Assistants de recherche IA : réviser la littérature scientifique plus vite

Un chercheur qui démarre une revue de littérature en 2025 fait face à un chiffre vertigineux : environ 3,3 millions d'articles scientifiques (3,275 millions précisément) ont été recensés dans la seule base Scopus pour la seule année 2023, selon les données compilées par la fondation américaine NSF. Ce volume a grimpé de 2 millions à 3,3 millions en une décennie, porté notamment par la montée en puissance de la recherche chinoise. Aucun être humain, quelle que soit sa vitesse de lecture, ne peut plus prétendre suivre l'intégralité d'un domaine à la seule force du parcours manuel des revues. C'est dans cet interstice — entre l'explosion du volume publié et les capacités humaines de lecture — qu'une nouvelle famille d'outils s'est installée : les assistants de recherche fondés sur l'intelligence artificielle.

Elicit, Consensus, Semantic Scholar, ResearchRabbit, scite.ai : ces noms, encore confidentiels il y a trois ans, figurent désormais dans les guides méthodologiques de bibliothèques universitaires du monde entier. Leur promesse commune est simple à énoncer et complexe à tenir : aider à trouver, résumer, cartographier et vérifier la littérature scientifique plus vite qu'une recherche manuelle, sans sacrifier la rigueur qui fait la valeur d'une revue de littérature. Une enquête de la revue Nature menée en septembre 2023 auprès de plus de 1 600 chercheurs a montré que plus de la moitié d'entre eux anticipaient que ces outils deviendraient « très importants » ou « essentiels » à leur discipline dans la décennie à venir.

Cet article propose un tour d'horizon factuel de ces assistants : ce qu'ils font réellement, comment ils fonctionnent techniquement, ce que les études indépendantes disent de leur fiabilité, et où se situe, très concrètement, la frontière entre gain de temps légitime et risque d'erreur. Car la question n'est pas de savoir si l'IA a sa place dans la recherche scientifique — elle l'a déjà, largement — mais de savoir comment l'utiliser à bon escient, avec la vérification humaine qui reste, à ce stade, non négociable.

La surcharge informationnelle, un problème plus vieux que l'IA

Avant de parler des outils, il faut comprendre le problème qu'ils tentent de résoudre. La croissance du volume de publications scientifiques n'est pas un phénomène récent : elle est documentée depuis des décennies sous le nom de « déluge informationnel » (information overload) dans la littérature en sciences de l'information. Ce qui a changé, c'est l'accélération. Le rapport de la National Science Foundation américaine situe la production mondiale d'articles scientifiques et techniques à environ 1,9 million en 2010, puis 2,2 millions en 2014, pour atteindre 3,3 millions en 2023 — une croissance, entre 2014 et 2023, portée à 51 % par la seule Chine selon ce même rapport.

Pour un doctorant ou un chercheur senior, cette croissance se traduit très concrètement : une revue de littérature qui, il y a vingt ans, pouvait raisonnablement couvrir l'essentiel d'un sous-domaine, doit aujourd'hui composer avec des dizaines de milliers de résultats bruts à une requête par mots-clés un peu large. Le tri manuel — lire chaque titre, chaque résumé, décider de l'inclusion ou de l'exclusion — devient le principal goulet d'étranglement du travail scientifique, bien avant la rédaction elle-même.

C'est cette réalité, documentée et mesurable, qui a ouvert la voie aux outils d'assistance. Les moteurs de recherche académiques classiques — PubMed, Google Scholar, Web of Science — permettent de trouver des documents, mais laissent entièrement à la charge du chercheur le travail de lecture, de synthèse et de mise en relation. Les assistants de recherche IA visent précisément cette étape intermédiaire, la plus chronophage.

Comment fonctionne un assistant de recherche IA, concrètement

Sous des interfaces qui se ressemblent — une barre de recherche, une liste de résultats, des résumés — ces outils combinent en réalité plusieurs briques techniques distinctes, qu'il est utile de démêler pour comprendre leurs forces et leurs limites.

Trois couches techniques

• Un corpus indexé. Chaque outil s'appuie sur une base de métadonnées et, quand les droits le permettent, de textes intégraux de publications scientifiques. Certains construisent leur propre corpus (Semantic Scholar, adossé à l'Allen Institute for AI), d'autres achètent des licences de contenu ou agrègent des bases ouvertes comme OpenAlex.
• Une recherche sémantique. Plutôt que de faire correspondre des mots-clés exacts, ces outils transforment les requêtes et les documents en représentations vectorielles (« embeddings ») qui capturent le sens plutôt que la forme littérale. Une requête sur « impact du sommeil sur la mémoire » peut ainsi retrouver un article qui parle de « consolidation mnésique nocturne » sans partager un seul mot avec la requête.
• Un modèle de langage pour la synthèse. Une fois les documents pertinents identifiés, un grand modèle de langage (souvent une variante de GPT ou un modèle propriétaire plus léger) est chargé de résumer les résultats, d'en extraire des éléments structurés (méthode, échantillon, conclusion) ou de répondre à une question en s'appuyant sur les passages retrouvés — une architecture que la recherche appelle génération augmentée par récupération, ou RAG.

Cette dernière étape, le RAG, est capitale à comprendre : le modèle de langage n'est pas censé « savoir » la réponse de mémoire, mais la construire à partir des extraits de documents qui lui sont fournis en contexte. C'est ce qui, en théorie, doit limiter les inventions par rapport à un usage « nu » d'un assistant conversationnel généraliste sans accès à un corpus documentaire. En théorie seulement, car comme on le verra plus loin, cette limitation reste partielle en pratique.

La différence entre un moteur de recherche classique et un assistant de recherche IA n'est pas la taille du corpus, mais l'étape supplémentaire de lecture et de synthèse automatisée — précisément l'étape où la fiabilité doit se mériter.

Les limites propres à la recherche sémantique

La recherche sémantique par embeddings n'est pas une technologie exempte de défauts, et il est utile de les connaître avant de lui faire une confiance aveugle. Un embedding capture une proximité de sens statistique, apprise sur d'immenses corpus de textes ; il ne comprend pas la nuance scientifique au sens où un spécialiste du domaine la comprend. Deux articles peuvent ainsi être jugés proches par le modèle parce qu'ils partagent un vocabulaire ou une structure de phrase, sans que leurs conclusions scientifiques aient le moindre rapport — ou, à l'inverse, deux articles traitant du même phénomène avec des cadres théoriques radicalement différents peuvent être éloignés dans l'espace vectoriel simplement parce que leur terminologie diverge. C'est une des raisons pour lesquelles la plupart des outils sérieux de cet écosystème combinent recherche sémantique et recherche par mots-clés plutôt que de miser sur l'une au détriment de l'autre.

Une autre limite tient à la couverture du corpus lui-même. Un assistant de recherche IA, aussi sophistiqué soit-il, ne peut retrouver que ce qui figure dans son index. Les articles publiés dans des revues à accès restreint et non couvertes par les licences de l'outil, les travaux en langues autres que l'anglais quand le modèle sous-jacent a été principalement entraîné sur des corpus anglophones, ou la littérature grise (rapports institutionnels, thèses non indexées, actes de conférences régionales) restent souvent des angles morts. Pour une revue systématique au sens strict, cette limite impose de ne jamais se contenter d'un seul outil ni d'une seule base : la triangulation entre plusieurs sources reste, à ce stade, une précaution méthodologique incontournable.

Elicit : automatiser la revue de littérature

Elicit est sans doute l'outil le plus emblématique de cette catégorie. Son histoire commence en dehors du monde commercial : l'organisation mère, Ought, est une fondation de recherche à but non lucratif créée en 2017 par Andreas Stuhlmüller, docteur en sciences cognitives du MIT et ancien chercheur à Stanford. Ought explorait au départ des questions plus larges sur la délégation de tâches cognitives complexes à des systèmes d'IA, avant de se concentrer sur un cas d'usage précis : la revue de littérature scientifique. En 2023, Elicit s'est détaché d'Ought pour devenir une société à but lucratif à mission (public benefit corporation), cofondée par Andreas Stuhlmüller et Jungwon Byun, avec le soutien d'investisseurs comme Fifty Years, Basis Set, et des investisseurs providentiels dont Jeff Dean, scientifique en chef de Google.

Concrètement, Elicit permet de poser une question de recherche en langage naturel et d'obtenir en retour une liste d'articles pertinents, chacun accompagné d'une synthèse contextualisée par rapport à la question posée — et non d'un résumé générique de l'article. L'outil peut aussi extraire automatiquement des informations structurées d'un ensemble de papiers : taille d'échantillon, méthode expérimentale, principal résultat, limites déclarées. Cette extraction tabulaire, organisée en colonnes personnalisables, est particulièrement utile pour les premières étapes d'une revue systématique, où il s'agit de comparer méthodiquement des dizaines d'études selon les mêmes critères.

Le corpus d'Elicit couvre plus de 138 millions d'articles académiques (Semantic Scholar, OpenAlex et PubMed combinés et dédupliqués, selon la documentation officielle d'Elicit au 12 juillet 2026, chiffre appelé à évoluer), incluant des revues à comité de lecture, des actes de conférences, des prépublications, ainsi que des essais cliniques référencés sur clinicaltrials.gov. Un point important pour l'usage en contexte biomédical, où le recensement des essais en cours ou terminés complète utilement la littérature publiée.

Ce qu'Elicit fait bien

• Trouver des articles pertinents même sans correspondance exacte de mots-clés, grâce à la recherche sémantique.
• Structurer une comparaison entre études selon des critères définis par l'utilisateur.
• Accélérer la phase de repérage initial d'une revue de littérature, avant la lecture approfondie.

Consensus : interroger la littérature comme on interroge un expert

Fondé en septembre 2022 par Eric Olson et Christian Salem — deux anciens coéquipiers de football universitaire à Northwestern, l'un passé par l'analytique chez DraftKings, l'autre par l'entrepreneuriat produit —, Consensus part d'un constat proche de celui d'Elicit, mais avec une interface pensée différemment : plutôt qu'une liste de résultats à explorer, l'outil vise à répondre directement à une question par une synthèse des positions présentes dans la littérature, assortie de la proportion d'études qui vont dans un sens ou dans l'autre.

Le corpus de Consensus s'appuie sur plus de 200 millions d'articles académiques, avec un mode de recherche hybride qui combine recherche sémantique par embeddings et recherche par mots-clés classique via l'algorithme BM25 — une méthode éprouvée depuis les années 1990 en recherche d'information. Ce choix hybride n'est pas anodin : il vise à limiter un défaut classique de la recherche purement sémantique, qui peut parfois privilégier la proximité de sens au détriment de la précision terminologique attendue par un chercheur habitué aux opérateurs booléens.

En janvier 2024, Consensus a annoncé un partenariat avec OpenAI pour lancer « Consensus GPT » dans le magasin d'applications GPT, offrant un accès à son corpus directement depuis l'interface ChatGPT, avec un modèle GPT-4 personnalisé pour produire des synthèses assorties de citations précises. Ce lancement a marqué une étape dans la normalisation de ces outils : l'assistance à la revue de littérature n'était plus cantonnée à des applications spécialisées, mais s'intégrait dans les interfaces conversationnelles les plus utilisées.

Le choix d'un moteur hybride — sémantique et mots-clés — illustre une leçon apprise par plusieurs de ces outils : le sens ne remplace pas toujours la précision, les deux se complètent.

Semantic Scholar : l'infrastructure ouverte derrière l'écosystème

Moins médiatisé que ses cousins commerciaux, Semantic Scholar occupe pourtant une place structurante dans cet écosystème. Lancé en 2015 par l'Allen Institute for AI (AI2), l'organisation de recherche à but non lucratif fondée en 2014 par Paul Allen, cofondateur de Microsoft, Semantic Scholar s'est d'abord construit comme un moteur de recherche académique en accès libre et sans frais avant de développer des fonctionnalités d'assistance plus poussées.

Sa force réside dans l'ampleur et l'ouverture de son graphe de connaissances : selon le rapport technique publié par l'équipe en janvier 2023, l'Academic Graph de Semantic Scholar réunissait alors plus de 200 millions d'articles, plus de 80 millions d'auteurs, plus de 550 millions de liens d'auteurship et plus de 2,4 milliards de liens de citation — ce que l'équipe présente comme le plus vaste graphe ouvert de littérature scientifique disponible. Chaque article indexé reçoit un résumé automatique généré par IA, baptisé TLDR (« too long, didn't read »), qui condense la contribution principale en une phrase.

Cette infrastructure ouverte, accessible via une API publique (le Semantic Scholar Academic Graph, S2AG), n'est pas un simple produit fini : elle sert de brique technique à de nombreux autres outils de l'écosystème, dont ResearchRabbit, qui s'appuie explicitement sur les données de Semantic Scholar et d'OpenAlex pour ses fonctionnalités de cartographie. C'est un rappel utile : derrière la façade de dizaines de produits différents, une poignée d'infrastructures de données ouvertes fait le travail de fond.

Cartographier la littérature : ResearchRabbit et l'exploration par citation

Une autre famille d'outils aborde le problème différemment : plutôt que de répondre à une question, elle aide à visualiser les relations entre documents. ResearchRabbit, fondé en 2021 par une petite équipe basée à Seattle, en est l'exemple le plus utilisé.

Le principe est simple à décrire mais puissant à l'usage. L'utilisateur part d'un ou plusieurs « articles graines » — des publications déjà identifiées comme centrales pour son sujet. L'outil retrouve alors automatiquement les articles similaires, les travaux antérieurs cités par ces graines, et les travaux postérieurs qui les citent, puis présente l'ensemble sous forme de réseau visuel ou de frise chronologique. Cette approche par propagation de citations permet souvent de découvrir des travaux pertinents qu'une recherche par mots-clés aurait manqués, simplement parce qu'ils utilisent un vocabulaire différent pour traiter la même question.

ResearchRabbit propose un accès sans coût à des fonctionnalités de recherche illimitées sur un corpus de plus de 280 millions d'articles, avec une limite sur le nombre de graines utilisables simultanément et le nombre de projets actifs pour les usages les plus intensifs. L'outil s'intègre par ailleurs avec des gestionnaires de références comme Zotero, ce qui facilite son insertion dans un flux de travail académique déjà installé.

D'autres outils de cartographie

ResearchRabbit n'est pas seul sur ce créneau : Connected Papers propose une approche similaire de visualisation par similarité de citation, tandis que Litmaps met l'accent sur le suivi dans le temps d'un corpus de veille, avec des alertes lorsque de nouveaux articles pertinents paraissent. Ces outils se recoupent largement dans leurs sources de données — beaucoup s'appuient sur Semantic Scholar ou OpenAlex — mais se différencient par l'ergonomie et les fonctionnalités de suivi proposées.

Outil	Fondation	Corpus indiqué	Fonction principale
Elicit	2023 (issu d'Ought, 2017)	~138 millions de documents	Synthèse contextualisée et extraction structurée
Consensus	2022	200+ millions d'articles	Réponse directe assortie du degré de consensus
Semantic Scholar	2015 (AI2, fondé 2014)	200+ millions d'articles	Infrastructure ouverte, graphe de citations
ResearchRabbit	2021	280+ millions d'articles	Cartographie visuelle par citation
scite.ai	2018 (lancement public 2019)	Corpus indexé de citations classifiées	Classification des citations (soutien / contradiction / mention)

Vérifier les citations : la promesse et les limites de scite.ai

Une préoccupation traverse tout l'usage de la littérature scientifique, avec ou sans IA : une citation ne dit pas si l'article citant est d'accord avec l'article cité, le contredit, ou le mentionne simplement en passant. scite.ai, lancé publiquement en 2019, s'est positionné précisément sur ce problème en proposant des « citations intelligentes » (Smart Citations) qui classifient chaque citation entre soutien, contradiction ou simple mention, à l'aide d'un modèle de classification de texte entraîné sur des millions de passages citants.

C'est une promesse séduisante — et c'est aussi l'une des rares dimensions de cet écosystème à avoir fait l'objet d'un audit indépendant rigoureux. Une étude publiée en 2023 dans la revue Hypothesis: Research Journal for Health Information Professionals, menée par Bakker, Theis-Mahon et Brown, a évalué la précision des classifications de scite.ai sur un échantillon de citations issues de revues systématiques ayant cité des publications rétractées. Les résultats sont nuancés et méritent d'être cités avec précision : la précision globale des classifications s'est révélée faible, avec des F-mesures comprises entre 0,0 et 0,58 selon les catégories. Dans l'échantillon étudié, sur des citations que les chercheurs humains avaient classées comme 42 « soutenant », 39 « mentionnant » et 17 « contredisant », scite.ai n'en avait identifié que 2 comme soutenant et 96 comme simplement mentionnant — une sous-détection nette des citations de soutien et de contradiction, l'outil ayant tendance à classer par défaut dans la catégorie la moins engageante.

Les auteurs de l'étude notent une limite méthodologique importante qui explique en partie ce résultat : les paywalls empêchant l'accès au texte intégral d'un article citant réduisent la capacité de l'outil à analyser correctement le contexte de la citation. Cette étude ne condamne pas l'outil dans l'absolu — la classification de la fonction rhétorique d'une citation reste un problème difficile même pour des lecteurs humains formés — mais elle illustre une règle de prudence qui vaut pour tout l'écosystème : une classification produite automatiquement doit être vérifiée avant d'être citée à son tour comme preuve.

Une précision de classification comprise entre 0 et 0,58 sur l'échelle F-mesure n'est pas un échec de l'outil, c'est une mesure honnête de ses limites actuelles — et un rappel que la vérification humaine reste la dernière étape, pas une option.

Le talon d'Achille : citations fantômes et informations inventées

Il faut aborder ce sujet frontalement, car c'est la limite la plus documentée — et la plus consensuelle dans la littérature scientifique elle-même — de ces outils. Les grands modèles de langage génériques ont une tendance connue à produire des références bibliographiques qui semblent parfaitement crédibles — nom d'auteur plausible, titre cohérent, revue existante — mais qui n'existent tout simplement pas. On appelle ce phénomène une hallucination.

Le cas le plus spectaculaire de cette limite remonte à novembre 2022, deux semaines avant le lancement de ChatGPT. Meta a mis en ligne Galactica, un modèle présenté comme un « grand modèle de langage pour la science », entraîné notamment sur 48 millions d'articles scientifiques et capable, en théorie, de résumer la littérature, résoudre des problèmes mathématiques ou rédiger des articles encyclopédiques. La démonstration publique n'a survécu que trois jours : Meta l'a retirée le 17 novembre 2022, après une vague de critiques de la communauté scientifique. Michael Black, directeur au Max Planck Institute for Intelligent Systems, a testé le modèle sur des faits qu'il maîtrisait personnellement et a rapporté que les réponses étaient, dans tous les cas testés, soit fausses soit biaisées, tout en paraissant écrites avec une autorité trompeuse — y compris un cas où le modèle a inventé une citation attribuée à un auteur réel travaillant effectivement dans le domaine concerné, mais pour un article qui n'existait pas.

Cet épisode, largement commenté à l'époque, n'était pas un accident isolé. Une étude publiée en août 2023 dans Scientific Reports (revue du groupe Nature) a quantifié précisément ce phénomène pour ChatGPT : sur un échantillon de citations bibliographiques générées par le modèle, 55 % des citations produites par GPT-3.5 se sont révélées entièrement fabriquées, contre 18 % pour GPT-4 — une amélioration nette d'une génération de modèle à l'autre, mais un taux qui reste très significatif. Une autre étude, publiée en juin 2023 dans Mayo Clinic Proceedings: Digital Health, a testé ChatGPT sur 20 questions médicales avec demande de références : sur 59 références produites, 41, soit 69 %, se sont avérées fabriquées, la plupart utilisant des noms d'auteurs ayant réellement publié sur des sujets proches, avec un titre plausible et un format de revue crédible — ce qui rend ces fabrications particulièrement difficiles à repérer sans vérification systématique.

Pourquoi le RAG réduit le problème sans l'éliminer

C'est précisément ce constat qui justifie l'architecture de génération augmentée par récupération (RAG) décrite plus haut : en ancrant les réponses sur des documents réellement retrouvés dans un corpus indexé, plutôt que sur la seule mémoire paramétrique du modèle, les assistants de recherche spécialisés réduisent nettement le risque de citation totalement inventée par rapport à un usage nu d'un assistant conversationnel généraliste. Mais réduire n'est pas supprimer : une erreur de récupération, une mauvaise association entre un passage et sa source, ou une extension du modèle au-delà des documents fournis peuvent encore introduire des erreurs. C'est pourquoi les guides méthodologiques de bibliothèques universitaires — comme celui de l'Université d'Arizona ou de l'Université du Michigan, consultés pour cet article — recommandent systématiquement de vérifier chaque référence produite par un assistant IA en remontant à la source primaire, avant toute utilisation dans un travail académique.

Accélérer le criblage systématique, avec prudence

Au-delà de la recherche exploratoire, une application plus rigoureusement encadrée de l'IA concerne le criblage des revues systématiques — l'étape, souvent la plus longue d'une revue Cochrane ou PRISMA, où il faut inclure ou exclure chaque référence trouvée selon des critères d'éligibilité prédéfinis.

Les outils d'apprentissage automatique appliqués à cette tâche existent depuis plus longtemps que les assistants conversationnels grand public, et leurs bénéfices sont désormais bien documentés. Une évaluation publiée sur l'outil Abstrackr a montré une réduction médiane de 67,2 % du nombre de références à examiner manuellement pour atteindre un rappel équivalent au criblage humain intégral, avec une forte variabilité selon les corpus testés (de 9,5 % à 88,4 % selon le projet de revue systématique concerné). Une étude publiée en 2025 dans Research Synthesis Methods (Qin et al.) a rapporté des économies de temps de travail moyennes de 45,4 % pour un criblage en double assisté par apprentissage automatique, et jusqu'à 74,4 % pour un criblage séquentiel assisté. Ces gains sont substantiels, mais la littérature souligne aussi un compromis à ne pas ignorer : les stratégies les plus économes en temps sont aussi celles qui comportent le plus grand risque d'omettre des références pertinentes, ce qui impose de calibrer soigneusement le niveau de rappel visé selon les enjeux de la revue.

Les grands modèles de langage génériques ont, plus récemment, été testés sur cette même tâche de criblage. Une étude prépubliée en 2023 puis publiée en 2024 dans Research Synthesis Methods par Khraisha et ses coauteurs a évalué GPT-4 sur le criblage de titres et résumés, ainsi que sur l'extraction de données, selon une méthodologie « sans intervention humaine dans la boucle » — c'est-à-dire en évaluant les performances du modèle seul, sans correction intermédiaire. Les résultats varient fortement selon le déséquilibre du jeu de données : les performances de criblage se sont montrées faibles sur des jeux très équilibrés (proportion d'inclusion proche de 1 pour 1), mais modérées à correctes sur des jeux plus déséquilibrés, plus représentatifs des revues réelles où les articles exclus sont largement majoritaires. Sur le criblage en texte intégral, avec des consignes soigneusement formulées, les performances se sont rapprochées du niveau humain. La conclusion des auteurs est mesurée : le potentiel est réel, mais une prudence importante reste de mise avant de confier une revue systématique à un modèle de langage sans supervision.

Étude / outil	Tâche évaluée	Résultat rapporté
Abstrackr (évaluation rétrospective)	Criblage titres/résumés	9,5 à 88,4 % de références en moins à examiner manuellement (médiane 67,2 %)
Criblage en double assisté par ML (Qin et al. 2025)	Criblage titres/résumés	45,4 % de temps de travail économisé en moyenne
Criblage séquentiel assisté (Qin et al. 2025)	Criblage titres/résumés	74,4 % de temps de travail économisé en moyenne
Khraisha et al. 2024, GPT-4	Criblage texte intégral (consignes optimisées)	Performance proche du niveau humain
Scientific Reports 2023, GPT-3.5 / GPT-4	Génération de citations bibliographiques	55 % / 18 % de citations entièrement fabriquées

Bonnes pratiques : le chercheur reste le dernier maillon de vérification

De l'ensemble de ces constats se dégage une ligne de conduite cohérente, que partagent aussi bien les éditeurs de ces outils que les bibliothécaires universitaires qui en accompagnent l'adoption.

Ce que ces outils font bien

• Élargir le périmètre de recherche au-delà de la correspondance stricte de mots-clés, grâce à la recherche sémantique.
• Faire gagner un temps considérable sur les étapes répétitives : premier tri, extraction structurée, cartographie de citations.
• Rendre visibles des connexions entre travaux qu'une recherche manuelle par mots-clés aurait probablement manquées.
• Démocratiser l'accès à des capacités de synthèse jusque-là réservées aux équipes disposant de moyens importants pour des revues systématiques manuelles.

Ce qu'ils ne remplacent pas

• La vérification de chaque référence citée, en remontant systématiquement à la source primaire avant toute utilisation dans un travail académique.
• Le jugement méthodologique sur la qualité d'une étude — un assistant IA peut résumer une méthode, il n'évalue pas de façon fiable sa validité interne.
• La lecture intégrale des articles centraux pour le travail en cours ; les résumés générés, même de bonne qualité, ne dispensent pas de la lecture des sources pivots.
• La responsabilité scientifique de l'auteur, qui reste engagée sur l'exactitude de chaque citation figurant dans sa publication, quel que soit l'outil utilisé pour la produire.

Cette répartition des rôles — l'outil pour l'exploration et l'accélération, le chercheur pour la vérification et le jugement — n'est pas une prudence excessive : c'est très exactement la posture que recommandent les guides méthodologiques consultés pour cet article, qu'il s'agisse des ressources de la bibliothèque de l'Université d'Arizona ou de celles de l'Université du Michigan sur l'intégration de l'IA dans les revues de littérature.

Le gain de temps est réel et mesurable ; la responsabilité de l'exactitude, elle, ne se délègue pas.

Où va cette famille d'outils

Plusieurs tendances de fond se dessinent pour cet écosystème. La première est l'intégration croissante entre ces outils spécialisés et les interfaces conversationnelles grand public, illustrée par le lancement de Consensus GPT dans le magasin d'applications d'OpenAI dès janvier 2024 — un signe que la frontière entre « assistant conversationnel généraliste » et « outil de recherche académique spécialisé » tend à s'estomper du point de vue de l'utilisateur final, même si les architectures et les garanties de fiabilité restent distinctes en coulisses.

La deuxième tendance est la structuration progressive de standards ouverts pour les données bibliographiques. L'existence d'infrastructures publiques comme le Semantic Scholar Academic Graph ou OpenAlex, réutilisées par de nombreux outils commerciaux, illustre un modèle où l'innovation se construit sur des biens communs documentaires plutôt qu'en silos fermés — une dynamique bénéfique pour l'ensemble de la communauté scientifique, y compris pour les équipes qui n'ont pas les moyens de constituer leur propre corpus.

La troisième tendance, la plus significative pour l'usage quotidien, est l'évolution méthodologique vers des protocoles hybrides homme-machine mieux calibrés. Les travaux les plus récents sur le criblage assisté par IA, comme l'étude de Khraisha et ses coauteurs, ne cherchent plus à démontrer qu'un modèle peut remplacer un humain, mais à identifier les configurations précises — type de tâche, niveau de déséquilibre du jeu de données, formulation des consignes — où l'assistance automatisée atteint un niveau de fiabilité suffisant pour être intégrée avec un minimum de supervision. C'est une évolution plus modeste dans son ambition affichée, mais plus solide dans ses fondations méthodologiques.

Une adoption qui varie fortement selon les disciplines

L'enquête Nature de septembre 2023 apporte un éclairage précieux, souvent absent des discours généraux sur « l'IA dans la science » : l'adoption de ces outils n'est ni uniforme ni linéaire selon les disciplines. Les répondants issus de l'informatique, de l'ingénierie et des mathématiques se sont déclarés, de loin, les utilisateurs les plus fréquents des outils d'IA dans leur pratique de recherche, suivis par la physique, la chimie et la biologie. Les sciences sociales et les humanités, où la nature du matériau étudié — textes, entretiens, sources archivistiques hétérogènes — se prête moins bien à un traitement automatisé standardisé, affichaient des taux d'adoption sensiblement plus faibles au moment de l'enquête.

Cette hétérogénéité a une explication assez directe. Les disciplines où l'adoption est la plus rapide sont aussi celles où les chercheurs comprennent le mieux, de par leur propre formation, les mécanismes internes des modèles qu'ils utilisent : ils savent ce qu'un embedding représente, ce qu'un modèle de langage peut ou non garantir, et adaptent leur niveau de confiance en conséquence. Pour les disciplines plus éloignées de l'informatique, la courbe d'apprentissage porte autant sur l'outil que sur la compréhension de ses limites intrinsèques — ce qui explique aussi pourquoi les guides méthodologiques produits par les bibliothèques universitaires, plutôt que par les éditeurs des outils eux-mêmes, jouent un rôle de pédagogie de plus en plus central dans cette diffusion.

Cette même enquête a également mis au jour une tension que beaucoup de chercheurs formulent spontanément : l'espoir d'un gain de temps réel coexiste avec l'inquiétude de voir se développer des pratiques de reconnaissance de motifs sans compréhension véritable, ou une forme de dépendance qui fragiliserait la capacité collective à évaluer soi-même la qualité d'une source. Ce n'est pas une opposition entre pro- et anti-IA : c'est la traduction, dans le champ de la recherche scientifique, d'un débat plus large sur la juste place de l'automatisation dans les tâches intellectuelles — un débat que les chiffres de fiabilité présentés plus haut permettent, au moins, de nourrir avec des données plutôt qu'avec des intuitions.

Ce qu'il faut retenir

Les assistants de recherche fondés sur l'IA répondent à un problème réel et documenté : la croissance continue du volume de publications scientifiques dépasse depuis longtemps les capacités de lecture manuelle exhaustive. Des outils comme Elicit, Consensus, Semantic Scholar ou ResearchRabbit apportent des réponses concrètes et mesurables à ce problème, chacun avec son angle propre — synthèse contextualisée, réponse directe assortie du degré de consensus, infrastructure ouverte de graphe de citations, ou cartographie visuelle par propagation.

Ces gains s'accompagnent toutefois d'une limite bien identifiée par la recherche indépendante : la tendance des modèles de langage à produire des citations plausibles mais inexistantes, documentée à des taux allant de 18 % à 69 % selon les études et les versions de modèles testées. Cette limite n'invalide pas l'intérêt de ces outils — elle en définit simplement l'usage responsable : l'exploration et l'accélération peuvent être largement délégués, la vérification finale de chaque référence, elle, reste et doit rester entre les mains du chercheur.

Pour un chercheur qui découvre cet écosystème aujourd'hui, la meilleure porte d'entrée est sans doute la plus pragmatique : choisir l'outil selon la tâche précise à accomplir — cartographie exploratoire avec ResearchRabbit, synthèse structurée avec Elicit, réponse rapide à une question ciblée avec Consensus, vérification de la fonction d'une citation avec scite.ai en gardant à l'esprit ses marges d'erreur documentées —, puis systématiser une étape de vérification humaine avant toute utilisation dans un travail publié. C'est cette discipline, plus que le choix d'un outil plutôt qu'un autre, qui déterminera si l'IA devient un allié fiable de la recherche scientifique ou une source supplémentaire d'erreurs à corriger.

Sources

Cet article s'appuie sur des sources publiques et vérifiables :

• TechCrunch, « Elicit is building a tool to automate scientific literature review » — techcrunch.com.
• Ought, présentation d'Elicit — ought.org.
• MarkTechPost, « Meet Consensus: A Search Engine Tool That Uses AI To Instantly Extract And Aggregate Findings Directly From Scientific Research » (octobre 2022) — marktechpost.com.
• VentureBeat, « Consensus raises $3M, partners with OpenAI to revolutionize scientific web search » — venturebeat.com.
• Kinney et al., « The Semantic Scholar Open Data Platform » (arXiv 2301.10140, janvier 2023) — arxiv.org.
• ResearchRabbit, présentation officielle — researchrabbit.ai.
• Bakker, Theis-Mahon, Brown, « Evaluating the Accuracy of scite, a Smart Citation Index » (2023), Hypothesis: Research Journal for Health Information Professionals — journals.indianapolis.iu.edu.
• MIT Technology Review, « Why Meta's latest large language model only survived three days online » — technologyreview.com.
• « Fabrication and errors in the bibliographic citations generated by ChatGPT », Scientific Reports (2023) — nature.com.
• « Learning to Fake It: Limited Responses and Fabricated References Provided by ChatGPT for Medical Questions », Mayo Clinic Proceedings: Digital Health (2023) — mcpdigitalhealth.org.
• Khraisha et al., « Can large language models replace humans in systematic reviews? » (2024), Research Synthesis Methods — onlinelibrary.wiley.com.
• Qin, Yao, Luo et al., « Machine learning for identifying randomised controlled trials when conducting systematic reviews: Development and evaluation of its impact on practice » (2025), Research Synthesis Methods 16(2):350-363 — pmc.ncbi.nlm.nih.gov.
• Rathbone et al., « Technology-assisted title and abstract screening for systematic reviews: a retrospective evaluation of the Abstrackr machine learning tool » — pmc.ncbi.nlm.nih.gov.
• Nature, « AI and science: what 1,600 researchers think » (2023) — nature.com.
• National Science Foundation (NCSES), « Publication Output by Geography and Scientific Field » — ncses.nsf.gov.