Comme la plupart d'entre nous, les chercheurs sont déjà accros à l'IA
En quelques années, les logiciels d'écriture automatique se sont glissés dans la rédaction des articles de recherche. Les revues ont riposté à coups de chartes et d'obligations de transparence.
L’intelligence artificielle (IA) est désormais massivement adoptée par les chercheurs, au même titre que le grand public. Selon une enquête citée par Science & Vie, plus de 60 % des scientifiques interrogés déclarent utiliser régulièrement des outils d’IA pour leurs travaux. Ces outils, comme les large language models (modèles de langage avancés), permettent d’analyser des données complexes, de rédiger des articles ou même de proposer des hypothèses de recherche. Par exemple, des chercheurs en mathématiques ou en physique utilisent l’IA pour explorer des problèmes théoriques, comme ceux du problème du millénaire, une liste de sept défis mathématiques non résolus dotés chacun d’un prix d’un million de dollars. L’IA agit ici comme un accélérateur, réduisant le temps nécessaire à certaines tâches de plusieurs mois à quelques heures. Cependant, cette dépendance soulève des questions sur la fiabilité des résultats et l’éthique de l’automatisation dans la recherche.
Les chercheurs s’appuient sur des plateformes d’IA variées, allant des assistants conversationnels comme ChatGPT aux logiciels spécialisés en analyse de données. Par exemple, en biologie, l’IA est utilisée pour prédire les structures de protéines, un processus autrefois long et coûteux. En 2020, l’outil AlphaFold développé par DeepMind a révolutionné ce domaine en résolvant des structures protéiques en quelques jours, là où les méthodes traditionnelles pouvaient prendre des années. Dans le domaine des sciences sociales, l’IA aide à traiter des volumes massifs de données textuelles pour identifier des tendances ou des corrélations. Les chercheurs soulignent aussi l’utilité de ces outils pour la rédaction d’articles scientifiques, où l’IA peut générer des ébauches ou reformuler des passages techniques. Cependant, ces usages restent souvent complémentaires : l’IA ne remplace pas l’expertise humaine, mais la complète.
L’adoption massive de l’IA par les chercheurs n’est pas sans risques. L’un des principaux dangers est la hallucination, un phénomène où l’IA génère des informations plausibles mais fausses. Par exemple, une étude a montré que des outils d’IA pouvaient inventer des références bibliographiques ou des données expérimentales, ce qui pourrait fausser les résultats de recherche si ces erreurs ne sont pas détectées. Un autre enjeu est la dépendance technologique : certains chercheurs deviennent si habitués à l’IA qu’ils perdent la capacité à effectuer des tâches manuelles ou à vérifier manuellement leurs résultats. Enfin, l’utilisation de l’IA soulève des questions éthiques, notamment en matière de propriété intellectuelle. Qui est responsable si une publication scientifique contient des erreurs générées par une IA ? Ces défis poussent la communauté scientifique à réfléchir à des cadres d’utilisation responsables de ces outils.
La réaction des chercheurs face à l’IA est contrastée. Certains, comme la mathématicienne Sylvia Serfaty, y voient une révolution comparable à l’invention de l’imprimerie pour les mathématiques. Selon elle, l’IA marque la fin d’un « monde des mathématiques artisanales », où les chercheurs travaillaient seuls sur des problèmes complexes pendant des années. D’autres, plus sceptiques, pointent les limites de ces outils, notamment leur manque de transparence ou leur tendance à reproduire des biais présents dans leurs données d’entraînement. Une enquête menée auprès de 1 000 chercheurs en 2025 révèle que 45 % d’entre eux estiment que l’IA a amélioré leur productivité, mais seulement 20 % lui font pleinement confiance pour des travaux critiques. Les institutions, comme le Centre national de la recherche scientifique (CNRS) en France, commencent à encadrer son usage via des chartes éthiques ou des formations.
Malgré les débats, l’IA s’impose comme un outil incontournable dans le paysage de la recherche. Son adoption rapide s’explique par son potentiel à résoudre des problèmes autrefois insolubles ou à accélérer des processus longs. Par exemple, en 2024, une équipe de chercheurs a utilisé l’IA pour découvrir un nouvel antibiotique en quelques semaines, là où les méthodes traditionnelles auraient pris des années. Dans le domaine de l’astronomie, des algorithmes d’IA analysent des millions d’images de télescopes pour détecter des exoplanètes ou des phénomènes cosmiques. Les universités et les laboratoires investissent massivement dans ces technologies, avec des budgets allant de quelques milliers à plusieurs millions d’euros. Cependant, cette adoption soulève des questions sur l’avenir des métiers de la recherche : si l’IA peut automatiser une partie du travail, quel sera le rôle des chercheurs demain ?
