Session 1 – Comment l’IA peut-elle nous aider à réaliser une revue de la littérature ?
📅 10 juin 2025
🗣️ Olha Nahorna, Ingénieure de recherche CNRS à BSE
Présentation de la session
Cette première rencontre du cycle consacré à l’intelligence artificielle en sciences humaines et sociales propose d’explorer les possibilités offertes par les outils d’IA pour accompagner la réalisation d’une revue de la littérature scientifique.
Comment identifier des publications pertinentes, élargir une recherche bibliographique, explorer les liens entre articles ou encore faciliter l’analyse d’un corpus de références ?
À partir d’un panorama d’outils et de pistes d’utilisation, cette séance aborde les apports possibles de l’IA aux différentes étapes d’une recherche bibliographique, tout en discutant de leurs limites.
Une attention particulière est portée aux enjeux méthodologiques, à la confidentialité des données et à l’impact environnemental de ces technologies.
Principaux points abordés
Réaliser une revue de littérature
Plusieurs points de vigilance ont été rappelés pour conduire une recherche bibliographique aussi complète que possible :
- Diversifier les mots-clés et leurs synonymes.
- Étendre les recherches à d’autres langues que l’anglais.
- Prendre en compte la littérature grise.
- Rechercher également les résultats négatifs, souvent moins publiés.
- Conserver une démarche critique dans la sélection et l’interprétation des publications.
Les modèles de langage et les outils d’IA
Les grands modèles de langage (LLM) et les modèles multimodaux (LMM) peuvent intervenir à différentes étapes d’une revue de littérature :
- Génération de mots-clés et de synonymes, y compris dans plusieurs langues.
- Identification de publications pertinentes, notamment à partir de bases comme OpenAlex.
- Classification thématique des articles.
- Extraction d’informations sur les méthodes ou les concepts mobilisés.
- Construction de réseaux de citations et de cocitations.
- Interrogation d’un corpus documentaire à l’aide d’un système de génération augmentée par récupération (RAG).
Ces possibilités ne remplacent pas la vérification des références, la lecture des publications ni le travail d’analyse scientifique.
Impact environnemental
L’utilisation des modèles d’IA soulève des questions concernant leur consommation énergétique et leur empreinte environnementale.
Un des points discutés concerne la pertinence du recours à l’IA selon la tâche à accomplir : une recherche documentaire simple ne nécessite pas systématiquement de mobiliser un modèle de langage.
Les estimations de consommation varient notamment selon les modèles, les infrastructures et les usages.
Pour approfondir :
Impact environnemental de l’intelligence artificielle – DRANE Versailles
Confidentialité et protection des données
L’utilisation de services d’IA en ligne implique également de s’interroger sur les conditions de traitement et de conservation des informations transmises.
Quelques précautions :
- Éviter de transmettre des données personnelles, confidentielles ou sensibles à des services en ligne sans garanties adaptées.
- Examiner les conditions d’utilisation et les politiques de confidentialité.
- Envisager des solutions locales ou institutionnelles lorsque la nature des données le justifie.
- Distinguer les outils installés localement des services reposant sur des serveurs distants.
Outils présentés et ressources partagées
Outils d’IA pour la recherche bibliographique
Plusieurs plateformes permettent d’explorer la littérature scientifique, de repérer des publications proches ou d’analyser les relations entre références.
| Outil | Principales possibilités |
|---|---|
| ResearchRabbit | Explorer les publications liées et les réseaux de citations |
| Elicit {target=“_blank” rel=“noopener noreferrer”} | Rechercher des articles et extraire des informations |
| Scite | Explorer les contextes de citation des publications |
| SciSpace {target=“_blank” rel=“noopener noreferrer”} | Explorer et analyser des publications scientifiques |
| Consensus | Rechercher des éléments de réponse dans la littérature |
| Connected Papers | Visualiser les relations entre publications |
| Inciteful | Explorer les réseaux de citations |
| Litmaps | Cartographier et suivre la littérature scientifique |
Les fonctionnalités, les conditions d’accès et les tarifs de ces outils sont susceptibles d’évoluer.
Ressource comparative :
Guide des outils de recherche bibliographique assistée par IA – Macquarie University
Solutions pour utiliser des modèles en local
Plusieurs environnements permettent d’exécuter des modèles d’IA localement, sous réserve de disposer des ressources matérielles nécessaires.
- Ollama : exécution de modèles de langage en local.
- LM Studio : interface pour télécharger et utiliser des modèles localement.
- GPT4All : utilisation locale de modèles de langage.
- Hugging Face Transformers : bibliothèque pour exploiter différents modèles.
- MLX : framework d’apprentissage automatique adapté aux processeurs Apple Silicon.
- LlamaIndex : framework pour construire des applications mobilisant des modèles de langage et des sources documentaires.
L’utilisation locale peut permettre de mieux maîtriser la circulation des données, mais ne garantit pas à elle seule leur sécurité ou leur confidentialité.
Perspectives pour les prochaines rencontres
Cette première séance a également permis d’ouvrir la discussion sur les usages de l’IA dans les pratiques de recherche en SHS.
Une enquête auprès de la communauté CHANGES est lancée afin de recueillir les attentes, les besoins et les propositions de thématiques pour les prochaines rencontres.