A Workflow for Grant Discovery and Proposal Development Using Large Language Models: Development and Formative Evaluation

Imaginez que vous essayez de trouver un coffre au trésor caché dans une bibliothèque immense et chaotique où les livres changent constamment de titre, où les cartes sont dessinées à l'encre invisible et où les règles d'accès au coffre changent chaque jour. C'est la réalité quotidienne des petites entreprises de technologie de la santé dans les pays en développement. Elles ont des idées brillantes pour sauver des vies grâce à l'intelligence artificielle, mais elles ont besoin d'argent (des subventions) pour prouver que leurs outils fonctionnent. Le problème ? Trouver cet argent, c'est comme chercher une aiguille dans une botte de foin pendant que la botte de foin est en feu. Elles doivent scanner des milliers de sources de financement, comprendre si elles sont même autorisées à postuler, et écrire des récits complexes pour convaincre des inconnus de leur donner de l'argent. Si elles passent tout leur temps à simplement chercher l'aiguille, elles ne construiront jamais la machine qui sauve des vies.

Entrez dans le monde du « Grand Modèle de Langage » (LLM). Considérez un LLM comme un assistant robotique super rapide et super lecteur, capable de lire des millions de pages en quelques secondes et de rédiger des brouillons de lettres instantanément. Mais attention : si vous laissez le robot agir sans contrôle, il pourrait inventer des choses, mentir sur les règles ou accidentellement révéler un secret. La grande question n'est donc pas « Le robot peut-il faire le travail ? » mais « Pouvons-nous construire une cage autour du robot pour qu'il fasse le travail ennuyeux rapidement, tout en laissant un humain aux commandes pour s'assurer qu'il ne commette pas d'erreurs ? » Ce document explore précisément cela : construire un système intelligent et sûr pour aider une équipe de technologie de la santé à trouver de l'argent sans perdre la tête ou son intégrité.

---

Le Bibliothécaire Robot et le Capitaine Humain

Rencontrez Arkangel AI, une petite équipe en Colombie qui construit des outils intelligents pour les hôpitaux. Ils avaient besoin d'argent pour tester leurs inventions, mais leur équipe était minuscule. Ils ne pouvaient pas se permettre une armée de rédacteurs de demandes de subvention. Ils ont donc construit un « workflow » — une chaîne de montage étape par étape — pour chasser les subventions. Mais au lieu de laisser les humains tout faire, ils ont invité un Grand Modèle de Langage (le Bibliothécaire Robot) pour les aider, tout en gardant un Capitaine Humain (les chercheurs) fermement aux commandes.

Voici comment fonctionne leur nouveau système, divisé en quatre phases ludiques :

Phase 1 : La Chasse au Trésor (Découverte)
Autrefois, l'équipe se contentait de taper « subvention IA santé » dans un moteur de recherche et espérait le meilleur. C'était comme pêcher avec un simple hameçon dans l'océan. Avec le nouveau système, le Bibliothécaire Robot part à la pêche avec un filet composé de 50 stratégies de recherche différentes. Il ne cherche pas seulement des « subventions » ; il cherche des « prix d'innovation », des « programmes gouvernementaux » et des « partenariats » basés sur la localisation et les produits spécifiques de l'équipe.

• Le Résultat : Le robot a scanné 741 sources différentes en une seule semaine. Il a trouvé 352 candidats potentiels. Mais attendez ! Le robot est rapide, pas parfait. Il a aussi trouvé 220 doublons (la même subvention apparaissant deux fois). Après avoir éliminé ces doublons et les faux positifs, il reste 83 candidats qui ont passé le filtre et semblaient pertinents. Le Capitaine Humain a dû intervenir pour valider ces opportunités avant de les passer à l'étape suivante.

Phase 2 : Le Videur à la Porte (Triage)
Maintenant que le robot possède un tas de subventions potentielles, l'équipe doit décider lesquelles valent la peine d'être poursuivies. C'est là que le « Triage » intervient. Le robot vérifie les règles : Est-ce réservé uniquement aux organisations à but non lucratif ? Avons-nous besoin d'un partenaire en Europe ? La date limite était-elle hier ?
Le système utilise une liste spéciale de « Ne pas faire remonter ». Si le robot réalise qu'une subvention est réservée à une entreprise européenne, il la marque comme « Ne pas faire remonter ». C'est comme un videur de club qui se souvient : « Hé, vous avez essayé d'entrer la semaine dernière, mais vous n'aviez pas la bonne pièce d'identité. Ne vous donnez pas la peine de réessayer. » Cela empêche l'équipe de perdre du temps sur des tâches impossibles. Le Capitaine Humain prend la décision finale sur le fait de conserver une opportunité ou de la jeter à la poubelle.

Phase 3 : Le Tableau des Scores (Préparation à la victoire)
Toutes les subventions ne se valent pas. Certaines sont faciles à gagner ; d'autres sont comme gagner au loto. L'équipe a créé un « Score de Préparation à la Victoire » pour les classer.

• Le Calcul : Ils n'ont pas essayé de deviner les probabilités exactes de gagner (car ils n'avaient pas assez de données passées pour en être sûrs). Au lieu de cela, ils ont attribué à chaque subvention un score basé sur : Sommes-nous éligibles ? Notre mission correspond-elle à la leur ? Combien de personnes gagnent habituellement ce prix ?
• Le Résultat : Sur les 49 subventions qu'ils ont notées, 5 étaient si prometteuses qu'elles ont atteint le stade de l'entretien ou de la finale. Le score les a aidés à décider sur quelles subventions écrire en priorité, plutôt que de deviner.

Phase 4 : La Station de Rédaction (Développement de la proposition)
C'est ici que le robot excelle vraiment. Une fois que le Capitaine dit : « Écrivons celle-ci », le robot commence à rédiger. Il écrit les parties ennuyeuses, résume les règles et vérifie que les citations (les sources de faits) sont réelles.

• Le Filet de Sécurité : Le robot n'est pas autorisé à soumettre quoi que ce soit. Avant qu'un seul mot ne soit envoyé à un financeur, le Capitaine Humain doit le réviser. Ils vérifient : Le robot a-t-il inventé un fait ? Y a-t-il un secret que nous ne devrions pas partager ? L'histoire est-elle vraie ?
• La Mémoire : Chaque brouillon, e-mail et décision est sauvegardé dans une « capsule temporelle » numérique (un répertoire géré par version). S'ils doivent postuler à une subvention similaire l'année prochaine, ils peuvent déterrer l'ancien travail au lieu de repartir de zéro.

Ce que cela signifie réellement (et ce que cela ne signifie pas)

Le document est très clair sur ce qu'ils ont trouvé et ce qu'ils n'ont pas trouvé.

• Ce qu'ils ont trouvé : Le système fonctionne ! Il a rendu l'équipe beaucoup plus rapide pour trouver et organiser les subventions. Ils sont passés de la découverte d'environ 5 ou 6 bonnes subventions par jour à la découverte d'environ 18 subventions adaptées par cycle de recherche après avoir ajusté leur stratégie de recherche. Ils ont traité plus de 200 opportunités et créé 46 nouveaux éléments exploitables en quelques semaines seulement.
• Ce qu'ils n'ont PAS trouvé : Ils n'ont pas prouvé que l'utilisation du robot leur permet de gagner plus d'argent. Ils ont seulement prouvé que le robot les aide à accomplir le travail de recherche et de rédaction de subventions de manière plus efficace. Gagner une subvention dépend de nombreux autres facteurs (comme la qualité de l'idée ou le nombre d'autres candidats), que ce système ne contrôle pas.
• La Liste du « Non » : Le document précise explicitement : Ne laissez pas le robot écrire tout seul. Si vous laissez le robot fonctionner sans qu'un humain ne le vérifie, vous risquez de mentir, de transgresser les règles ou de perdre votre réputation. Le robot est un outil, pas un remplacement pour le scientifique.

À retenir pour les esprits curieux

Ce document est comme un plan pour une « Équipe Humain-Robot » dans un monde où l'argent est difficile à trouver. Il montre que vous pouvez utiliser un robot super rapide pour faire le gros du travail de recherche et de rédaction, mais que vous devez garder un humain aux commandes pour vérifier la carte et diriger le navire.

Pour les petites équipes dans des endroits comme la Colombie (et partout ailleurs avec des ressources limitées), ce flux de travail change la donne. Il transforme un désordre chaotique et accablant de paperasse en un pipeline propre et organisé. Cela ne garantit pas que vous obtiendrez l'argent, mais cela garantit que vous ne manquerez aucune opportunité parce que vous étiez trop fatigués pour chercher. Et surtout, cela prouve que lorsque l'on mélange le jugement humain et la vitesse du robot, on peut construire quelque chose qui est à la fois rapide et sûr.