L'avenir de la publication STM : le rôle de l'IA dans l'intégrité de la recherche et l'innovation

L'avenir de la publication STM : comment l'IA peut soutenir l'intégrité et l'innovation en recherche

Introduction

La publication scientifique, technique et médicale (STM) est à un tournant critique. Le volume de recherches produites continue de croître, les éditeurs sont sous pression pour rendre le contenu plus accessible et transparent, et la communauté mondiale de la recherche attend des processus éditoriaux plus rapides et plus équitables. En même temps, l'intégrité de la recherche, la reproductibilité et la confiance n'ont jamais été aussi importantes.

L'intelligence artificielle (IA) est entrée dans ce paysage à la fois comme un allié puissant et une source potentielle de risques. Les systèmes d'IA peuvent filtrer les manuscrits pour détecter le plagiat, aider à identifier des évaluateurs appropriés, analyser les réseaux de citations et même détecter des images ou des données suspectes. Ils peuvent aussi soutenir les lecteurs et les chercheurs en résumant des littératures complexes, en prédisant les sujets émergents et en améliorant la recherche et la découvrabilité dans d'immenses bases de données STM.

Pourtant, l'adoption rapide de l'IA soulève des questions importantes. Comment garantir que les flux de travail assistés par l'IA restent justes, impartiaux et transparents ? Quelles mesures de protection sont nécessaires pour empêcher l'IA d'amplifier les inégalités existantes dans la publication ou de permettre de nouvelles formes de mauvaise conduite ? Comment les éditeurs équilibrent-ils les gains d'efficacité avec la nécessité d'un jugement éditorial humain et attentif ?

Cet article explore comment l'IA transforme la publication STM, en se concentrant sur son rôle croissant dans le filtrage des manuscrits, l'évaluation par les pairs, l'intégrité de la recherche et l'innovation. Il examine également les défis éthiques liés au contenu généré par l'IA, à la sécurité des données et aux biais algorithmiques, et esquisse une vision hybride pour l'avenir : un écosystème de publication assisté par l'IA mais fondamentalement centré sur l'humain.

L'influence croissante de l'IA dans la publication STM

L'IA a largement dépassé les simples outils d'automatisation qui vérifient le nombre de mots ou le format des références. Les systèmes modernes s'appuient sur l'apprentissage automatique et le traitement du langage naturel (NLP) pour comprendre la structure, la langue et les relations au sein de grandes collections de documents scientifiques. Dans la publication STM, cela transforme plusieurs fonctions clés.

1. L'IA dans le filtrage des manuscrits et l'évaluation par les pairs

L'une des étapes les plus gourmandes en ressources dans la publication STM est le parcours éditorial depuis la soumission jusqu'à la décision finale. Les outils alimentés par l'IA sont de plus en plus utilisés pour soutenir les éditeurs à des étapes clés de ce processus :

• Détection de similarité et de plagiat : Les systèmes basés sur l'IA peuvent comparer un manuscrit à des millions d'articles publiés et de prépublications pour signaler un plagiat potentiel, une publication redondante ou une réutilisation excessive de texte.
• Analyse des citations et de la similarité textuelle : Les outils peuvent identifier des schémas de citation suspects, tels que des cercles d'auto-citation ou des listes de références systématiquement gonflées, aidant les éditeurs à repérer les pratiques manipulatrices.
• Recommandation et correspondance des évaluateurs : Les algorithmes peuvent analyser les réseaux d'auteurs, les sujets et les publications antérieures pour proposer des évaluateurs appropriés dont l'expertise correspond étroitement au manuscrit.
• Analyse des rapports d'évaluation : Certains éditeurs utilisent l'IA pour analyser les rapports d'évaluation eux-mêmes, vérifiant la longueur, le ton, l'exhaustivité et les biais potentiels dans les commentaires.

Ces outils d'IA peuvent considérablement réduire la charge de travail éditoriale, raccourcir les délais de traitement et répartir les manuscrits plus équitablement au sein de la communauté des évaluateurs. Cependant, les évaluations générées par l'IA doivent toujours être interprétées par des éditeurs humains, qui comprennent le contexte de la recherche et les normes de leur domaine.

2. L'IA dans l'intégrité de la recherche et la détection de fraudes

Assurer l'intégrité de la recherche est une préoccupation centrale des éditeurs STM. Ces dernières années, des cas de fabrication de données, paper mills, manipulation d'images et articles rédigés par des ghostwriters ont sapé la confiance dans le corpus scientifique. L'IA offre un soutien puissant pour détecter ces problèmes tôt.

• Expertise en imagerie : Les outils d'analyse d'images améliorés par l'IA peuvent détecter des images dupliquées, tournées ou subtilement modifiées à travers plusieurs manuscrits, identifiant la réutilisation suspecte de figures et une manipulation potentielle.
• Détection statistique d'anomalies : Les modèles d'apprentissage automatique peuvent signaler des motifs inhabituels ou improbables dans les ensembles de données, ce qui peut suggérer une fabrication ou un rapport sélectif.
• Reconnaissance des motifs textuels : L'IA peut détecter des signatures stylistiques ou des modèles associés aux paper mills ou aux services de rédaction fantôme de faible qualité.
• Analyse des modèles de soumission : Au niveau du portefeuille, l'IA peut mettre en évidence des grappes de soumissions provenant de certains réseaux affichant des irrégularités similaires.

Ces systèmes ne remplacent pas le jugement éthique, mais ils fournissent aux éditeurs un ensemble de « signaux d'alerte précoce » pouvant déclencher un examen plus approfondi, des enquêtes formelles ou une consultation avec les responsables de l'intégrité de la recherche.

Le rôle de l'IA dans la stimulation de l'innovation dans l'édition STM

Au-delà de l'optimisation des processus et de la détection de fraudes, l'IA change la manière dont la recherche est découverte, connectée et évaluée. Cela ouvre de nouvelles possibilités tant pour les lecteurs que pour les éditeurs.

1. Découverte et synthèse des connaissances assistées par l'IA

La littérature STM est vaste et en constante expansion. L'IA peut aider les chercheurs à comprendre cette complexité grâce à :

• Cartographie automatisée de la littérature : Les systèmes de TAL peuvent identifier les concepts clés à travers des milliers d'articles, les regrouper en thèmes et générer des résumés de haut niveau d'un domaine.
• Graphes de connaissances : Les graphes de connaissances pilotés par l'IA représentent les auteurs, sujets, méthodes et résultats comme des nœuds interconnectés, révélant des relations qui peuvent ne pas être évidentes à partir des recherches traditionnelles par mots-clés.
• Recherche contextuelle : Les moteurs de recherche intelligents peuvent interpréter l'intention derrière une requête et retourner des résultats conceptuellement liés, pas seulement ceux partageant des mots-clés exacts.

Ces outils permettent aux chercheurs de réaliser des revues de littérature plus ciblées et à jour, d'identifier les lacunes et d'explorer plus rapidement et systématiquement les connexions interdisciplinaires.

2. L'IA dans les écosystèmes d'accès libre et de prépublication

Les plateformes en libre accès et de prépublication transforment la communication scientifique en rendant la recherche plus largement et rapidement accessible. L'IA soutient cette transition de plusieurs manières :

• Métadonnées et indexation améliorées : L'IA peut classer automatiquement les articles par sujet, méthode et source de financement, améliorant la découvrabilité dans les dépôts ouverts.
• Soutien multilingue automatisé : Les outils de traduction automatique aident à briser les barrières linguistiques, permettant aux lecteurs d'accéder à la recherche produite dans différentes régions et langues.
• Détection des revues prédatrices : Les algorithmes peuvent analyser les éditeurs selon leurs pratiques éditoriales, la transparence de la revue par les pairs et le statut d'indexation, aidant les auteurs à éviter les revues non éthiques ou trompeuses.

En facilitant la recherche et la confiance dans le contenu en libre accès, l'IA contribue à faire progresser l'objectif plus large de l'accès équitable au savoir scientifique.

3. Métriques améliorées par l'IA et prédiction d'impact

Les métriques traditionnelles basées sur les citations ne capturent qu'une partie de l'influence d'une publication. Les bibliométries et altmetrics alimentées par l'IA peuvent :

• Analyser les trajectoires de citation pour identifier plus tôt les « sujets chauds » émergents et les articles influents que les métriques conventionnelles.
• Suivre les mentions dans les documents politiques, les directives cliniques, les médias d'information et les plateformes sociales, offrant une vue plus holistique de l'impact sociétal.
• Soutenir les financeurs et les institutions dans la prise de décisions basées sur les données concernant les investissements à réaliser et les domaines de recherche STM susceptibles de croître.

Utilisés avec précaution, ces outils peuvent compléter — et non remplacer — les évaluations qualitatives de la qualité et de la pertinence de la recherche.

Défis éthiques de l'IA dans l'édition STM

Malgré ses avantages, l'IA introduit également de nouveaux risques éthiques. Sans une gouvernance rigoureuse, les systèmes d'IA peuvent intégrer des biais, réduire la transparence et éroder la responsabilité humaine dans les décisions éditoriales.

1. Biais algorithmique dans les flux de travail éditoriaux et d'évaluation

Les modèles d'IA apprennent à partir de données historiques, qui peuvent refléter des inégalités anciennes dans la publication scientifique. En conséquence, les décisions pilotées par l'IA peuvent involontairement favoriser :

• Auteurs issus de institutions bien financées et de pays à revenu élevé.
• Articles rédigés en anglais ou publiés dans des revues à fort impact.
• Sujets fréquemment cités, tout en négligeant les domaines de recherche de niche ou émergents.

Pour y remédier, les éditeurs doivent entraîner l'IA sur des ensembles de données divers et représentatifs, auditer régulièrement les résultats algorithmiques et s'assurer que les éditeurs humains peuvent annuler les recommandations de l'IA lorsqu'elles semblent injustes ou biaisées.

2. Contenu de recherche généré par l'IA et éthique de la paternité

À mesure que les outils d'IA deviennent capables de rédiger des textes, de résumer des résultats et même de proposer des conclusions, les éditeurs STM sont confrontés à des questions difficiles :

• Le texte généré par l'IA devrait-il jamais compter comme une contribution scientifique originale ?
• Comment les revues peuvent-elles détecter et gérer les manuscrits largement rédigés par l'IA ?
• Quel degré d'assistance par l'IA est acceptable, et comment doit-il être rapporté ?

La plupart des directives majeures s'accordent désormais à dire que l'IA ne peut pas être listée comme auteur car elle ne peut pas assumer la responsabilité du travail. Cependant, les auteurs restent responsables de la divulgation de l'utilisation de l'IA dans la préparation du manuscrit et doivent s'assurer que tout langage ou figure généré par l'IA est exact, correctement référencé et éthiquement valide. De nombreuses universités et éditeurs avertissent explicitement que la réécriture par l'IA peut gonfler les scores de similarité ou introduire des références fabriquées, et recommandent de plus en plus une relecture et édition humaines comme moyen plus sûr d'affiner la langue.

3. Confidentialité et sécurité des données dans les plateformes propulsées par l'IA

Les systèmes d'IA s'appuient souvent sur de grands volumes de données de manuscrits, y compris recherches non publiées, évaluations confidentielles par les pairs et méthodes propriétaires. Cela soulève plusieurs préoccupations :

• Les manuscrits pourraient être exposés via des fuites de données ou des API non sécurisées.
• Des documents confidentiels pourraient être utilisés, sans consentement, pour entraîner des modèles d'IA externes.
• La propriété intellectuelle pourrait être compromise si des détails sensibles sont stockés ou traités de manière inappropriée.

Les éditeurs STM doivent donc mettre en œuvre des cadres robustes de gouvernance de l'IA et de cybersécurité, clarifiant où les données sont stockées, comment elles sont utilisées et qui y a accès. Les auteurs et relecteurs doivent être informés de ces pratiques afin qu'ils puissent prendre une décision éclairée quant à leur participation.

L'avenir de la publication STM : vers un modèle hybride IA–Humain

En regardant vers l'avenir, l'IA est susceptible de devenir une partie intégrante de la publication STM. La vision la plus prometteuse n'est pas celle d'une automatisation complète, mais d'un écosystème hybride dans lequel l'IA et les humains jouent des rôles complémentaires.

Caractéristiques clés d'un avenir hybride

1. L'IA comme assistant standard de revue : L'IA prendra en charge de manière routinière les vérifications initiales — détection de plagiat, complétude méthodologique basique et recommandation de relecteurs — tandis que les éditeurs et relecteurs se concentreront sur la rigueur scientifique, l'originalité et les implications éthiques.
2. Réglementations claires et appliquées sur l'IA : Les éditeurs, financeurs et organisations professionnelles publieront des politiques détaillées décrivant l'utilisation acceptable de l'IA, les règles obligatoires de divulgation et les conséquences en cas de mauvaise utilisation (comme des données ou références fabriquées par l'IA).
3. Collaboration interdisciplinaire assistée par l'IA : Les graphes de connaissances et plateformes propulsés par l'IA aideront les chercheurs à trouver des collaborateurs dans des domaines adjacents, reliant méthodes, ensembles de données et questions complémentaires.
4. Flux éditoriaux plus rapides mais plus transparents : Les tâches routinières seront largement automatisées, réduisant les délais de révision. En même temps, les revues seront plus ouvertes sur l'utilisation de l'IA dans la prise de décision et documenteront les contrôles et équilibres conçus pour prévenir les biais.
5. Confiance fondée sur la transparence : Les lecteurs, auteurs et relecteurs ne feront confiance à l'édition assistée par IA que lorsqu'ils pourront voir où, quand et comment l'IA a été appliquée, et lorsque la responsabilité humaine des décisions finales sera clairement maintenue.

Étapes pratiques pour les parties prenantes STM

Pour avancer vers cet avenir, différents groupes au sein de l'écosystème STM peuvent prendre des mesures spécifiques :

• Les éditeurs et revues peuvent mettre en place des exigences de divulgation de l'IA, former les éditeurs à interpréter les résultats de l'IA de manière critique et investir dans des données de formation diversifiées pour minimiser les biais.
• Les éditeurs et relecteurs peuvent considérer l'IA comme un outil d'aide à la décision, non comme une autorité, et rester vigilants face aux cas limites où l'IA peut échouer — tels que les méthodes nouvelles ou les sujets controversés.
• Les auteurs peuvent utiliser l'IA avec prudence pour l'assistance plutôt que pour la génération de contenu, vérifier toutes les productions de l'IA (en particulier les citations et résumés) et solliciter un soutien éditorial humain pour garantir la qualité linguistique sans risquer de problèmes d'intégrité liés à l'IA.
• Les institutions et les financeurs peuvent offrir des formations en littératie et éthique de l'IA, encourager les pratiques de science ouverte et aligner les critères d'évaluation avec l'utilisation responsable de l'IA tant en recherche qu'en édition.

Conclusion

L'intelligence artificielle transforme le paysage de l'édition STM. Elle offre des outils puissants pour le dépistage des manuscrits, la détection de fraudes, la cartographie des connaissances et la prédiction des tendances de recherche. Si elle est mise en œuvre avec réflexion, l'IA peut aider les éditeurs à garantir l'intégrité de la recherche, soutenir l'accès ouvert et accélérer la communication scientifique.

Dans le même temps, une utilisation non critique ou opaque de l'IA risque d'ancrer les biais, de brouiller les frontières de la paternité et de compromettre la confidentialité. L'avenir de l'édition STM dépendra donc du développement de directives éthiques claires, d'une gouvernance robuste de l'IA et d'une culture de transparence. Dans un modèle hybride bien conçu, l'IA gère les tâches répétitives et lourdes en données, tandis que les éditeurs, relecteurs et auteurs humains restent responsables du cœur intellectuel et éthique de la communication scientifique.

En adoptant l'IA de manière responsable — et en associant ses capacités à une supervision humaine attentive et à une relecture humaine de haute qualité au stade du manuscrit — l'édition STM peut améliorer la qualité, l'accessibilité et l'impact de la recherche tout en maintenant la confiance sur laquelle la science repose finalement.