Les défis posés par l’IA dans l’édition scientifique

L’intégration rapide de l’intelligence artificielle (IA) dans la communication scientifique bouleverse des normes bien établies concernant l’attribution d’auteurs, l’intégrité de la recherche et l’évaluation par les pairs. Un premier enjeu majeur concerne la préservation de l’intégrité des travaux scientifiques, alors que des modèles d’IA peuvent désormais générer du texte, des images, des analyses de données — voire des manuscrits complets — avec très peu d’intervention humaine. Les modèles traditionnels d’attribution d’auteur reposent sur une contribution intellectuelle claire, la responsabilité et la capacité de défendre le travail produit. Or, lorsque des outils automatisés proposent des arguments crédibles, des revues de littérature ou des interprétations de résultats, il devient beaucoup plus difficile de déterminer qui est réellement l’auteur. Un deuxième défi touche à la possibilité que les systèmes d’IA amplifient les biais déjà présents dans la littérature scientifique, ce qui est particulièrement préoccupant pour les sujets liés aux milieux ruraux et aux populations autochtones. Les comités éditoriaux doivent donc évaluer non seulement la fiabilité des textes produits ou assistés par l’IA, mais aussi les conséquences plus larges d’une production de contenu automatisée à grande échelle. L’évaluation par les pairs, déjà mise à rude épreuve par l’augmentation constante des soumissions, devient également compliquée avec l’arrivée de l’IA. Produire un article qui semble cohérent, mais qui n’a aucune valeur scientifique, est aujourd’hui simple et rapide. Cette facilité risque d’inonder les systèmes éditoriaux de manuscrits générés à la chaîne, forçant les évaluateurs, bénévoles et déjà surchargés, à distinguer la recherche authentique du contenu artificiel. La transparence des données et la reproductibilité représentent un autre enjeu. Si les chercheurs s’appuient trop fortement sur des outils d’IA opaques pour réaliser des analyses statistiques ou interpréter des résultats, la crise de reproductibilité en science ne pourra que s’accentuer1. Pour répondre à ces défis, la Revue canadienne de médecine rural (CJRM) et le Comité international des rédacteurs de revues médicales (ICMJE) ont mis en place certaines règles encadrant l’usage de l’IA dans la préparation des manuscrits destinés à la publication2: Les auteurs doivent déclarer si, et quels outils d’IA ont été utilisés. Les technologies d’IA ne peuvent pas être considérées comme des auteurs. Les auteurs doivent réviser attentivement tout contenu produit par l’IA afin d’en corriger les biais potentiels, de prévenir le plagiat et d’assurer que les travaux antérieurs soient correctement cités. Au final, les défis posés par l’IA dans l’édition scientifique dépassent largement la question technologique. Ils nous obligent à revoir ce que signifie “ contribuer à la science “ et ce qui constitue une véritable paternité intellectuelle dans un contexte où les machines peuvent désormais intervenir — parfois de façon constructive, parfois de façon trompeuse — dans la production de connaissances.