Attitudes and Perceptions of Generative Artificial Intelligence Chatbots in the Scientific Process of Traditional, Complementary, and Integrative Medicine Research: A Large-Scale, International Cross-Sectional Survey

Cette étude internationale révèle que la majorité des chercheurs en médecine traditionnelle, complémentaire et intégrative reconnaissent le potentiel des chatbots d'intelligence générative pour optimiser leur travail scientifique, tout en soulignant le besoin urgent de formations pour surmonter les défis liés aux biais et aux erreurs.

L'essentiel

🌍 Le Grand Débat : Les Gardiens de la Médecine Traditionnelle et les Robots Intellects

Imaginez que le monde de la recherche médicale est une immense bibliothèque. D'un côté, vous avez les médecins traditionnels et intégratifs (ceux qui pratiquent l'acupuncture, l'ayurvéda, la phytothérapie, etc.). Ils sont comme des artisans qui connaissent chaque recoin de la bibliothèque par cœur, utilisant des savoirs anciens et culturels.

De l'autre côté, il y a une nouvelle machine incroyable : l'Intelligence Artificielle Générative (GenAI), comme ChatGPT. C'est un robot super rapide capable de lire des millions de livres en une seconde, de résumer des histoires et même d'écrire des chapitres entiers.

La question de l'étude : Que pensent ces artisans (les chercheurs en médecine traditionnelle) de ce robot ? L'aident-ils ? Ont-ils peur qu'il gâche leurs recettes secrètes ?

🔍 Ce que les chercheurs ont fait (La Recette de l'Enquête)

Les auteurs de l'article (menés par le Dr Ng) ont décidé de poser la question à 716 chercheurs à travers le monde. C'est comme si on avait envoyé une invitation à des milliers de bibliothécaires pour savoir s'ils aiment utiliser ce nouveau robot pour ranger leurs livres.

Ils ont demandé :

• Connaissez-vous ce robot ?
• L'utilisez-vous déjà ?
• Est-ce que ça vous aide ou ça vous embête ?
• Avez-vous besoin d'un cours pour apprendre à l'utiliser ?

📊 Les Résultats : Ce qu'ils ont découvert

Voici les grandes nouvelles, traduites en langage simple :

1. La majorité a déjà rencontré le robot
Presque 60% des chercheurs connaissent bien ces outils. Le plus populaire ? ChatGPT. C'est comme si la plupart des artisans avaient déjà essayé de faire un café avec la machine automatique de la cuisine.

2. Le robot est un super assistant pour le "travail de bureau"
Les chercheurs sont ravis de ce que le robot peut faire pour les tâches ennuyeuses :

• Écrire et traduire : C'est là que le robot brille le plus. Il aide à rédiger des articles scientifiques et à traduire des textes complexes. Imaginez un traducteur instantané qui parle couramment le "latin médical" et le "sanskrit".
• Gagner du temps : 74% des gens disent que ça réduit leur charge de travail. C'est comme avoir un assistant personnel qui trie vos emails pendant que vous vous reposez.
• Analyser les données : Il aide à organiser de gros tas d'informations.

3. Mais attention, le robot a ses défauts (et ses hallucinations !)
C'est là que ça devient intéressant. Les chercheurs sont très prudents. Ils ont peur de trois choses principales :

• Les mensonges (Hallucinations) : Le robot peut inventer des faits ou des références bibliographiques qui n'existent pas. C'est comme si un cuisinier vous donnait une recette avec des ingrédients imaginaires.
• Les biais (Les préjugés) : Si le robot apprend sur des données qui ne sont pas parfaites, il peut répéter des erreurs ou des préjugés culturels.
• Le manque de transparence : On ne sait pas toujours comment le robot arrive à une conclusion. C'est une "boîte noire".

4. Le grand vide : Personne ne nous apprend à l'utiliser !
C'est le point le plus critique.

• Plus de 40% des chercheurs disent que leur université ou leur hôpital ne donne aucune formation sur comment utiliser ces robots.
• Pourtant, 72% d'entre eux disent : "S'il vous plaît, formez-nous !"
• C'est comme donner à tout le monde une Ferrari, mais sans jamais leur apprendre à conduire ni à faire le plein. Beaucoup ont peur de casser la voiture ou de faire un accident.

💡 La Conclusion : Un Outil Puissant, mais qui a besoin d'un Permis de Conduire

En résumé, cette étude nous dit que les chercheurs en médecine traditionnelle sont ouverts et curieux envers l'Intelligence Artificielle. Ils voient qu'elle peut être un allié formidable pour aller plus vite et mieux communiquer.

Cependant, ils sont prudents. Ils ne veulent pas que le robot prenne le contrôle de leur savoir ancestral ou qu'il invente des fausses informations.

Le message principal : Pour que cette alliance fonctionne, il faut créer des règles claires et, surtout, donner des cours de conduite à tous les chercheurs. Il faut apprendre à utiliser le robot comme un outil puissant, sans jamais oublier que c'est l'humain (le chercheur) qui reste le capitaine du navire.

C'est un peu comme si on disait : "L'IA est un super assistant de cuisine, mais n'oubliez pas que c'est vous qui décidez du goût final du plat et que vous devez vérifier qu'il n'a pas mis de cailloux dans la soupe !"

Résumé technique

1. Problématique et Contexte

L'intelligence artificielle générative (GenAI), et plus particulièrement les chatbots comme ChatGPT, transforme le processus scientifique en automatisant des tâches telles que la recherche bibliographique, l'analyse de données et la rédaction. Cependant, la médecine traditionnelle, complémentaire et intégrative (TCIM) présente des défis méthodologiques uniques en raison de sa nature interdisciplinaire, de son ancrage dans des systèmes de connaissances culturels et de la complexité de valider des traitements holistiques.

Le problème central identifié par les auteurs est le manque de données empiriques sur la façon dont les chercheurs en TCIM perçoivent, utilisent et intègrent ces outils GenAI. Il existe un risque de mauvaise appropriation des connaissances traditionnelles ou d'application inéquitable de ces technologies si les attitudes, les bénéfices perçus et les préoccupations éthiques spécifiques à cette communauté ne sont pas compris. L'étude vise à combler ce vide en explorant les attitudes d'une large cohorte internationale de chercheurs en TCIM.

2. Méthodologie

L'étude adopte une conception transversale internationale basée sur un sondage en ligne.

• Population et Échantillonnage : Les chercheurs ont ciblé les auteurs correspondants d'articles publiés dans des bases de données MEDLINE (Ovid) entre le 15 décembre 2014 et le 15 décembre 2024, couvrant un large éventail de disciplines TCIM (acupuncture, herboristerie, yoga, Ayurveda, etc.).
• Recrutement : Une stratégie de recherche a permis d'identifier 59 045 auteurs correspondants. Après nettoyage des données (dédoublonnage, vérification des e-mails), des invitations ont été envoyées via SurveyMonkey.
• Données : Le sondage, anonyme et volontaire, a été ouvert du 18 août au 22 septembre 2025. Il comprenait des questions sur les données sociodémographiques, la familiarité avec la GenAI, l'utilisation actuelle, les avantages perçus, les défis et les besoins en formation.
• Analyse : Les données quantitatives ont été analysées par des statistiques descriptives (fréquences, pourcentages) et stratifiées selon l'âge, le sexe, la région, le niveau de carrière et le statut de la TCIM (recherche principale ou secondaire). Une analyse thématique de contenu a été réalisée pour les réponses ouvertes, utilisant une approche inductive codée par deux chercheurs indépendants.
• Éthique et Transparence : L'étude a reçu l'approbation du comité d'éthique de l'Université de Tübingen. Le protocole est enregistré sur l'Open Science Framework (OSF) et suit les directives STROBE et CHERRIES.

3. Résultats Clés

Sur 59 045 invitations envoyées, 716 réponses ont été reçues (taux de réponse global de 1,21 %), dont 642 répondants éligibles.

• Familiarité et Utilisation :

  • 58,08 % des répondants se déclarent familiers avec les chatbots GenAI.
  • ChatGPT est l'outil le plus utilisé (46,10 % des réponses multiples).
  • L'utilisation principale concerne la rédaction et l'édition de manuscrits (12,09 % l'utilisent "toujours", 24,76 % "souvent") et la traduction de matériaux de recherche.
  • L'utilisation est faible pour les tâches critiques comme l'analyse de données (37,30 % ne l'utilisent jamais) et l'évaluation par les pairs (46,39 % ne l'utilisent jamais).

• Perception des Avantages :

  • Les répondants sont majoritairement optimistes quant à l'impact futur de la GenAI (54,37 % la jugent "très importante").
  • Les principaux avantages perçus sont la réduction de la charge de travail (74,07 %) et l'augmentation de l'efficacité dans l'analyse de données et l'expérimentation (71,14 %).
  • La facilitation de l'accès à l'information scientifique et la gestion de grands ensembles de données sont également citées comme des atouts majeurs.

• Défis et Préoccupations :

  • Les préoccupations éthiques et légales dominent : 80,17 % s'inquiètent de la transparence, de la vie privée et du consentement.
  • Les risques de biais algorithmiques (72,37 %) et d'erreurs dues à une mauvaise interprétation de la terminologie scientifique (66,73 %) sont des freins majeurs.
  • L'opacité des processus décisionnels et le risque de "hallucinations" (citations factices) sont des thèmes récurrents dans les réponses ouvertes.

• Formation et Politiques Institutionnelles :

  • Un fossé important existe : 43,67 % des répondants indiquent que leur institution ne propose aucune formation sur la GenAI.
  • Seulement 16,4 % ont reçu une formation.
  • Pourtant, 72,07 % des chercheurs expriment un intérêt pour recevoir une formation, et 57,02 % estiment qu'une formation est nécessaire pour utiliser ces outils de manière responsable.

4. Contributions Majeures

• Première étude à grande échelle : Il s'agit de la première enquête internationale spécifiquement dédiée aux perceptions des chercheurs en TCIM concernant la GenAI, offrant une perspective unique sur un domaine souvent négligé dans les études sur l'IA.
• Cartographie des besoins : L'étude identifie clairement le décalage entre l'adoption rapide des outils (surtout pour la rédaction) et le manque de cadres éthiques, de politiques institutionnelles et de formation structurée.
• Spécificité TCIM : Elle met en lumière comment les particularités épistémologiques de la TCIM (connaissances traditionnelles, approche holistique) interagissent avec les limitations des modèles de langage, soulignant la nécessité d'une adaptation des outils IA à ces contextes culturels.

5. Signification et Implications

Les résultats de cette étude ont plusieurs implications cruciales pour l'avenir de la recherche en TCIM et au-delà :

1. Nécessité de Formation : Il existe une demande urgente de programmes de formation institutionnels pour enseigner l'utilisation éthique, critique et efficace de la GenAI, afin de prévenir les erreurs et de maintenir l'intégrité scientifique.
2. Développement de Politiques : Les institutions de recherche et les revues scientifiques doivent élaborer des politiques claires concernant la divulgation de l'utilisation de l'IA, la propriété intellectuelle des connaissances traditionnelles et la gestion des biais.
3. Conception d'Outils Adaptés : Les développeurs d'IA doivent tenir compte des spécificités des systèmes de connaissances non occidentaux pour éviter la marginalisation ou la mauvaise interprétation des données TCIM.
4. Équilibre entre Efficacité et Rigueur : Bien que la GenAI puisse accélérer la recherche et réduire la charge administrative, l'étude souligne la nécessité de maintenir une supervision humaine stricte, en particulier pour les tâches d'analyse critique et d'évaluation, afin de préserver la rigueur scientifique.

En conclusion, cette étude plaide pour une intégration responsable de la GenAI dans la recherche TCIM, guidée par une compréhension approfondie des attitudes des chercheurs, afin de maximiser les bénéfices tout en atténuant les risques éthiques et méthodologiques.