Tout le monde adopte ChatGPT. Ces chercheurs font le contraire.

La révolte silencieuse des laboratoires

Pendant que les universités organisent des séminaires pour intégrer l'IA dans la recherche, une fraction croissante de chercheurs fait exactement l'inverse : elle l'interdit dans ses propres travaux. Pas par ignorance. Par conviction.

Ce phénomène, encore peu documenté, prend de l'ampleur dans des disciplines aussi diverses que la sociologie, la linguistique, la philosophie et même certaines branches des sciences appliquées. Des chercheurs confirmés, des doctorants, des directeurs de thèse choisissent de tracer une ligne rouge face aux outils comme ChatGPT, Claude ou Gemini. La question n'est plus de savoir si l'IA est capable de produire du texte scientifique. La question est : à quel prix ?

Ce que ces chercheurs voient que les autres ignorent

Pour comprendre cette résistance, il faut d'abord abandonner l'idée qu'elle est réactionnaire. Ces académiques ne refusent pas la technologie par nostalgie. Ils refusent un raccourci qui, selon eux, sabote l'essence même du travail intellectuel.

Le raisonnement est précis : la recherche de qualité ne se mesure pas uniquement à son résultat. Elle se construit dans le processus cognitif — les impasses, les reformulations, les contradictions internes que le chercheur doit traverser seul pour atteindre une compréhension réelle. Déléguer ce processus à un modèle de langage, c'est, selon eux, produire une façade de savoir.

« Quand un outil pense à votre place, vous ne pensez plus. Vous validez. » — Propos rapportés lors d'un colloque de sciences humaines, Paris, 2024.

Trois griefs concrets contre l'IA dans la recherche

1. Le problème de la profondeur analytique

Les grands modèles de langage sont entraînés à produire du texte vraisemblable, pas du texte vrai. Dans un article scientifique, cette nuance est fatale. Plusieurs études ont montré que des résumés gén��rés par IA présentent des synthèses lisses qui effacent les tensions théoriques — tensions qui sont précisément ce qui fait avancer une discipline.

2. La contamination des sources

Lorsqu'un chercheur utilise un outil comme Claude ou ChatGPT pour reformuler ou synthétiser une revue de littérature, il introduit une couche d'interprétation opaque. Il ne sait plus exactement ce qu'il a lu, ce qu'il a compris, et ce que la machine a paraphrasé. La traçabilité intellectuelle — fondement de l'éthique scientifique — devient floue.

3. L'uniformisation des paradigmes

Les modèles d'IA reproduisent les biais statistiques du corpus sur lequel ils ont été entraînés. Utilisés massivement, ils risquent de converger les angles d'analyse vers des pensées dominantes, au détriment des perspectives marginales ou émergentes. Pour des disciplines qui vivent de la controverse et de la dissidence, c'est un signal d'alarme sérieux.

Des exemples qui parlent d'eux-mêmes

Au Royaume-Uni, plusieurs revues de philosophie analytique ont commencé à exiger des déclarations explicites sur la non-utilisation d'IA générative dans les soumissions. En France, certains directeurs de thèse en sciences sociales intègrent désormais des clauses d'abstinence numérique dans leurs conventions de supervision.

Aux États-Unis, une enquête menée auprès de 400 chercheurs en 2024 révèle que 31 % d'entre eux refusent catégoriquement tout outil d'IA générative dans leur processus d'écriture scientifique — non par obligation institutionnelle, mais par choix délibéré. Ce chiffre monte à 47 % dans les départements de philosophie et de lettres.

Ces chercheurs ne prônent pas le retour à la machine à écrire. Beaucoup utilisent des outils numériques pour la gestion bibliographique, l'analyse de données quantitatives ou la visualisation. La ligne de démarcation est précise : tout ce qui touche au raisonnement, ils le gardent humain.

Une tension qui révèle quelque chose de plus profond

Cette résistance académique n'est pas seulement un débat sur des outils. C'est un débat sur ce que signifie savoir. Si produire un article de recherche consiste à orchestrer des sorties de modèles de langage, qu'est-ce que cela dit de notre rapport à la connaissance ? Qui est l'auteur ? Qui est responsable des erreurs ? Qui mérite la reconnaissance intellectuelle ?

Ces questions, longtemps théoriques, deviennent opérationnelles. Les universités commencent à y répondre, souvent de manière incohérente : encourager l'IA dans les cours d'un côté, l'interdire dans les soumissions de l'autre.

Conclusion : résister, ce n'est pas refuser l'avenir

Les chercheurs qui refusent l'IA ne sont pas des luddites. Ce sont des professionnels qui ont identifié un risque que beaucoup de leurs collègues n'ont pas encore nommé : la délégation du jugement.

L'outil ne remplace pas seulement le travail. Il remplace la friction cognitive qui forge l'expertise. Et c'est cette friction — inconfortable, lente, parfois stérile — qui produit les chercheurs capables de penser ce que personne n'a encore pensé.

Dans un écosystème académique sous pression (publier ou périr, obtenir des financements, former plus vite), choisir de ralentir est un acte politique autant qu'épistémologique. Ces chercheurs ne refusent pas ChatGPT. Ils refusent ce que ChatGPT leur ferait devenir.

— Reservoir Live