ChatGPT publie, Claude rédige : qui vérifie encore la science ?

Un chercheur sur deux admet avoir utilisé l'IA dans ses travaux. Personne ne s'en inquiète vraiment — et c'est exactement le problème.

En 2024, une étude publiée dans Nature a révélé que plus de 50 % des chercheurs interrogés avaient intégré des outils comme ChatGPT ou Claude dans leur processus de rédaction scientifique. Certains pour gagner du temps. D'autres pour structurer leurs idées. Quelques-uns, pour aller beaucoup plus loin. La communauté académique se retrouve aujourd'hui face à une question qu'elle n'a pas encore osé poser clairement : à partir de quel moment l'assistance devient-elle fraude ?

Une crise qui couvait bien avant l'IA

Il serait trop simple d'accuser ChatGPT ou Claude d'avoir inventé la fraude académique. La réalité est plus inconfortable : la recherche scientifique était déjà sous pression bien avant l'émergence des grands modèles de langage.

Le phénomène des prédatory journals — ces revues qui publient n'importe quoi contre paiement — existait depuis des années. La crise de réplication, révélée dès 2011 par le psychologue Brian Nosek, avait montré que des dizaines d'études publiées dans des revues réputées ne pouvaient tout simplement pas être reproduites. Les incitations à publier à tout prix, résumées dans l'expression anglaise publish or perish, avaient déjà corrompu en profondeur les mécanismes d'évaluation.

L'IA n'a pas créé la crise. Elle l'a accélérée et amplifiée à une vitesse que peu d'institutions avaient anticipée.

Ce que font réellement les chercheurs avec ChatGPT et Claude

Pour comprendre l'enjeu, il faut distinguer plusieurs niveaux d'usage — et tous ne sont pas équivalents.

• Usage légitimement assisté : corriger la grammaire d'un article rédigé en langue étrangère, reformuler un paragraphe complexe, générer un plan de travail. La plupart des institutions tolèrent ces pratiques si elles sont déclarées.
• Zone grise : demander à Claude de synthétiser une revue de littérature, faire résumer automatiquement des dizaines d'articles pour en extraire des tendances. Efficace, mais qui valide vraiment le contenu ?
• Fraude caractérisée : générer intégralement une section "Résultats" ou "Discussion", fabriquer des références bibliographiques — ce que les modèles font avec une aisance troublante —, ou soumettre un article presque entièrement produit par une IA sans aucune déclaration.

Le problème majeur des grands modèles de langage tient à ce qu'on appelle les hallucinations : ChatGPT ou Claude peuvent inventer des citations scientifiques parfaitement plausibles en apparence — auteur crédible, titre cohérent, revue existante — mais totalement fictives. Plusieurs cas documentés ont abouti à la rétractation d'articles après publication, parfois dans des revues à comité de lecture.

Les garde-fous existent. Ils sont insuffisants.

Face à cette réalité, des outils de détection ont émergé : ZeroGPT, Turnitin AI Detection, Copyleaks. Les universités ont actualisé leurs chartes éthiques. L'International Committee of Medical Journal Editors (ICMJE) a clarifié sa position : l'IA ne peut pas être co-auteure d'un article scientifique, et son usage doit être explicitement déclaré.

Mais ces réponses présentent des limites sérieuses :

• Les outils de détection affichent des taux de faux positifs alarmants — des textes humains signalés comme générés par une IA, avec des conséquences injustes pour les chercheurs.
• Les politiques éditoriales varient d'une revue à l'autre, créant un patchwork inégal de règles qui laisse de larges brèches.
• Le processus de peer review — déjà surchargé — n'a pas été repensé pour vérifier l'authenticité des sources dans un monde où les références peuvent être fabriquées en secondes.

Vers une intégrité scientifique augmentée, pas déléguée

La solution ne viendra pas d'une interdiction totale — elle est inapplicable et contreproductive. L'IA peut légitimement accélérer l'analyse de données massives, améliorer l'accessibilité de la science pour les chercheurs non anglophones, ou automatiser les tâches répétitives de mise en forme.

Ce qui doit changer, c'est la culture de la responsabilité. Plusieurs pistes concrètes méritent d'être prises au sérieux :

• Rendre obligatoire la déclaration d'usage IA dans toutes les soumissions, avec un niveau de détail précis sur les outils utilisés et les sections concernées.
• Reformer le peer review en intégrant une vérification systématique des références citées — un travail que des outils spécialisés comme Semantic Scholar peuvent désormais faciliter.
• Former les chercheurs, notamment les doctorants, non seulement à utiliser l'IA, mais à identifier ses limites et ses biais.
• Encourager les revues à publier les données brutes et les protocoles détaillés, rendant la fabrication de résultats beaucoup plus difficile à dissimuler.

La vraie question que personne ne pose

Au fond, le débat sur l'IA en recherche académique révèle une tension plus ancienne : à qui appartient la connaissance scientifique ? Si un article est co-produit par un modèle entraîné sur des millions de textes écrits par d'autres chercheurs, sans compensation ni crédit, la question de la paternité intellectuelle devient philosophiquement vertigineuse.

ChatGPT et Claude ne sont pas les ennemis de la science. Mais ils agissent comme un révélateur impitoyable de tout ce que le système académique avait choisi d'ignorer. La crise de l'intégrité scientifique est réelle. L'IA ne fait que rendre impossible de regarder ailleurs.

Le choix appartient maintenant aux institutions : adapter leurs standards à la vitesse de la technologie, ou continuer à publier en faisant semblant de ne pas voir.

— Reservoir Live