Intelligence artificielle générative et recherche académique : comment préserver éthique et intégrité scientifique
Pour les scientifiques, l’intelligence artificielle générative peut apparaître comme une option pour gagner du temps et augmenter leur productivité, mais ce n’est pas sans risques. Lors de la pandémie de Covid-19, le refus de se faire vacciner résultait notamment du manque de confiance dans l’efficacité et la non-dangerosité du vaccin.
L’intelligence artificielle générative (IAG) est de plus en plus utilisée dans la recherche académique, notamment pour gagner du temps ou augmenter la productivité. Cependant, son intégration soulève des questions éthiques et des risques pour l’intégrité scientifique. Par exemple, 32 % des Français remettent encore en cause la responsabilité humaine dans le changement climatique, illustrant un scientoscepticisme croissant. Ce phénomène pourrait s’amplifier si l’usage de l’IAG n’est pas encadré, car les citoyens pourraient douter de la fiabilité des travaux scientifiques. Les chercheurs en sciences humaines et sociales (SHS) sont particulièrement concernés, car leurs méthodes reposent souvent sur des analyses qualitatives et contextuelles, difficiles à automatiser sans perte de rigueur.
Pour les auteurs d’articles scientifiques, l’IAG peut être employée à différentes étapes : revue de littérature, analyse de données ou rédaction. Cela pose un problème de propriété intellectuelle, car l’outil génère du contenu à partir de données existantes, sans toujours garantir une interprétation humaine. Une étude publiée dans la revue Science en 2026 montre que l’utilisation des grands modèles de langage (LLM) augmente la productivité des chercheurs de 89 %, mais réduit aussi la qualité de leurs travaux. Par ailleurs, l’IAG risque d’uniformiser la pensée en limitant l’exploration de nouvelles pistes de recherche. Les chercheurs doivent donc utiliser ces outils avec prudence, en vérifiant systématiquement les contenus produits et en évitant de déléguer entièrement leur travail à l’IA.
Les évaluateurs (peer-reviewers), chargés d’examiner la qualité des articles avant publication, peuvent aussi être tentés d’utiliser l’IAG pour rédiger leurs rapports. Cependant, cela pose deux problèmes majeurs. D’abord, l’IAG ne peut pas encore distinguer automatiquement un texte généré par une machine d’un texte écrit par un humain, ce qui complique la détection des fraudes. Ensuite, l’utilisation d’outils d’IAG hébergés dans le cloud expose les données confidentielles de la recherche à des risques de fuite. Certains éditeurs comme Elsevier ou Sage interdisent déjà aux évaluateurs d’utiliser l’IAG pour analyser des articles. Une solution pourrait être d’utiliser des outils installés en local, préservant ainsi la confidentialité des données.
Un outil nommé Problematic Paper Screener (PPS), développé par le chercheur Guillaume Cabanac, a permis d’identifier 25 000 articles suspects utilisant des « expressions torturées » suggérant un usage non critique de l’IAG. Ces expressions trahissent souvent une rédaction automatisée sans relecture humaine, ce qui remet en cause l’intégrité scientifique. Pourtant, les règles éthiques restent floues et varient selon les revues, laissant les chercheurs dans l’incertitude. Des initiatives comme des chartes éthiques ou des débats au sein des sociétés savantes tentent d’apporter des réponses, mais aucune solution universelle n’a encore émergé.
L’IAG risque d’appauvrir la diversité des idées en limitant la recherche à des champs déjà bien établis. En effet, ces outils s’appuient sur des données existantes et tendent à reproduire des schémas de pensée connus, réduisant ainsi l’exploration de pistes innovantes. Par exemple, dans les sciences humaines et sociales, où les méthodes qualitatives sont essentielles, l’usage de l’IAG pourrait conduire à une standardisation des analyses, au détriment de la créativité et de la profondeur des travaux. Les chercheurs doivent donc utiliser ces outils de manière ciblée, en les interrogeant de façon précise et en croisant leurs résultats avec des sources humaines.
L’utilisation de l’IAG pour évaluer des articles scientifiques pose un problème de confidentialité des données. En effet, certaines plateformes d’IA sont hébergées dans le cloud, ce qui expose les informations sensibles à des risques de fuite ou de piratage. Pour éviter cela, il est recommandé d’utiliser des outils d’IAG installés en local, sur les serveurs des institutions de recherche. Cela permet de préserver la confidentialité des données tout en évitant de nourrir l’IA avec des documents non validés scientifiquement. Cette approche est cruciale pour maintenir la crédibilité des résultats de recherche et la confiance du public dans le discours scientifique.
Face à l’essor rapide de l’IAG dans la recherche, il est urgent de repenser les fondements éthiques de la production et de l’évaluation du savoir. Bien que certaines initiatives aient été lancées, comme les lignes directrices de la Commission européenne en 2026, une réflexion collective, interdisciplinaire et internationale reste indispensable. Cette réflexion doit articuler innovation technologique et responsabilité scientifique, en impliquant chercheurs, éditeurs, institutions et citoyens. L’objectif est de préserver l’intégrité de la recherche tout en tirant parti des opportunités offertes par l’IAG, sans sacrifier la qualité ou la diversité des idées.
