réalisé sur le corpus principal des thèses du Laboratoire Paragraphe de Paris 8)].

La Partie 2 de la thèse de M. Sanan, "La langue arabe", comprend une brève introduction et deux chapitres (chapitre 5 et 6). L'ensemble de cette 2e partie est quasi exclusivement constitué d'emprunts à des textes déjà en ligne sur le web.
Si on exclue quelques rares lignes vraisemblablement de la main de Majed Sanan et une demi-page copiée depuis Wikipedia, tout le reste de cette deuxième partie est constitué d'alternances d'emprunts au mémoire d'informatique "Résumé automatique de texte arabe" de Fouad Soufiane Douzidia (5) et à un article publié dans les actes en ligne du 10e colloque CIDE (Colloque international sur le document électronique), "L’accès Multilingue à l’information scientifique et technologique : limitations des moteurs de recherche en langue Arabe" (6).
Des emprunts à Fouad Soufiane Douzidia introduisent et concluent (conclusion du chapitre 6) cette partie 2.
L'autre article (actes du 10e CIDE) est signé par Majed Sanan, Mahmoud Rammal et Kaldoun Zreik, c'est-à-dire, l'auteur même de la thèse (M. Sanan), son directeur de thèse (K. Zreik) et M. Rammal, enseignant à Beyrouth et présenté dans les remerciements de M. Sanan comme son co-directeur de thèse, bien qu'il ne figure pas dans le jury de soutenance :

"Je remercie Pr. Khaldoun ZREIK et Dr. Mahmoud RAMMAL pour m'avoir offert l'opportunité de réaliser ma thèse sous leur direction. Le cadre de travail offert et la liberté que m'a laissée M. ZREIK et M. RAMMAL m’ont permis d'explorer des domaines de recherche connexes à ma thèse et d'établir des collaborations avec d'autres chercheurs."

Cet article n'est pourtant nullement mentionné en tant que tel, pas plus dans ce chapitre que dans le reste de la thèse et, en particulier, n'apparaît pas dans la bibliographie, ou du moins pas sous la forme de référencement qui s'imposait. Nous verrons plus en avant ce que l'on peut penser de ce copier-coller et de son référencement très spécial.

La partie 3 de la thèse, "L'expérimentation", comprend 4 chapitres, numérotés de 7 à 10.
L'introduction à cette 3e partie correspond au style de M. Sanan (cf. une occurence de "en faite") et commence d'une façon, assez cocasse, qui aurait du intriguer le jury : "Dans cette partie on va présenter notre travail et contribution dans cette thèse".
Le détail de cette "contribution" :
Le premier chapitre de cette 3e partie (le chapitre 7) est intitulé : "Moteurs de recherche courants dans la RI arabe" (RI signifie recherche d'information). Introduction et conclusion comprises, et mis à part quelques déplacements de paragraphes, le texte de ce chapitre est rigoureusement identique à une partie de l'article cité précédemment, mis en ligne et co-signé par les trois auteurs Sanan, Rammal et Zreik. Notons que l'intégralité de cet article co-signé à trois se retrouve (inégalement réparti entre les 4 chapitres de la partie "expérimentation") dans la thèse signé du seul M. Sanan.

Le chapitre 8, "Approche statistique pure dans la RI arabe", commence par une introduction d'une page de la main de M. Sanan, quoique avec quelques inclusions de phrases empruntées ici et là. La phrase "Une caractéristique intéressante de notre logiciel est qu'il n'a pas besoin de faire un traitement spécifique du langage" prend un certain relief dans cet environnement.
Dans ce chapitre 8, comme dans le chapitre 10, il reste encore quelques pages-plagiat non attribuées avec précision. On y trouve aussi bien du Wikipedia que quelques extraits traduits d'un article de Xu, Fraser et Weischedel, "Empirical studies in strategies for arabic retrivial" (7). C'est la méthode des "invariants", exposée sur ce blog dans l'article "Le briquet de Darwin" qui nous a facilité la découverte du texte source de cette traduction. On trouve aussi dans ce chapitre les premiers extraits, aussi traduits depuis l'anglais, d'"Arabic supervised learning method using N-gram", article qui sera mis à contribution pour la rédaction de la totalité du chapitre suivant.

Le chapitre 9, "Classification automatique en utilisant la méthode N-gramme" est entièrement issu de la traduction vers le français d'une part importante de l'article, "Arabic supervised learning method using N-gram" (8) cité précédemment. Cet article est paru en 2008 dans la revue en ligne "Interactive Technology and Smart Education" sous les signatures de M. Sanan, M. Rammal et K. Zreik.
À vrai dire, nous avions d'abord attribué ce chapitre de sa thèse au seul Majed Sanan. Mais c'est la présence inexpliquée dans une énumération d'un passage intempestif à l'anglais, "Discriminated factorial analysis", qui nous a mis sur la piste d'une traduction plutôt que d'un texte original du signataire de la thèse. L'application de la méthode du "briquet de Darwin", a fait le reste.
Nous reviendrons dans un prochain article sur ce texte "Arabic supervised learning method using N-gram". Il accorde lui même une place considérable aux emprunts non référencés, c'est-à-dire aux plagiats, d'articles en anglais.

Le Chapitre 10, "Création d'un lexique avec N-gramme et approche distributionnelle pour la RI Arabe", renoue avec le caractère composite. La conclusion emprunte quelques lignes à "Arabic supervised learning method using N-gram".

Les "conclusion et perspectives" sont très cohérentes avec le reste de la thèse puisqu'elles réunissent essentiellement du copier-coller.
"La Perspective 1 : Approche sémantique", qui occupe une pleine page, appartient à Haïfa Zargayouna et Sylvie Salotti (9).
La "Perspective 2, Approche hybride", la plus courte (moins de 5 lignes), est probablement de la propre main de Majed Sanan.
la "Perspective 3 : Les ontologies dans la recherche d'information", une demi page, est empruntée à un cours de Chantal Reynaud de l'Université Paris XI Orsay : "Ontologies et recherche d'Information" (10).

Que la conclusion de cette thèse, soutenue à la fin de l'année 2008, s'achève sur une "perspective" qui est un copier-coller d'un cours donné en 2001 se passe de commentaire...

Avant d'aborder la bibliographie qui conclut la thèse de Majed Sanan, dressons à ce stade la liste des sources plagiées déjà repérées, soit en quelque sorte la bibliographie des plagiats:

Bibliographie des plagiats

(1) STRICKER Mathieu (2000). Réseaux de neurones pour le traitement automatique du langage : conception et réalisation de filtres d'informations. Thèse (informatique) soutenue à l'Université Paris 6 (Pierre et Marie Curie). [En ligne] site de "Paris Tech, "Graduate School" : http://graduateschool.paristech.fr/these.php?id=752 /

(2) INGOLD Ambroise (2002). Expérience de couplage entre bases de données factuelles et bases de données bibliographiques. Thèse (informatique) soutenue à l'Université Aix-Marseille 3.[en ligne] site personnel d'Ambroise Ingold : http://ingold.free.fr/statique/t%E9l%E9chargement_th%E8se.htm

(3) JALAM Radwan (2003). Apprentissage automatique et catégorisation de textes multilingues. Thèse (informatique) soutenue à l'Université Lumière - Lyon 2. [en ligne] site agrocampus-ouest : http://www2.agrocampus-ouest.fr/math/jalam/these/these_radwan.pdf

(4) JALAM Radwan et CHAUCHAT Jean-Hugues (2002). Pourquoi les n-grammes permettent de classer des textes ? Recherche de mots-clefs pertinents à l’aide des n-grammes caractéristiques. [en ligne] Site de l'Université Sorbonne-nouvelle Paris-3 : http://www.cavi.univ-paris3.fr/lexicometrica/jadt/jadt2002/PDF-2002/jalam_chauchat.pdf

(5) DOUZIDIA Fouad Soufiane (2004). Résumé automatique de texte arabe. Mémoire en vue de l'obtention du titre de Maître es Science en Informatique. Université de Montréal (Québec, Canada). [en ligne] site du Laboratoire en recherche appliquée en linguistique informatique : http://rali.iro.umontreal.ca/Publications/files/DouzidiaMemoire.pdf

(6) SANAN Majed, RAMMAL Mahmoud et ZREIK Khaldoun (2008) L’accès Multilingue à l’information scientifique et technologique : limitations des moteurs de recherche en langue Arabe. Actes du 10e CIDE (colloque international sur le document électronique). Paris, Éd Europia productions. [En ligne] Site du CIDE, http://lodel.irevues.inist.fr/cide/index.php?id=136 .

(7) XU Jinxi, FRASER Alexander, WEISCHEDEL Ralph (2002). Empirical studies in strategies for arabic retrivial. [en ligne] site de l'Université de Stuttgart :
http://www.ims.uni-stuttgart.de/~fraser/pubs/fraser_sigir2002.pdf

(8) SANAN Majed, RAMMAL Mahmoud et ZREIK Khaldoun (2008) Arabic supervised learning method using N-gram, in revue "Interactive Technology and Smart Education" (volume 5, issue 3, pp 157-169). [Réf. en ligne] site de la revue:
http://www.emeraldinsight.com/Insight/viewContentItem.do?contentType=Article&contentId=1740779

(9) ZARGAYOUNA Haïfa et SALOTTI Sylvie (2004). Mesure de similarité sémantique pour l'indexation de documents semi-structurés. [en ligne] site du Laboratoire d'informatique de Paris-Nord (LIPN) : http://www-lipn.univ-paris13.fr/seminaires/AtelierRaPC/Articles/haifa.pdf

(10) REYNAUD Chantal (2001). "Ontologies et recherche d'information", cours donné en 2000 et 2001. [en ligne] site de l'Institut de recherche en informatique de Toulouse (IRIT) : http://www.irit.fr/GRACQ/article.php3?id_article=93

Plagiats de premier ordre et de deuxième ordre
Une remarque sur cette qualification de "bibliographie des plagiats". Il serait en réalité plus précis, et plus prudent, de parler de "bibliographie des plagiats de premier ordre". En effet, les documents cités ci-dessus sont ceux dont nous étions à un moment convaincu qu'ils ont été les textes à partir desquels ont été réalisés les "copier-coller" ou les traductions que l'on trouve dans la thèse de M. Sanan.
Mais, par exemple, les deux articles co-signés M. Sanan, M. Rammal et K. Zreik (Arabic supervised learning method using N-gram et L’accès Multilingue à l’information scientifique et technologique : limitations des moteurs de recherche en langue Arabe) se sont eux mêmes avérés, depuis l'établissement de cette "bibliographie des plagiats", riches en plagiats. Il faudra donc ultérieurement compléter cette bibliographie "de premier ordre" par une "bibliographie des plagiats de deuxième ordre". Le mieux serait d'arriver pour chaque cas de plagiat au texte source premier, celui qui mérite d'être qualifié d'original.
Ainsi, c'est après avoir établi la "Bibliographie des plagiats" telle qu'elle apparaît ci-dessus, que nous nous sommes rendu compte que l'article de "Xu Jinxi, Fraser Alexander, Weischedel Ralph (2002)" qui y figure a d'abord été plagié pour rédiger les 2 articles co-signés que nous venons d'évoquer. Et ce sont ces deux articles co-signés M. Sanan, M. Rammal et K. Zreik que M. Sanan a "copier-coller" ou traduit pour rédiger sa thèse (chapitres 8, 9 et 10). Pour des considérations que nous développerons ultérieurement, il est probable que M. Sanan n'a donc pas eu un accès direct à l'article de Xu, Fraser et Weischedel. C'est pourquoi cet article devrait donc être référencé dans une "bibliographie de plagiats de deuxième ordre".

2) La bibliographie de la thèse de Majed Sanan

La partie bibliographie d'un travail de plagiaire n'a, par principe, aucune raison d'échapper aux plagiats. Cependant, le contenu des bibliographies qui suivent les travaux des plagiaires est très variable.
On observe essentiellement deux attitudes : soit les sources des plagiats, non citées à la place où elles auraient du l'être dans le corps du texte, sont intégrées avec soin dans la bibliographie du plagiaire, soit la bibliographie n'y fait aucune référence.

La première attitude est celle des plagiaires qui pensent se couvrir d'une éventuelle accusation de plagiat en faisant référence au moins une fois à la source du plagiat quelque soit l'endroit de cette mention [dans un "Rapport 2009 - Session qualification" (déjà cité dans l'article précédent), récemment mis en ligne par la section "Droit public" (2e section) du Conseil National des Universités (http://www.cpcnu.fr) on trouve une excellente description de la stratégie plagiaire que nous venons d'évoquer]. Dans son ouvrage Plagiats, les coulisses de l'écriture, Hélène Maurel-Indart analyse ainsi les cas d'Alain Minc et d'Henri Troyat à qui il est arrivé d'adopter cette tactique, sans pour autant échapper à la condamnation pour contrefaçon.
La bibliographie est parfois le seul lieu où le plagiaire place son "alibi". On parlera alors de "bibliographie-alibi".

La seconde attitude consiste au contraire à ne citer aucune des sources des plagiats, ni au hasard du texte, ni dans la bibliographie, afin d'en limiter les traces.

Qu'en est-il, du point de vue de la bibliographie, du profil plagiaire de Majed Sanan ?
Si la thèse de M. Sanan est courte, sa bibliographie est longue. Elle occupe 8 pleines pages et s'impose ainsi au lecteur non averti comme la marque d'un travail de recherche important.
La "bibliographie des plagiats" (voir plus haut) comporte les 11 références principales des plagiats présents dans la thèse et déjà repérés. À ces 11 références, correspondent 14 auteurs nommés, dont M. Sanan lui même, M. Rammal et K. Zreik.
Des 14 auteurs cités dans ces 11 références de la bibliographie des plagiats (certains articles sont co-signés), donc des 14 auteurs plagiés, le nom de 8 d'entre eux n'apparaissent jamais, ni dans la thèse de Majed Sanan, ni dans la bibliographie de cette thèse. Seuls apparaissent dans la bibliographie de la thèse les noms de Mathieu Stricker, Radwam Jalam, Khaldoun Zreik, Jinxi Xu, Alexander Fraser et Ralph Weischedel.
Dans la bibliographie de la thèse de M. Sanan, le nom de Mathieu Stricker est associé au titre de sa thèse (Réseau de neuronnes pour le traitement automatique du langage...), repéré comme source d'un plagiat de M. Sanan et qui figure donc dans la bibliographie des plagiats; il en est de même des noms de J. Xu, A. Fraser et R. Weichedel, associés à l'article qu'ils ont co-signé, Empirical studies in strategies for arabic....
Le nom de R. Jalam est lui associé dans cette bibliographie à un article co-signé avc O. Teytaud; et celui de K. Zreik l'est à 3 articles co-signés avec D. Nguyen. Ces travaux ne font pas partie des sources repérées de plagiats.

Une étude attentive de la bibliographie de la thèse de M. Sanan permet de résoudre cette apparente incohérence qu'est la présence de 2 sources plagiées, sur 11, dans cette bibliographie.
L'hypothèse s'impose vite que la bibliographie de la thèse de M. Sanan, qui semble ignorer l'essentiel des sources plagiées (9 sur 11), doit reprendre sous forme de plagiat, ou même de copier-coller, des références des bibliographies de ces mêmes travaux plagiés.
Pour le vérifier, il suffit de sélectionner quelques références de la bibliographie de la thèse-plagiat, à l'évidence fautives (faute de typographie, coquille, incohérence) et voir si elles ont leur équivalent dans les bibliographies des travaux plagiés. Ainsi ces deux références :

[Lefèvre, 2000] Lefèvre, P. (2000). La rechreche d’information - du texte intégral au thésaurus. Hermès Science, Paris.

[Lewis, 1992b] Lewis, D. D. (1992b). Representation and learning in information retrieval. PhD thesis, Department of Computer Science, University of Massachusetts, Amherst, US. Available from World Wide Web : http://www.research.att.com/~lewis/papers/lewis91d.ps.

Dans le premier cas, c'est la coquille dans "rechreche" qui nous a fait sélectionner cette référence test dans la bibliographie de M. Sanan, et pour le second test, la mention "1992b" dans une référence qui renvoie à Lewis, en l'absence de toute référence antérieure "1992a" qu'aurait imposée une bibliographie cohérente.

Vérifications faites, ces deux références ont bien été directement "copier-coller" depuis la bibliographie de Radwan Jalam qui affiche, comme prévu, le chaînon manquant "[Lewis, 1992a]".
De la comparaison des bibliographies menée à son terme, il s'avère que 53 des 83 références bibliographiques de la thèse de M. Sanan ont été strictement "copier-coller" depuis la bibliographie de la thèse de R. Jalam.
Les référencements de la thèse de M. Stricker et de l'article de Xu, Fraser et Weischedel dans la bibliographie de la thèse-plagiat sont donc arrivés dans la bibliographie-plagiat, non pas en terme de références-alibi, mais bien en tant que copier-coller issu de la bibliographie de la thèse plagiée de R. Jalam.
5 autres références sont des "copier-coller" depuis la bibliographie associée à l'article "Résumé automatique de texte arabe" de Fouad Soufiane Douzidia.
Le reste de la bibliographie a été complétée, pour l'essentiel, de références empruntées aux bibliographies des articles co-signés par M. Sanan, M. Rammal et K. Zreik.
Ni la thèse de Radwan Jalam, la première source de ses plagiats, ni le mémoire de Fouad Soufiane Douzidia, ni la thèse d'Ambroise Ingold ne sont mentionnées dans la bibliographie du plagiaire. Preuve est ainsi faite que, concernant la bibliographie, M. Sanan a bien choisi la seconde stratégie plagiaire, celle de l'effacement des traces, et non pas la première, la bibliographie-alibi.

3) Plagiés et plagiaires

En complément de la bibliographie, M. Sanan affiche la "Liste des publications", c'est-à-dire ses propres publications. Nous la reproduisons ci-dessous (en rouge), avec pour chaque référencement un complément d'informations (code noir et gras, précédé de 3 astériques "***") :

Liste des publications

*Workshops: - ESCWA Activities for the world summit on the information society, Legal Informatics An Arab Perspective , "Smart Search Engines", United Nations House, Beyrouth, 12-14 Décembre 2005. (http://www.escwa.org.lb/wsis/meetings/12dec05/doc_e.html)
*** Cette intervention de "Majed. SANAN, PhD student, Caen University (France), Lebanese University" était faite sur la base d'un document powerpoint entièrement issu de "copier-coller"; document ppt accessible à l'adresse internet signalé par Majed Sanan.

- The 2nd International Workshop on New Trends in Information Technology, "Application of text mining Techniques on Lebanese official Journal",18-20 Avril 2006, Homos, Syrie.( http://ntit2006.info.unicaen.fr/prog-ntit2006.pdf)
*** Cette intervention, le 19 avril 2006, en ouverture d'une cession présidée par Khaldoun Zreik" semble concerner la première présentation de l'"expérimentation", la partie 3 de la thèse de M. Sanan.

- Arab content on the web Workshop, “Le contenu arabe sur le web”, 13 Avril 2008, Damas, Syrie. - Digital arabic content, UNESCWA,29-30 Avril 2008, Beyrouth, Liban.
*Conférences : - CIDE10,"10 ème Colloque International sur le Document Electronique","L’accès multilingue à l’information scientifique et technologique : limitations des moteurs de recherche en langue arabe, NANCY/ INIST , 2 - 4 Juillet 2007. (http://cide10.inist.fr/article.php3?id_article=14)
Dans les actes de ce colloque, l'article intitulé "L’accès multilingue à l’information scientifique et technologique: limitations des moteurs de recherche en langue arabe" est co-signé Majed Sanan, Mahmoud Rammal et Khaldoun Zreik.
Cet article est disponible en ligne sur le site du CIDE 10 : http://lodel.irevues.inist.fr/cide/index.php?id=136 ;
Les actes de ce colloque ont aussi été publiés aux éditions "Europia" (http://europiaproductions.com/edition/livres/doc/Cide10.htm). L'entreprise "Europia productions", a été fondée et est dirigée par K. Zreik.

- ICTTA08, The 3rd International Conference on Information & Communication Technologies, “Internet Arabic search engines studies” , Damas,7-11 Avril, 2008. IEEE communications society.( http://conferences.enst-bretagne.fr/ictta/images/stories/Final_Program08.pdf)
*** Dans les actes de cette conférence, mis en ligne le 28 mai 2008, l'article intitulé "Internet Arabic search engines studies" est co-signé Majed Sanan, Mahmoud Rammal et Khaldoun Zreik.
Cet article est référencé sur le site de la "Digital library IEEEXplore", émanation de l'IEEE. (http://ieeexplore.ieee.org/xpl/freeabs_all.jsp?arnumber=4530003).

-SITA’08, 5ème conférence sur les Systèmes Intelligents : Théories et Applications, « Utilisation de N-gramme dans la recherche d’information arabe », Rabat, 5-6 Mai 2008.( http://www.inpt.ac.ma/~sita08/prograsita082.pdf)
*** Cette intervention a été publié sous la forme d'un article intitulé "Utilisation de N-Gramme dans la recherche d'information arabe" co-signé Majed Sanan, Mahmoud Rammal et Khaldoun Zreik (in "Systèmes intelligents : théories et applications", sous la direction de Mostafa Bellafkih, Mohammed Ramdani et Khaldoun Zreik. Éditions Europia. (cf. site des Éditions Europia : http://europiaproductions.com/edition/livres/cogn/SystemesIntelligents.htm)

-ICHSL6, 6th International Conferences on Human System Learning, ”Arab Document Classification using N-gram”, Organized by LAAS-CNRS, Toulouse , 14-16 Mai, 2008, IEEE France Section.(http://www.laas.fr/ichsl6/sessions.pdf)
*** Dans le document pdf signalé ci-dessus, cette intervention à l'ICHSL6 est présentée dans le programme du colloque comme conjointe à Majed Sanan, Mahmoud Rammal, et Khaldoun Zreik.
Dans les actes de ce colloque publiés par les éditions Europia, l'article est intitulé "Arabic documents classification using N-gram" et il est co-signé par M. Sanan, M. Sanan et K. Zreik.

*Revues: -Interactive Technology and Smart Education, “Arabic supervised learning method using N- gram” Volume 5, Issue 3, 2008.
*** Cet article "Arabic supervised learning method using N-gram" est en réalité cosigné Majed Sanan, Mahmoud Rammal, et Khaldoun Zreik (cf. site Emerald : http://www.emeraldinsight.com/10.1108/17415650810908249).

Des commentaires que nous avons ajoutés à la liste de ces publications, il ressort que Majed Sanan a systématiquement masqué dans cette annexe à la bibliographie que les interventions, actes et articles dont il s'affirme le seul auteur ont, dans leur quasi totalité, été co-signés avec ceux qu'il reconnaît comme ses deux directeurs de thèses, K. Zreik et M. Rammal.

Par ailleurs ce sont bien ces articles, tout particulièrement "L’accès multilingue à l’information scientifique et technologique: limitations des moteurs de recherche en langue arabe" et "Arabic supervised learning method using N-gram" que Majed Sanan a plagiés (copier-coller et traduction) pour la rédaction de la partie 3 ("Expérimentation") de sa thèse.

Ceci rend donc d'autant plus incompréhensible que le directeur de recherche en titre de cette thèse, Kaldoun Zreik, ne se soit pas rendu compte de ces plagiats, au moins de ceux là, à la lecture de la thèse de M. Sanan.
Notons qu'il était aussi difficile à l'un des deux rapporteurs de cette thèse, S. Tazi, de méconnaître ces 2 articles. En effet, S. Tazi a co-présidé, avec K. Zreik, l'ICHSL6 et a présidé la séance où ont été présentés ces travaux co-signés à trois. S. Tazi a aussi été co-responsable, avec K. Zreik, de la publication, aux Éditions Europia et sous le sigle de l'IEEE, des actes du colloque où figurent un des deux articles en question.

* *

Revenons au résultat de l'expertise du Conseil scientifique, et reprenons une formulation du texte du délibéré qui laisse perplexe : "L’analyse de la thèse fait apparaître un pourcentage de texte original de l’ordre de 35%". Par définition, une expertise de plagiat ne peut faire apparaître qu'un taux, ou un pourcentage, de plagiat et non pas un "pourcentage de texte original". Plus précisément même, l'expertise évalue un taux de plagiat minimum. Il aurait donc été plus rigoureux, et plus prudent, d'affirmer que cette expertise avait fait la preuve d'un taux de plagiat d'au moins 65%.

En réalité, "l'expertise" évoquée par le Conseil scientifique s'est limité à reprendre, sans aller chercher plus loin, des résultats très provisoires de notre étude, en l'occurrence un document de travail qui avait été communiqué à la Vice-présidente du CS fin janvier 2010. Aujourd'hui, et quoique notre étude ne soit pas encore totalement achevée, nous pouvons d'ores et déjà affirmer que le taux de plagiat de la thèse de Majed Sanan est d'au moins, pour rester sur un chiffre rond, de 90%. La part du "texte original" de cette thèse est donc, par voie de conséquence, nettement inférieure au tiers de celle estimée par l'expertise de la Commission de déontologie.
La formulation du délibéré du Conseil scientifique selon laquelle l'expert aurait distingué dans cette thèse 35% de "texte original", alors que ces 35% se révèlent être, pour probablement plus des 3/4, du plagiat est donc très maladroite.
Ceci devrait conduire la Commission de déontologie de Paris 8 à affiner ses méthodes pour l'expertise des prochaines thèses qu'elle aura à évaluer, dont celle de Sang-Ha Suh. Le fait que l'on ne dispose pas de version numérique de cette dernière thèse rendra son analyse plus fastidieuse [une prochaine étude montrera comment, dans ce cas notamment, l'exploitation de singularités de la "typographie fine" peut aider à la détection de plagiats (l'idée nous en a été donnée, dans le cadre d'un enseignement sur l'usage des ressources issues d'Internet, par Julien Gargot, un étudiant féru de typographie du master-pro "Création et édition numérique, CEN")].

* *

La suite de cet article, intitulée "AUTOPSIE D'UNE THÈSE-PLAGIAT, SUITE" paraîtra sur ce blog en mai. On en saura plus sur le contexte de publication et la nature des deux articles cités ci-dessus, co-signés par M. Sanan, M. Rammal et K. Zreik et intégrés sans plus de précautions, par copier-coller et traduction, par Majed Sanan dans sa thèse.

Jean-Noël Darde

* * *