Les LLM (Large Language Models) changent les pratiques en matière de rédaction scientifique. Comment les auteurs peuvent-ils tirer parti de ces outils sans sacrifier la qualité de leurs productions ? Pour répondre à cette question, l’Institut Pasteur a demandé à Agent Majeur d’animer une formation de deux jours qui permette aux chercheurs de se mettre à l’état de l’art en matière de LLM pour la rédaction scientifique et la publication. Ces ateliers sensibilisent les participants aux enjeux de ces pratiques et leur fournissent un protocole de travail qu’ils peuvent mettre en pratique.
Le besoin
La plupart des chercheurs ont commencé à rédiger avec les LLM de manière informelle et sans directives, au moment où les éditeurs de revue étaient encore en train d’édicter leurs règles. Les outils, quant à eux, n’ont cessé de s’améliorer : depuis 2019, la durée des tâches qu’ils accomplissent de manière autonome a doublé tous les sept mois environ et certains agents sont même développés à partir de la littérature scientifique.
Cependant, si l’écriture assistée par l’IA permet d’améliorer certains indicateurs de productivité, elle brouille les critères traditionnels de qualité. Un style soigné, autrefois considéré par les relecteurs et les rédacteurs en chef comme un gage de mérite scientifique, peut désormais être généré automatiquement.
À cela s’ajoute une dimension éthique, soulignée par la Déclaration de Leiden sur l’intelligence artificielle et les mathématiques, une initiative soutenue par l’Union mathématique internationale (IMU). Les modèles entraînés à partir de contenus libres d’accès génèrent des résultats sans citer les sources humaines dont ils s’inspirent et bon nombre d’entre eux ont été développés à partir de données obtenues en détournant des licences ou en ignorant les droits d’auteur.
Notre vision
Les LLM ont transformé l’édition scientifique. Déjà, en 2024, au moins 13,5 % des abstracts biomédicaux avaient été générés à l’aide de ces modèles. Cette tendance n’a fait que se confirmer depuis, avec des conséquences mitigées. Si ces outils constituent un atout pour les chercheurs dont l’anglais n’est pas la langue maternelle, leur adoption généralisée risque d’homogénéiser le style scientifique et de restreindre les thématiques explorées, l’adoption de l’IA entraînant une diminution de 4,63 % du volume global des sujets étudiés.
Les LLM présentent un autre biais : lorsqu’ils résument des textes scientifiques, ils peuvent omettre des détails, ce qui conduit à des conclusions plus généralistes que celles de l’étude d’origine. Ces outils suscitent également des frictions en matière d’attribution de la paternité des textes et il est important de souligner que les LLM ne peuvent être tenus responsables de ce qu’ils génèrent. De plus, leurs résultats ne sont pas entièrement explicables. Ces limites définissent leur place dans le processus d’écriture : celle d’outils au service du chercheur, qui reste l’auteur de son travail.
2
jours de formation
10+
outils AI abordés
2
sessions par an
La formation
Deux fois par an, jusqu’à huit doctorants, post-doctorants et responsables d’unité passent deux jours avec Agent Majeur, chacun venant avec un article en cours de rédaction.
La première journée de cette formation IA est consacrée au fonctionnement de ces outils et à leurs usages : brainstorming, reformulation, revue de la littérature, choix de la revue et mise en forme. Elle aborde également leurs limites : biais, plagiat, sécurité des données, hallucinations, flagornerie, dette cognitive et tendance à anthropomorphiser les chatbots. Au-delà des modèles grand public, les participants testent des outils spécifiques à la recherche et les adaptent aux différentes étapes de la rédaction.
La deuxième journée est consacrée à la mise en pratique. Chaque participant travaille sur son article et reçoit des retours individuels. Les scientifiques testent différentes structures de prompts et apprennent à utiliser le Markdown pour structurer clairement leurs consignes et leurs contenus, afin d’améliorer la fiabilité et la qualité des résultats tout en optimisant l’utilisation des tokens.
Chaque participant repart avec un protocole lui permettant d’utiliser au mieux ces outils à différentes étapes de son processus. De retour au laboratoire, il peut recourir aux LLM en toute confiance, sachant quand et comment justifier leur usage, établissant ainsi une norme cohérente et à jour au sein de l’Institut Pasteur.
