A Global Systematic Review of Artificial Intelligence and Research Productivity in Higher Education
Cette revue systématique mondiale de 18 études portant sur la période de 2017 à 2025 conclut que, bien que l'intelligence artificielle améliore considérablement l'efficacité au niveau des tâches à travers six clusters de recherche clés dans l'enseignement supérieur, il existe actuellement des preuves insuffisantes pour prouver qu'elle favorise des gains soutenus en matière de productivité globale, de qualité de production ou de nouveauté de la recherche.
Article original sous licence CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète
Imaginez le monde de la recherche universitaire comme une immense bibliothèque animée où les scientifiques et les chercheurs sont les bibliothécaires. Depuis des décennies, leur travail consiste à chercher de minuscules aiguilles dans des bottes de foin, à lire des milliers de livres, à rédiger de longs rapports et à partager leurs découvertes. Récemment, un nouveau genre d'assistant est arrivé : l'Intelligence Artificielle (IA). Ne voyez pas l'IA comme un robot magique qui réfléchit à votre place, mais plutôt comme un stagiaire incroyablement rapide et doté d'une connaissance immense. Ce stagiaire peut parcourir un million de livres en une seconde, rédiger un paragraphe de texte ou organiser un tableur désordonné en un clin d'œil. Mais voici la grande question que tout le monde se pose : le fait d'avoir ce super-stagiaire permet-il réellement aux bibliothécaires de produire des découvertes de meilleure qualité ou plus importantes sur le long terme ? Ou cela ne fait-il que leur permettre de terminer leurs tâches quotidiennes plus vite, pour ensuite les bloquer dans un nouveau genre de travail de bureau ? C'est le mystère qu'une nouvelle étude tente de résoudre en observant ce qui se passe réellement dans les laboratoires et les bureaux du monde entier en ce moment même.
Cette étude, une « revue systématique », est comme une immense mission de détective. Les auteurs, Mohamed Ali Omar et Mohamed Mohamud Ali, n'ont pas simplement deviné ; ils ont mené une chasse à travers une immense bibliothèque numérique appelée Scopus. Ils ont cherché chaque recherche publiée entre 2017 et 2025 qui parlait de l'IA et de la manière dont elle aide (ou nuit) aux chercheurs dans les universités. Ils ont commencé avec 212 indices potentiels, mais après un processus de filtrage très strict — comme vérifier si une clé correspond à une serrure — ils ont réduit la sélection à seulement 18 études de haute qualité pour les analyser en profondeur.
Ce qu'ils ont découvert, c'est un peu comme découvrir que le super-stagiaire est incroyable pour certaines choses, mais qu'il a besoin d'un patron humain pour tout le reste. Les chercheurs ont regroupé les tâches de l'IA en six catégories principales, comme différents outils dans une boîte à outils :
- Recherche et résumé : L'IA peut traquer des livres et les résumer rapidement, mais on ne peut pas lui faire confiance pour faire tout le travail seule ; un humain doit toujours vérifier si les sources sont réelles.
- Remue-méninges (Brainstorming) : Elle est excellente pour proposer des idées folles et relier les points, mais parfois, ces idées ne sont que des absurdités au son sophistiqué qui doivent être testées.
- Données et chiffres : Elle peut nettoyer des données désordonnées et écrire du code informatique, mais elle peut commettre des erreurs subtiles difficiles à repérer, de sorte qu'un humain doit revérifier les calculs.
- Écriture et expression orale : C'est là que l'IA brille le plus. Elle aide à rédiger des articles, à corriger la grammaire et à traduire des langues. Cependant, elle peut parfois « halluciner » (inventer des faits) ou voler la voix unique de l'auteur.
- Travail d'équipe et administration : Elle aide à planifier des réunions et à rédiger des demandes de subventions, faisant gagner du temps sur la paperasse ennuyeuse.
- Partage et révision : Elle aide à transformer la science complexe en histoires simples pour le public, mais elle ne peut pas être utilisée pour lire secrètement les travaux de recherche secrets d'autres personnes ou pour remplacer le jugement humain nécessaire pour décider si un article est assez bon pour être publié.
Voici la partie la plus importante de l'histoire : l'étude a trouvé que, bien que l'IA soit un outil fantastique pour l'efficacité (accomplir des tâches plus rapidement), il y a très peu de preuves qu'elle augmente réellement la productivité de la manière dont les universités s'en soucient vraiment. Voyez cela ainsi : si vous utilisez une scie électrique pour couper du bois, vous coupez le bois beaucoup plus vite. Mais si vous passez tout le temps économisé à argumenter sur le choix du bois à couper ensuite, ou si vous devez passer une heure à poncer les erreurs commises par la scie, vous n'avez pas réellement construit plus de maisons. L'étude suggère que l'IA fait gagner du temps sur des tâches spécifiques, mais cela ne signifie pas automatiquement que les chercheurs publient plus d'articles de haute qualité, font des découvertes plus révolutionnaires ou ont un impact plus grand sur le monde. En fait, le temps économisé pourrait simplement être absorbé par la nécessité de vérifier le travail de l'IA, de corriger ses erreurs ou de suivre de nouvelles règles.
Les auteurs sont très clairs sur ce qu'ils ne savent pas. Ils affirment explicitement que nous n'avons pas encore de preuves solides que l'IA mène à plus de publications, une meilleure qualité de recherche ou des idées plus originales. Ils écartent également l'idée que l'IA puisse remplacer le cerveau ou la responsabilité d'un chercheur humain. Une IA ne peut pas s'attribuer le mérite d'une découverte, et elle ne peut pas être tenue responsable si quelque chose tourne mal. L'étude avertit que si les universités distribuent simplement des outils d'IA sans former les gens à les utiliser en toute sécurité, ou sans vérifier le travail, elles pourraient se retrouver avec beaucoup de recherches rapides et de faible qualité.
Alors, quel est le verdict final ? Le papier conclut que l'IA est actuellement un puissant « moteur d'efficacité », et non une « machine à productivité » magique. Elle fonctionne mieux lorsqu'elle est traitée comme un assistant utile qui accélère les parties ennuyeuses du travail, tandis que le chercheur humain reste aux commandes, vérifiant la carte, dirigeant la voiture et s'assurant que la destination en vaut réellement la peine. L'étude suggère que pour que l'IA aide véritablement la science, les universités doivent établir des règles claires, enseigner aux chercheurs comment l'utiliser avec sagesse, et toujours garder un humain dans la boucle pour vérifier les résultats. D'ici là, l'IA est un excellent outil pour accomplir les choses plus vite, mais elle n'a pas encore prouvé qu'elle pouvait nous aider à découvrir davantage.
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.