Strategic Mapping of University Research Portfolios Using NLP and Machine Learning: An Integrated Analysis of Research Projects

Les universités sont des moteurs de découverte, générant constamment des milliers de projets de recherche qui visent à résoudre des problèmes, à inventer de nouvelles technologies et à étendre la connaissance humaine. Pour maintenir ces moteurs en marche, les institutions s'appuient sur des bureaux de recherche pour gérer le flux d'idées, d'argent et de temps. Pendant des décennies, la manière dont ces bureaux évaluaient leurs collections de projets — appelées portefeuilles — reposait largement sur le décompte des produits finis : combien de brevets ont été déposés, combien d'articles ont été publiés ou combien d'argent a été récolté. Cette approche, cependant, regarde vers le passé. Elle indique aux administrateurs ce qui s'est déjà produit, mais offre peu de perspectives sur le paysage actuel des travaux en cours, les connexions cachées entre différents domaines ou les risques latents au sein d'un projet avant qu'il n'échoue. À mesure que le nombre de projets augmente et que la recherche devient plus complexe, l'ancienne méthode consistant à lire manuellement des centaines de résumés pour trouver des modèles est devenue trop lente et sujette aux biais humains. Il existe un besoin croissant d'un moyen de voir la forêt entière, et non pas seulement les arbres individuels, en utilisant les outils de l'informatique moderne pour comprendre la véritable forme des efforts de recherche d'une université.

Dans une étude récente, des chercheurs de l'Université de Istanbul Sabahattin Zaim ont relevé ce défi en appliquant des techniques informatiques avancées à une collection massive de 631 projets de recherche scientifique menés entre 2015 et 2026. Au lieu de demander à des experts de lire chaque description de projet, l'équipe a utilisé une forme d'intelligence artificielle conçue pour comprendre le langage. Ils ont injecté les titres et les descriptions de ces projets dans un système capable de lire le texte et de convertir le sens de chaque phrase en une carte mathématique. Ce processus a permis à l'ordinateur de « voir » à quel point deux projets étaient similaires ou différents en se basant sur leur contenu réel, plutôt que sur leur département assigné ou leur catégorie large. Les chercheurs ont ensuite utilisé ces cartes pour regrouper les projets en grappes naturelles, révélant des thèmes cachés qui traversent les frontières académiques traditionnelles. Ils ont également construit un système pour repérer les projets qui semblaient inhabituels ou risqués par rapport au reste, créant ainsi une image dynamique de la santé de la recherche de l'université qui va bien au-delà de simples feuilles de calcul.

L'analyse a débuté avec un ensemble de données de 631 projets, qui a été nettoyé et affiné pour se concentrer sur 593 entrées présentant suffisamment de détails pour être significatives. Les chercheurs ont d'abord dépouillé le texte de son bruit inutile, comme les mots communs qui ne portent pas de sens spécifique, puis ont utilisé un modèle de langage sophistiqué pour traduire chaque titre de projet en un ensemble dense de nombres capturant son essence sémantique. Cette étape était cruciale car elle permettait à l'ordinateur de comprendre qu'un projet sur « l'intelligence artificielle en médecine » est conceptuellement plus proche d'un projet sur « l'apprentissage automatique pour le diagnostic » que d'un projet sur « l'architecture historique », même si les mots utilisés étaient très différents. Une fois le texte converti en ces représentations numériques, les chercheurs ont appliqué des techniques de réduction de dimensionnalité. Imaginez cela comme le fait de prendre un objet complexe et multicouche et de l'aplatir sur une feuille de papier bidimensionnelle de manière à préserver les relations les plus importantes entre les parties. Cela a rendu possible la visualisation de l'ensemble du portefeuille sur un seul écran, où la position de chaque point représentait les caractéristiques uniques d'un projet.

Une fois les projets cartographiés, l'équipe a utilisé des algorithmes de regroupement (clustering) pour laisser les données parler d'elles-mêmes. Ces algorithmes agissaient comme une machine de tri, regroupant les projets qui étaient proches dans l'espace mathématique en familles distinctes. Les chercheurs ont testé différentes manières de regrouper les données et ont découvert que la division du portefeuille en dix grappes distinctes offrait l'image la plus claire et la plus stable. Ces dix groupes n'étaient pas arbitraires ; ils représentaient de véritables différences thématiques dans la recherche menée. Par exemple, une grappe était dominée par des projets axés sur la science des matériaux, la nanotechnologie et la caractérisation avancée, tandis qu'une autre était remplie de projets centrés sur l'intelligence artificielle et l'ingénierie pilotée par les données. Un troisième groupe a émergé autour des systèmes autonomes et des technologies de défense. En observant les mots qui apparaissaient le plus fréquemment dans chaque groupe, les chercheurs pouvaient clairement étiqueter l'objet de chaque grappe, révélant que la recherche de l'université n'était pas un mélange aléatoire de sujets, mais un paysage structuré de domaines spécialisés.

L'étude a également examiné le côté financier et opérationnel de ces grappes pour voir si les thèmes correspondaient aux ressources. Ils ont découvert que la Faculté des Sciences de l'Ingénierie et de la Nature était la puissance motrice du portefeuille, hébergeant près des deux tiers du budget total des projets. Cette concentration suggérait un haut niveau de productivité dans les domaines techniques, mais pointait également vers un déséquilibre potentiel, car d'autres facultés disposaient de ressources nettement inférieures. Les chercheurs ont créé une métrique spécifique pour mesurer l'intensité des dépenses au fil du temps, en divisant le budget total par la durée du projet. Cela a révélé que certaines grappes étaient non seulement importantes en taille totale, mais consommaient également des ressources à un rythme beaucoup plus rapide par mois que d'autres. Les cartes visuelles ont montré que les grappes ayant les budgets les plus élevés et les dépenses les plus intenses étaient souvent celles qui se distinguaient le plus par leur contenu thématique, suggérant un lien fort entre la nature de la recherche et l'échelle de l'investissement requis.

La découverte la plus critique de l'étude fut l'identification du risque. En utilisant des méthodes statistiques conçues pour détecter les anomalies, les chercheurs ont analysé les projets pour voir lesquels s'écartaient significativement de la norme. Ils ont découvert qu'environ un tiers de l'ensemble du portefeuille tombait dans une catégorie à haut risque. Il ne s'agissait pas nécessairement de mauvais projets, mais ils étaient inhabituels en termes de taille de budget, de durée ou d'utilisation des ressources, ce qui les rendait plus vulnérables à l'échec ou à des problèmes de gestion. Le risque n'était pas réparti uniformément dans l'université ; il était au contraire fortement concentré dans des grappes spécifiques. Un groupe particulier de projets présentait un taux de risque élevé de 100 %, ce qui signifie que chaque projet de cette grappe était signalé comme inhabituel. D'autres grappes, incluant celles axées sur l'intelligence artificielle et les technologies de défense, présentaient également des concentrations de risque significatives. Ce schéma suggérait que certains types de recherche, particulièrement ceux impliquant de gros budgets et de longues échéances, comportent des incertitudes inhérentes qui nécessitent une surveillance étroite. L'étude a montré que ces risques n'étaient pas aléatoires ; ils étaient regroupés dans des zones spécifiques du paysage de la recherche, permettant aux gestionnaires de cibler leur attention là où elle était le plus nécessaire.

Les chercheurs ont validé leurs résultats en testant la stabilité de leurs modèles. Ils ont exécuté le processus de regroupement plusieurs fois avec différents points de départ pour s'assurer que les groupes trouvés étaient réels et non de simples caprices des choix aléatoires de l'ordinateur. Les résultats étaient remarquablement cohérents, les mêmes projets finissant dans les mêmes groupes à chaque fois. Ils ont également comparé leur approche basée sur le langage avec des méthodes plus anciennes qui se contentaient de compter la fréquence des mots. La nouvelle méthode, qui comprenait le sens du texte, produisait des groupes beaucoup plus clairs et distincts, prouvant que la compréhension du contexte de la recherche était bien plus importante que le simple comptage de mots-clés. Cela a confirmé que les dix grappes identifiées étaient une réflexion robuste de la structure réelle de la recherche de l'université.

Les implications de ce travail s'étendent bien au-delà d'une seule université. L'étude démontre que les portefeuilles de recherche peuvent être gérés avec un niveau de précision et de prévoyance auparavant impossible. En utilisant ces outils fondés sur les données, les bureaux de transfert de technologie et les gestionnaires de recherche peuvent passer d'une posture réactive, où ils se contentent de suivre ce qui s'est déjà produit, à une posture proactive. Ils peuvent voir les tendances émergentes, identifier les opportunités interdisciplinaires qui pourraient autrement être manquées, et repérer les problèmes potentiels avant qu'ils ne s'aggravent. L'étude suggère que l'avenir de la gestion de la recherche réside dans l'intégration de ces capacités analytiques dans les opérations quotidiennes, permettant aux institutions de prendre des décisions basées sur une vue d'ensemble de leur écosystème de recherche. Les conclusions indiquent que, si le portefeuille actuel présente des forces significatives, notamment dans l'ingénierie et les sciences naturelles, il existe un besoin clair de soutenir et d'équilibrer la recherche dans d'autres domaines afin de garantir un avenir scientifique plus diversifié et durable.

En fin de compte, cette recherche offre un nouveau prisme pour observer le monde complexe de l'enquête académique. Elle montre que derrière les milliers de titres de projets individuels se cache un paysage cohérent, structuré et parfois risqué qui peut être cartographié, compris et géré. L'étude ne prétend pas avoir résolu tous les problèmes de la gestion de la recherche, mais elle propose une méthode puissante et éprouvée pour saisir la vue d'ensemble. En transformant le texte en données et les données en enseignements, les chercheurs ont fourni un modèle de la manière dont les universités peuvent mieux naviguer les défis de la science moderne, en veillant à ce que leurs ressources soient dirigées vers les voies les plus prometteuses et les plus stables. Ce travail témoigne de la puissance de la combinaison de la curiosité humaine et de la puissance de calcul pour révéler les structures cachées du savoir.