La crise des concours de programmation et d'algorithmique à l'ère de l'IA

Une liste ne donne pas un taux

Le 30 août 2026, une publication X sur la première manche de Baidu Star 2026 a montré un tableau de 49 cas de triche et un autre tableau d’infractions. La publication affirme que la première série compte 49 tricheries et 63 infractions, contre 30 personnes concernées deux ans plus tôt. Les images visibles contiennent 49 lignes de triche et 57 lignes d’infraction : les lignes 1–25 et 32–63 sont présentes, mais les lignes 26–31 manquent. C’est un signal d’incident, pas un jeu de données complet et vérifié indépendamment. Publication originale

Les 106 lignes visibles concernent 87 établissements. La liste de triche regroupe 49 lignes dans 45 établissements, celle des infractions 57 lignes dans 50 établissements. La plupart des établissements n’apparaissent qu’une fois. Les trois plus fréquents représentent 6/49 lignes pour la triche et 8/57 pour les infractions : le phénomène semble dispersé plutôt que concentré dans quelques écoles.

Des collèges, lycées, universités et établissements professionnels figurent dans le même tableau. Sans nombre de participants, conditions d’examen et type précis d’infraction, le nombre de lignes ne peut pas devenir un taux par établissement.

Les règles passent de « pas de ChatGPT » à la provenance

La règle Codeforces de 2024 autorise la traduction directe et de petites suggestions syntaxiques, mais interdit de demander à une IA l’algorithme central, l’explication d’un sous-problème ou la correction d’une solution rejetée. La similarité du code et sa publication avant le concours peuvent servir d’indices lors d’une enquête. Règle Codeforces

AtCoder a récemment étendu ses règles à AGC, interdit l’autocomplétion de code par IA et la conversion de langage par IA, et limité l’usage volontaire de résumés de recherche générés par IA. La raison est simple : une exception pour l’autocomplétion est difficile à surveiller quand les suggestions avancées peuvent franchir la limite autorisée. Mise à jour AtCoder

La première crise est une crise de mesure. Un classement unique ne dit pas si le participant a travaillé seul, avec une chaîne d’outils ou avec un agent distant. Une case « je n’ai pas utilisé l’IA » n’est pas une piste d’audit.

L’IA a dépassé l’ancien repère

En 2022, Google DeepMind a annoncé qu’AlphaCode atteignait environ le niveau du concurrent médian sur dix concours Codeforces. Le système générait de nombreux programmes, les filtrait par exécution et en soumettait quelques-uns. Ce processus n’est pas celui d’un étudiant écrivant une solution unique à partir de zéro. DeepMind sur AlphaCode

Le rapport technique AlphaCode 2 de 2023 indique 43 % de problèmes résolus en dix tentatives, contre 25 % pour AlphaCode, avec une performance estimée supérieure à celle de 85 % des participants. Cela ne signifie pas que le modèle comprend tous les problèmes, mais un score élevé ne prouve plus automatiquement un raisonnement humain sans assistance. Rapport AlphaCode 2

Les benchmarks connaissent aussi la contamination : les problèmes publics peuvent entrer dans les données d’entraînement. LiveCodeBench collecte donc des problèmes récents de Codeforces, AtCoder et LeetCode, et mesure la génération, l’exécution, l’auto-réparation et la prédiction de sorties. Sa version v6 recense 1055 problèmes publiés jusqu’en avril 2025. Dépôt LiveCodeBench Article LiveCodeBench

Trois concours au lieu d’un seul

Les organisateurs devraient distinguer le mode humain, le mode avec IA et le mode apprentissage. Le premier demande un appareil contrôlé, une liste de fonctions autorisées, des journaux reproductibles, une revue de similarité et un recours. Le deuxième doit déclarer le modèle, la version, les prompts, le code généré, les modifications et les tests, puis noter l’explication et la vérification. Le troisième peut autoriser l’IA après l’épreuve, avec une annotation des erreurs et des preuves de la solution finale.

Les règles expérimentales 2026 du concours national chinois de modélisation mathématique couvrent déjà les grands modèles de langage, l’IA générative, les assistants de code et les agents. L’IA n’est donc plus seulement une fenêtre de discussion. Règles IA du concours de modélisation

La programmation compétitive n’est pas finie. Ce qui doit finir, c’est l’idée qu’une épreuve en ligne et un classement suffisent à décrire toutes les compétences d’un étudiant. Les concours à venir devront publier leurs conditions, enregistrer le processus, séparer les résultats humains et assistés, et récompenser les explications qui résistent aux tests adverses.

Références

• Publication originale sur la liste Baidu Star
• Mise à jour des règles AtCoder
• Règles IA du concours national de modélisation mathématique 2026
• Règle Codeforces sur l’usage de l’IA
• Règle Codeforces sur le code tiers
• Google DeepMind : AlphaCode
• Rapport technique AlphaCode 2
• Dépôt officiel LiveCodeBench
• Article de recherche LiveCodeBench