Face aux préoccupations concernant l'utilisation non autorisée des outils d'IA générative lors des évaluations, de nombreuses personnes enseignantes envisagent le recours à des logiciels de détection, s'inscrivant parfois dans une logique coercitive envers les personnes étudiantes. Toutefois, quelle est la pertinence et la fiabilité réelles de ces outils pour soutenir l’évaluation ? Est-ce qu’une « course à l’armement », outils algorithmiques contre outils algorithmiques, est une perspective souhaitable ? Cette communication présente les résultats d'une revue de la littérature menée par une équipe pluridisciplinaire (Service de soutien à la formation, Service des bibliothèques et archives, Centre Universitaire de Formation en Environnement) afin d’éclairer les décisions pédagogiques à l’Université de Sherbrooke. Notre approche s'articule autour de quatre axes : la fiabilité technique des outils de détection, la proportion et la nature réelle des usages inadéquats des outils d'IAg par les personnes étudiantes, l'adoption de ces technologies dans les établissements postsecondaires et la capacité des personnes enseignantes à détecter ces fraudes sans assistance technologique. Cette analyse sociocritique interroge la pertinence de la surveillance algorithmique versus l'adaptation des pratiques évaluatives. En réponse, nous proposons un cadre privilégiant la transformation pédagogique, l'agentivité étudiante et la confiance mutuelle, en lieu et place d'un contrôle technologique.