Vers une ère où les articles scientifiques sont "produits en masse" par l'IA : la productivité a augmenté, mais peut-on discerner la qualité ?

L'augmentation des publications grâce à l'IA : est-ce une bonne nouvelle ?

En décembre 2025, une étude qui a capté l'attention a examiné à grande échelle les changements que l'IA générative (modèles de langage à grande échelle : LLM) apporte au monde académique. Selon Phys.org, les scientifiques utilisant les LLM (par exemple : ChatGPT) produisent visiblement plus de publications que ceux qui ne les utilisent pas. De plus, cette augmentation varie selon les domaines et les régions, constituant un avantage particulièrement fort pour les chercheurs dont l'anglais n'est pas la langue maternelle.Phys.org

Cette nouvelle est percutante car elle révèle simultanément les "goulots d'étranglement structurels" préexistants dans la publication académique et les "nouveaux goulots d'étranglement" créés par l'IA générative. Pour les chercheurs, réduire le temps d'écriture est une bonne nouvelle. Cependant, pour les relecteurs, éditeurs et la société qui utilise les résultats de recherche, la charge de "lecture/détection" augmente considérablement. Les bénéfices en termes d'efficacité se traduisent par des coûts ailleurs.

Comment l'étude a-t-elle mesuré l'utilisation de l'IA ?

L'analyse repose sur les prépublications (articles publiés avant l'évaluation par les pairs). Des chercheurs de l'Université Cornell et de l'UC Berkeley ont examiné plus de deux millions de résumés soumis aux grands serveurs de prépublications arXiv, bioRxiv et SSRN, entre janvier 2018 et juin 2024.Phys.org

L'important ici est de savoir comment ils ont estimé "qui a utilisé les LLM". Selon Phys.org, l'équipe de recherche a utilisé GPT-3.5 (GPT-3.5 Turbo-0125) pour générer des résumés "semblant être produits par l'IA" basés sur des résumés antérieurs à 2023, et a appris les différences (tournures de phrases et biais statistiques) par rapport aux textes humains, créant un algorithme pour détecter ces "empreintes" dans les résumés ultérieurs.Phys.org

De plus, selon la présentation d'EurekAlert!, ils ont comparé les changements de productivité avant et après l'adoption des LLM en utilisant une méthode de différences en différences.EurekAlert!

En d'autres termes, ils n'ont pas utilisé une "déclaration personnelle d'utilisation de l'IA", mais ont "estimé à partir des caractéristiques du texte". Cela a ses limites (par exemple, l'influence de la standardisation du style ou des outils de révision). Cependant, la grande échelle permet de saisir des "tendances globales" difficiles à voir dans des cas individuels.

Résultat 1 : La "productivité" des publications a réellement augmenté

Les chiffres sont assez impressionnants. Phys.org rapporte une augmentation de 59,8% dans les sciences sociales et humaines, de 52,9% dans les sciences biologiques et de la vie, et de 36,2% dans la physique et les mathématiques.Phys.org

Le Cornell Chronicle corrobore cela, indiquant une augmentation d'environ un tiers (≈36%) sur arXiv, et de plus de 50% sur bioRxiv et SSRN.Cornell Chronicle

Il est facile de se méprendre ici : l'augmentation n'est pas tant due à "l'IA générant des idées de recherche", mais plutôt à la réduction des "frictions dans l'écriture, la mise en forme et la préparation des soumissions". Même si le temps passé sur les expériences et analyses reste le même, la rapidité de rédaction augmente le nombre de publications possibles. Les résumés, introductions, revues de littérature et polissage des expressions sont des domaines où les LLM excellent.

Résultat 2 : Une "réduction des disparités" pour les non-anglophones

Le point le plus emblématique de cette étude est la différence régionale. Phys.org rapporte une augmentation allant jusqu'à 89% pour les chercheurs asiatiques, soulignant l'histoire défavorable des non-anglophones dans la culture des journaux de premier plan où l'anglais est requis.Phys.org

Le Cornell Chronicle va plus loin, indiquant que les chercheurs affiliés à des institutions asiatiques ont vu leurs soumissions augmenter de 43,0% à 89,3%, tandis que celles des institutions anglophones ou des auteurs aux noms "Caucasiens" ont augmenté de 23,7% à 46,2%.Cornell Chronicle

EurekAlert! résume également que l'augmentation de productivité varie de 23,7% à 89,3%, avec des bénéfices plus importants pour ceux pour qui la barrière linguistique est élevée.EurekAlert!

Cela pourrait indiquer une réduction du "premium de maîtrise de l'anglais" qui a longtemps existé dans le monde académique. Si la capacité à "formuler en anglais" a été surévaluée par rapport au contenu de la recherche, cette distorsion pourrait être corrigée.

Cependant, cela représente aussi un "changement des règles de la compétition". Ceux qui avaient un avantage grâce à leur maîtrise de l'anglais pourraient le voir diminuer, et l'évaluation pourrait se recentrer sur d'autres signaux (affiliation, encadrant, marque). Phys.org avertit que si l'évaluation par le texte s'effondre, on pourrait se reposer sur des indicateurs de statut comme le parcours ou l'affiliation des auteurs.Phys.org

Résultat 3 : Les textes deviennent "complexes", mais les critères de qualité s'inversent

C'est le point le plus inquiétant de cette étude. Traditionnellement, la capacité à écrire de manière lisible et cohérente avec le sujet était souvent corrélée à la qualité de la recherche. Les relecteurs et éditeurs, dans leur emploi du temps chargé, se fiaient souvent à la qualité rédactionnelle comme un "aperçu rapide".

Cependant, selon le Cornell Chronicle, alors que les articles écrits par des humains montraient une tendance où "plus le texte est complexe, plus il est accepté", cette relation s'est inversée pour les articles où l'IA a probablement été impliquée, avec une tendance où "plus le texte est complexe, moins il est accepté".Cornell Chronicle

TechXplore (republication de The Conversation) souligne également que sous l'assistance de l'IA, un "langage complexe" pourrait être utilisé pour masquer un contenu faible.TechXplore

En termes simples, le raccourci "un bon texte = une bonne recherche" est brisé. Plus précisément, "la capacité à bien écrire est devenue plus accessible". Par conséquent, la probabilité de tomber sur un "bon" article en se basant uniquement sur le texte diminue.

Résultat 4 : Une "diversification" des citations et de l'exploration, un avantage inattendu

Il n'y a pas que des mauvaises nouvelles. Le Cornell Chronicle note que l'utilisation de l'IA influence également l'exploration des recherches connexes, avec des outils de recherche IA (par exemple : Bing Chat) facilitant l'accès à de nouvelles publications et livres, réduisant ainsi le biais envers les "classiques anciens et souvent cités" que les recherches traditionnelles ont tendance à privilégier.Cornell Chronicle

EurekAlert! résume également que les utilisateurs de LLM ont tendance à lire et citer une littérature plus diversifiée (livres, recherches plus récentes, documents moins cités).EurekAlert!

Cela pourrait élargir la "portée des idées" dans la recherche, mais soulève également d'autres préoccupations. Plus les citations augmentent et se diversifient, plus la charge de vérification de l'exactitude des références augmente. Si les hallucinations de l'IA générative (erreurs plausibles) se mêlent, cela pourrait devenir un terreau fertile pour des chaînes de citations erronées.

"Inondation de publications" et l'avenir de l'évaluation par les pairs : qu'est-ce qui est en jeu ?

Voici une synthèse sous forme de schéma.

• Chercheurs : réduction du temps d'écriture → augmentation du nombre de soumissions

• Journaux/Évaluateurs : augmentation du nombre de lectures + difficulté à "trier" par la qualité rédactionnelle

• Évaluation de la recherche (recrutement, promotion, subventions) : distorsion accrue des indicateurs quantitatifs (trop de volume)

• Société : augmentation des coûts pour identifier des connaissances fiables

Phys.org propose comme solutions des "vérifications plus approfondies" ou des "agents de soutien à l'évaluation par l'IA".Phys.org

TechXplore (The Conversation) suggère que, face à l'augmentation des soumissions et de la charge éditoriale, il pourrait être inévitable d'utiliser l'IA pour l'évaluation.TechXplore

Cependant, le recours à l'IA pour juger l'IA comporte de nouveaux risques. Les biais des détecteurs, les erreurs de jugement, et la compétition entre outils (optimisation des textes pour éviter la détection) pourraient mener à une "course-poursuite". L'important est de déplacer l'axe d'évaluation vers la "vérification de la robustesse de la recherche" plutôt que de "réprimer l'apparence IA".

Réactions sur les réseaux sociaux (tendances) : les points de division

※ Ce qui suit n'est pas une compilation exhaustive des publications individuelles, mais une organisation des points récurrents dans les articles, republications et débats (c'est-à-dire les "types de réactions" qui se propagent facilement sur les réseaux sociaux).

1) Partisans de "l'espoir pour les non-anglophones" : attente de démocratisation de la recherche

Les chiffres impressionnants de 43,0 à 89,3% d'augmentation pour les chercheurs asiatiques se lient facilement à l'expérience vécue de la barrière de l'anglais déformant la compétition de recherche.Cornell Chronicle##HTML_TAG_