Les grands modèles linguistiques (LLM) transforment progressivement la recherche en sciences de la vie bien au-delà d’une simple amélioration de la productivité, et s’imposent comme une nouvelle norme avant même que les scientifiques ne se soient mis d’accord sur les limites de leur utilisation. Une étude internationale menée par Ivan Jaric (chercheur Université Paris-Saclay, ESE) décrit ce phénomène comme la « normalité rampante » de l’intelligence artificielle (IA) générative, un processus dans lequel des changements profonds finissent par être acceptés parce qu’ils se produisent de manière progressive, par petites étapes subtiles.

« Alors que l’IA générative s’est rapidement intégrée aux flux de travail quotidiens de nombreux chercheurs, ses effets à long terme sur presque tous les aspects de la science ont fait l’objet d’une attention relativement limitée », explique Ivan Jarić, auteur principal de l’étude. « Le recours systématique à ces outils pourrait remodeler en profondeur les fondements de la pratique et de la culture scientifiques », ajoute-t-il.

L’article identifie plusieurs domaines dans lesquels de tels changements se dessinent déjà. L’un d’entre eux est la collaboration scientifique. Les chercheurs ont de plus en plus recours aux LLM pour obtenir un soutien qui était traditionnellement fourni par des collègues et des réseaux professionnels informels, notamment pour le brainstorming d’idées, le dépannage d’analyses et la recherche d’avis d’experts. On s’attend à ce que le recours croissant aux LLM au détriment de la collaboration humaine entraîne une baisse de la motivation à solliciter l’expertise externe d’autres domaines de recherche ou d’autres régions, ou encore celle portant sur un groupe taxonomique ou une méthodologie particulière, ce qui pourrait à son tour affaiblir les interactions interdisciplinaires, réduire l’exposition à des perspectives diverses et favoriser une science plus cloisonnée et moins innovante.

L’utilisation de l’IA pourrait également transformer en profondeur la manière dont les scientifiques recherchent des informations et génèrent des idées. « À mesure que les modèles de langage à grande échelle (LLM) remplacent de plus en plus les moteurs de recherche, les encyclopédies et même les recherches bibliographiques, les chercheurs vont devenir de plus en plus dépendants des réponses générées par l’IA, qui se limiteront aux questions auxquelles on pense poser », explique Susan Canavan, de l’université de Galway, une autre autrice de l’étude. « Cela pourrait involontairement renforcer le biais de confirmation, créer des chambres d’écho intellectuelles et contribuer à une plus grande uniformité et à une moindre originalité dans le langage scientifique, les approches et la pensée créative. »

Au-delà de la cognition, l’article explore les conséquences sur la formation scientifique et les parcours professionnels. Tout en réduisant les obstacles pour les chercheurs en début de carrière ou n’ayant pas accès à des compétences en programmation ou en statistiques, l’utilisation des grands modèles de langage (LLM) peut générer de nouveaux types d’inégalités et renforcer celles qui existent déjà. Elle intensifiera également la déqualification dans les compétences clés, certaines des compétences fondamentales en sciences de la vie étant externalisées vers les LLM, telles que la recherche et la synthèse bibliographiques, la lecture d’ouvrages d’histoire naturelle et l’acquisition de connaissances, le jugement taxonomique, la programmation et le débogage, ainsi que le raisonnement statistique. Les auteurs suggèrent que cela pourrait même influencer les décisions d’embauche et les opportunités de carrière en réduisant la nécessité et la motivation de créer de nouveaux postes de doctorants et de post-doctorants, car divers types de tâches seront de plus en plus délégués aux LLM.

« Plutôt que de prendre position pour ou contre l’IA, nous appelons la communauté des sciences de la vie à établir des limites claires pour une utilisation appropriée de cette technologie », suggère Michael Bertram, de l’Université suédoise des sciences agricoles et de l’Université de Stockholm, un autre auteur de l’étude. « Les modèles de langage à grande échelle (LLM) devraient, par exemple, être largement adoptés pour des tâches courantes telles que la relecture, la révision linguistique et l’annotation des flux de travail, ainsi que, sous réserve d’un contrôle humain approprié, pour des tâches plus avancées comme la synthèse de la littérature scientifique et l’extraction de données. En revanche, le recours à l’IA devrait être évité dans les activités nécessitant un jugement scientifique indépendant, notamment la hiérarchisation des priorités de recherche, l’évaluation par les pairs, les décisions de financement et les considérations éthiques. »

Les auteurs concluent que la transformation de la science par l’IA générative est déjà en cours. La question urgente n’est pas de savoir si l’IA fera partie intégrante de la recherche scientifique, mais où la communauté scientifique choisira de tracer la ligne. Définir ces limites dès maintenant, affirment-ils, sera essentiel pour préserver la créativité, la diversité, la responsabilité et le jugement humain en tant que valeurs scientifiques fondamentales dans les sciences de la vie.

Contact : Ivan Jarić, ivan.jaric@universite-paris-saclay.fr

Pour plus d’informations, lire l’article publié dans Frontiers in Ecology and the Environment (Jarić, I., Pipek, P., Canavan, S., Firth, J.A. et Bertram, M.G. (2026). The creeping normality of AI in the life sciences. Frontiers in Ecology and the Environment https://doi.org/10.1002/fee.70059)

Légende : Adéquation proposée des contrôles de l’IA aux différentes étapes du processus scientifique.