Exploration de sujets d’étude, rédaction de rapports pour décrocher un financement, revue de littérature, production et analyse de données… L’intelligence artificielle s’est progressivement invitée dans toute la chaîne de production des savoirs. Au point de transformer le métier de chercheur ? La question était au cœur du débat « Chercher à l’ère de l’IA : vers un changement de paradigme ? », organisé par le Digital Lab de HEC Liège.
Catherine Archambeau, du Centre de Recherches Métallurgiques (CRM Group), Laurence Dessart, professeure de marketing à HEC Liège, et Michel Moutschen, vice-recteur à la Recherche de l’Université de Liège, y ont confronté leurs expériences et leurs interrogations autour des bénéfices, limites et dangers de ces technologies pour le monde de la recherche.
L’IA, nouvelle alliée des chercheurs ?
Dans les labos universitaires comme dans les centres de recherche, les outils d’IA ont su trouver leur public. Sa promesse la plus évidente tient en quelques mots : libérer du temps. « En science biomédicale, l’IA a amené des progrès majeurs en termes de gain de temps », confirme Michel Moutschen, chercheur au GIGA-Immunobiology et professeur à la faculté de médecine de l’ULiège.
D’après Catherine Archambeau, Unit Manager au CRM Group, ce temps gagné permettrait notamment de recentrer les chercheurs et chercheuses sur les activités qui nécessitent leur savoir-faire : « Le CRM Group est un centre basé sur l’expérimentation. On a beaucoup d’équipements, on développe des technologies…. L’IA offre la possibilité d’automatiser des tâches chronophages et à moindre valeur ajoutée, comme rédiger des documents dans différentes langues. Ou encore traiter et structurer de grandes quantités de données ou d’informations, notamment dans le cadre d’un état de l’art ou de la préparation d’un projet. »
Les expérimentations se multiplient également dans le monde académique. « Il y a pas mal de tests sur ce que l’IA est capable de faire. Et elle peut potentiellement être utilisée à toutes les étapes d’une recherche », fait savoir Laurence Dessart. Y compris, et c’est plus étonnant, lorsqu’il s’agit d’étudier des comportements et opinions humains. « On n’a plus forcément besoin de recruter des participants. Il est possible aujourd’hui de constituer des groupes de discussion virtuels, dans lesquels on paramètre différents profils (âge, identité, genre, etc.). On lance ensuite la question de recherche et ces agents interagissent entre eux. À la fin, on reçoit une synthèse, avec les points d’accord, les points de tension… Techniquement, c’est impressionnant. »
Le piège de la productivité
La Pre Dessart émet toutefois quelques réserves face à de telles prouesses. Et ce qu’elles laissent présager pour l’avenir du métier : « Quand on travaille dans la recherche, on aime bien, a priori, collecter des données, les analyser, et aller à la rencontre des gens. Je trouve que ce serait triste de passer à côté de ça. » Par ailleurs, ce temps libéré par l’IA pourrait se retourner contre les scientifiques. Avec une technologie capable de produire plus vite, on risque de demander aux scientifiques d’en faire davantage : plus d’articles, plus de projets, plus de demandes de financement… « A une telle cadence, il deviendrait également impossible d’évaluer sans IA », raisonne la Pre Dessart.
L’évaluation par les pairs joue pourtant un rôle essentiel. Avant d’être publiés, les travaux sont généralement examinés par d’autres scientifiques du domaine, qui en jugent la qualité, la méthodologie et la pertinence. « Sans cela, il y a le danger que la qualité de la recherche s’altère. Certaines études ont déjà montré que quand des projets sont évalués par l’IA, celle-ci a tendance à favoriser des projets moins disruptifs, au détriment d’idées totalement nouvelles. Avec le risque de finir par ruminer sans arrêt les mêmes choses », pointe le Dr Moutschen.
L’humain doit garder la main
Les trois intervenants convergent ainsi, lors du débat, sur un point : l’expertise humaine reste indispensable. « Finalement, l’IA repositionne le scientifique dans son rôle, car c’est sa responsabilité, à lui, qui sera engagée, dans tous les cas. C’est un point fondamental, sur lequel on doit insister », déclare Catherine Archambeau.
Cette nécessité de garder la main implique de comprendre, de questionner et de vérifier les résultats produits par la machine. « Je conseille toujours à mes étudiants et doctorants de ne pas demander à l’IA une tâche que l’on ne sait pas soi-même accomplir. Sinon, on n’a pas l’esprit critique, le recul nécessaire, pour juger le résultat produit », abonde Laurence Dessart.
Pour Michel Moutschen, la maîtrise du sujet constitue même un préalable à l’usage de l’IA. « Lors de mes consultations, je me sers d’une IA, devant mes patients, pour m’aider à évoquer certains diagnostics, précisément parce que je me sens compétent dans mon domaine. Je peux alors percevoir les limites et les éventuelles erreurs de l’outil. » De solides connaissances dans son domaine permettent aussi d’aller au-delà d’un simple rapport d’exécution. Elle transforme l’IA en un interlocuteur avec lequel on peut confronter ses propres raisonnements : « Il est parfois intéressant de comprendre pourquoi l’IA évoque certains diagnostics que l’on sait faux, ou auxquels on n’avait pas pensé. Je trouve que l’IA peut aussi être une sorte de compagnonnage dont on peut ressortir grandi », estime Michel Moutschen.