Il y a des questions qui trahissent leur époque. The Economist s’est demandé cette semaine si l’IA pouvait aider les chercheurs à venir à bout de leur paperasse. La réponse tient dans un oui, suivi d’un mais qui fait mal : ça amplifierait des problèmes déjà bien installés. Le même jour, le même journal raconte l’autre bout de la chaîne. Les entreprises d’IA veulent devenir des chercheurs scientifiques de premier plan, et la récompense, ce serait de meilleurs modèles.
Mets les deux papiers côte à côte, l’histoire change de goût. La science n’est pas le projet. C’est le terrain d’entraînement.
La paperasse dévore sa propre sortie
Un chercheur passe une part démente de son temps à remplir des dossiers : demandes de financement, rapports d’étape, réponses aux évaluateurs. Brancher un LLM là-dessus paraît évident. Sauf que l’outil ne supprime pas la paperasse, il la démultiplie. Imagine une demande de subvention pondue en trente secondes. Tout le monde en envoie. Les comités, eux, reçoivent trois fois plus de dossiers, tous polis, tous structurés de la même façon, tous sortis du même genre de machine. Le tri redevient manuel, et le nombre de relecteurs, lui, n’a pas bougé d’un pouce.
Le motif est connu : quand produire un texte ne coûte plus rien, c’est le vérifier qui devient hors de prix. L’évaluation par les pairs, déjà en surchauffe depuis des années, prend l’eau de partout.
Le vrai carburant, c’est le papier
L’autre article pose une ambition plus large. Les entreprises d’IA veulent publier, signer, se faire un nom dans la recherche. Leurs motivations ne sont pas exactement académiques. Des résultats frais, des données propres, des questions encore ouvertes : voilà de quoi nourrir un modèle et le pousser vers le haut. Le papier scientifique devient un carburant, pas une fin.
On ne va pas jouer les vierges effarouchées. Un labo privé a déjà accouché d’une avancée que la recherche publique n’avait pas vue venir, du côté de la structure des protéines. Mais entre résoudre une question bien posée et devenir un chercheur autonome qui choisit lui-même ses questions, il y a un gouffre que personne n’a franchi.
On en parlait il y a peu : OpenAI torche 90 problèmes de maths ouverts et se fait traiter de mafieux, Microsoft promet un criblage anticancéreux en un week-end et le papier se fait encore attendre. Le point commun, c’est toujours le même pipeline : un modèle produit, l’annonce part, la vérification traîne derrière.
Le doute passe à la trappe
Le vrai danger n’est pas que l’IA fasse de la mauvaise science. C’est qu’elle produise assez de résultats plausibles pour que plus personne n’ait les moyens de trier le bon grain. Une machine qui pond un résultat et une autre qui le note, dans la même maison, avec les mêmes données d’entraînement, ça n’a plus grand-chose de l’évaluation scientifique. C’est une chaîne de montage avec un tampon à la sortie.
La science tient debout grâce au doute organisé. Confie le résultat et son contrôle au même fournisseur, et il ne reste plus personne pour douter.
Sources :
Comments are closed