Ressources numériques en sciences humaines et sociales OpenEdition Nos plateformes OpenEdition Books OpenEdition Journals Hypothèses Calenda Bibliothèques OpenEdition Freemium Suivez-nous

GIFTS

Generative AI and the Future of The Scientific system

Porteurs et affiliations

Pierre Pelletier
Maître de Conférences, Université de Strasbourg, laboratoire BETA (axe Créativité, Science et Innovation).

Stefano Bianchini
Maître de Conférences HDR, Université de Strasbourg, laboratoire BETA.

Gabriele Pellegrino
Associate Professor, Università Cattolica del Sacro Cuore, Milan.

Ivan Napoli
Doctorant, Università Cattolica del Sacro Cuore, Milan.


Contexte et problématique 

L’intégration massive de l’IA générative (LLMs comme ChatGPT) transforme en profondeur les pratiques académiques, de la revue de littérature à la production de code.

Le projet s’inscrit dans l’axe « IA : Usages et mésusages » du GIS, ciblant particulièrement les enjeux de formation des doctorants. Les LLMs, par leur nature probabiliste, risquent d’entraîner une homogénéisation des méthodes scientifiques et de brider la créativité.

Les études actuelles sur l’impact de l’IA sur la trajectoire des jeunes chercheurs restent encore trop rares. Il est crucial de comprendre comment ces outils influencent les chercheurs en début de carrière, qui ne possèdent pas encore de routine de travail préétablie, afin de mesurer l’impact sur la pluralité et le renouvellement des paradigmes scientifiques.


Objectifs du projet

Analyser l’impact de l’adoption des LLMs sur la productivité, la nouveauté scientifique et la trajectoire de carrière des jeunes chercheurs en France (période 2012-2024).

Étudier si l’usage de l’IA provoque un effet de « lock-in » (verrouillage) dans les publications futures et comment l’aspect probabiliste des modèles affecte l’exploration de nouvelles connaissances.

Le projet répond directement aux besoins de compréhension des usages de l’IA par les doctorants et aux enjeux de médiation et de remédiation scientifique.


Méthodologie

Approche mixte combinant la bibliométrie, le traitement automatique du langage (NLP) et le matching pour le volet quantitatif, complétée par deux enquêtes qualitatives auprès des chercheurs.


Corpus et données

Analyse de près de 70 000 thèses soutenues en France (données de theses.fr) et suivi des publications via la base de données OpenAlex.

Le travail se divise en deux axes : le premier sur la composition des thèses et la productivité, le second sur l’homogénéisation des sujets et méthodes. L’analyse sera réalisée via une infrastructure locale utilisant des modèles open source (Llama, Mistral, DeepSeek).


Résultats attendus et livrables

Publication d’articles dans des revues internationales à comité de lecture. Les codes (GitHub) et les données (Zenodo) seront partagés en accès ouvert pour garantir la reproductibilité.

Fournir un éclairage empirique sur la manière dont l’IA modifie la recherche d’information et la diversité des références bibliographiques dans les travaux doctoraux.


OpenEdition vous propose de citer ce billet de la manière suivante :
GisUrfist (2 février 2026). GIFTS. GIS Réseau Urfist. Consulté le 9 juin 2026 à l’adresse https://doi.org/10.58079/15lp6


Laisser un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *

This site uses Akismet to reduce spam. Learn how your comment data is processed.