Utiliser l'intelligence artificielle dans les travaux académiques

Nous parlons beaucoup ces derniers temps des progrès et de la généralisation des technologies de l'intelligence artificielle (IA). Initialement utilisée à des fins de divertissement, de socialisation ou de travail, nous avons commencé à l'employer dans le domaine académique à des fins éducatives. 

Nous avons d'abord perçu l'intelligence artificielle comme un assistant, un serviteur. Aujourd'hui, nous nous demandons si ce serviteur ne pourrait pas devenir le bourreau de l'humanité. Nous en avons peur. La raison de cette crainte réside dans le fait que l'IA, contrairement aux machines mécaniques, est devenue capable d'accomplir des « tâches intellectuelles » jusqu'alors réservées aux humains. Lorsque vous utilisez ChatGPT-4o, l'un des exemples les plus avancés de modèles d'IA créés par le développement de grands modèles de langage (Large Language Models – LLM), vous pouvez converser avec l'IA comme vous le feriez avec un ami. Vous pouvez également discuter comme vous le feriez avec un scientifique, un homme d'affaires, un philosophe ou un politicien. Il n'est pas nécessaire de connaître ces personnes individuellement ni qu'elles vous consacrent de leur temps. 

L'IA est rapidement devenue l'une des technologies les plus importantes et les plus transformatrices de notre époque, trouvant des applications dans presque tous les domaines et toutes les industries. Parmi ces applications, la rédaction académique s'impose comme l'un des secteurs où les outils et méthodes basés sur l'IA se développent le plus rapidement et sont les plus largement acceptés. Je ne dis pas cela par facilité ou par pragmatisme, comme s'il était inutile de s'opposer à une vague déferlante, mais je pense que l'utilisation d'outils basés sur l'IA dans la rédaction scientifique doit être largement adoptée. 

Pourquoi ? Dans un article publié dans la revue Nature en juin 2023, intitulé « Academic Writing with Artificial Intelligence: A Paradigm-Shifting Technological Advancement », Roei Golan et ses collègues classent l'utilisation de l'IA dans la rédaction académique en deux grandes catégories : les outils qui soutiennent les auteurs dans le processus de rédaction et les outils utilisés pour évaluer la qualité et la validité des travaux écrits. Les outils capables de comprendre et de générer un langage humain, comme le traitement du langage naturel, peuvent aider les auteurs à rédiger et à préparer leurs articles. Des outils tels que les logiciels de détection de plagiat et les plateformes d'évaluation automatique par les pairs peuvent, quant à eux, soutenir les relecteurs et les éditeurs dans le processus d'évaluation de la qualité des articles. De plus, les plateformes d'évaluation automatique par les pairs peuvent évaluer rapidement et objectivement de grandes quantités d'articles, ce qui a le potentiel de réduire la charge de travail.

L'un des avantages les plus importants des outils basés sur l'IA dans la rédaction académique est le gain de temps et l'augmentation de l'efficacité. Par exemple, les algorithmes de traitement du langage naturel peuvent aider les auteurs à détecter et à corriger les erreurs dans leurs travaux, leur permettant ainsi de se concentrer sur le contenu de leurs écrits. Ces algorithmes peuvent également aider dans des tâches telles que la traduction linguistique et le résumé de texte, rendant les revues de littérature exhaustives plus efficaces. En outre, les algorithmes de traitement du langage naturel peuvent générer des ébauches spécifiques pour des articles, des protocoles de recherche, des demandes de subvention, des formulaires de consentement éclairé, des courriels, des lettres de nécessité médicale, des rapports et d'autres documents écrits. Ces ébauches peuvent servir de cadres garantissant l'inclusion des composants essentiels du texte. Enfin, le traitement du langage peut formuler des suggestions spécifiques pour renforcer un article ou un résumé. Par exemple, les algorithmes d'IA peuvent suggérer des travaux antérieurs pertinents à inclure dans l'introduction ou des limites à mentionner dans les sections de discussion. Cependant, les limites actuelles des algorithmes d'IA incluent un accès restreint à toutes les publications et une incapacité à reconnaître les travaux les plus récents. De plus, l'IA peut suggérer une taille d'échantillon appropriée basée sur des études antérieures ou recommander le test statistique le plus adapté à la distribution de l'étude. Par conséquent, elle peut agir comme éditeur, relecteur et même conseiller dans les travaux académiques. Le point à ne pas oublier ici est qu'il incombe toujours au chercheur de créer les séquences de commandes (prompts, que l'on peut aussi appeler algorithmes textuels) expliquant à l'IA comment éditer, relire et conseiller, et de les développer et de les améliorer pour chaque travail. Car il n'existe pas de prompt unique adapté à chaque chercheur ou à chaque recherche. 

Enfin, je souhaiterais partager quelques notes que je juge importantes avec les universitaires qui utilisent, n'utilisent pas, envisagent d'utiliser ou n'envisagent pas d'utiliser les outils d'IA :

1. Les étudiants ont désormais facilement accès à des outils avancés basés sur l'IA comme ChatGPT. Ces outils utilisent des grands modèles de langage (LLM) et peuvent générer du contenu écrit original que les étudiants peuvent utiliser dans leurs évaluations.

2. Ces outils sont généralement accessibles via des services commerciaux visant à « aider » les étudiants dans leurs évaluations.

3. Les résultats générés par les LLM sont suffisamment cohérents pour ne pas être détectés par les universitaires ou par les logiciels de comparaison de texte traditionnels utilisés pour détecter le plagiat, bien que des références falsifiées non modifiées puissent signaler l'utilisation de ces outils.

4. L'utilisation de ces outils ne peut pas nécessairement être considérée comme du plagiat tant que les étudiants sont transparents dans leurs démarches ; cependant, elle peut enfreindre les politiques d'intégrité académique des établissements d'enseignement supérieur (universités).

5. Ces outils ont des usages légitimes pour soutenir l'éducation des étudiants, ce qui exige que les universités réfléchissent attentivement et définissent leurs politiques concernant l'utilisation de ces logiciels par les étudiants.