Les IA génératives
et leur bon usage
Module proposé en psychomotricité 2de année (parties I et II) et 3ème année (parties I, II, III).
Plan du module
PREMIERE PARTIE : Eléments de définition et limites des IA génératives généralistes pour la recherche documentaire. SECONDE PARTIE : Usages possibles des IA génératives généralistes pour les études. TROISIEME PARTIE : IA génératives dites académiques.
QUATRIEME PARTIE : Exercice : fiabillité des articles scientifiques
Les IA génératives généralistes : définitions et limites pour la recherche documentaire
La première partie est une alternance entre des explications sur le fonctionnement des IA génératives généralistes et des questions afin de mieux mémoriser les informations.
1. Du bon usage : IA et sécurisation des données :
Pour commencer aller sur le "Tuto des BU". Voir la présentation de plusieurs IA généralistes génératives (le 1er rond ci-dessous) :
Question 1/7
C'est quoi la RGPD ?
Mistral est l'IA généraliste parmi celles qui sont citées qui offre actuellement des garanties de respect de la RGPD. Il convient néanmoins de conserver des règles de prudence. De fait, une bonne pratique consiste à ne pas transmettre de données personnelles dans l'utilisation d'une IA générative. Selon la loi informatique et libertés de 1978, est considérée comme donnée personnelle toute information susceptible d'identifier directement ou indirectement une personne physique (nom, prénom, adresse, date de naissance, n° de sécurité sociale, image permettant l'identification etc.). Il est important aussi de ne pas transmettre des données qui n'ont pas vocation à être partagées (données de la recherche, oeuvres protégées par la propriété intellectuelle etc.), car ces données vont être réutilisées pour l'entraînement des IA.
2. Elément de définition sur les modèles d'IA génératives : LLM, RAG et recherche approfondie
Pour bien utiliser les IA génératives, il est important d'en connaître les grands principes, et comprendre pour commencer la différence entre LLM et RAG.
Définitions : LLM
Lorsque l'outil conversationnelle (ou "chatbot") vous répond, il utilise le LLM (Large Langage Model). Il s'agit d'un modèle de langage entraîné sur de grandes quantités de textes. Le chatbot qui repose sur ce modèle donne une réponse à une question posée en créant une chaîne de mots à l'enchaînement probabiliste, en s'appuyant sur des données d'entraînement non mises à jour. Si j'écris : "le chat mange la...", il est probable que l'IA complète par "souris". Il y a pas conséquent un grand risque d'approximations et d'erreurs. L'IA crée des suites de mots de la manière la plus probable, mais sans s'inquiéter du vrai et du faux. C'est un modèle popularisé par l'émergence de ChatGPT.
Source : Urfist, cours d'Alice Bouchard : https://callisto-formation.fr/mod/resource/view.php?id=23114
Définition : RAG
Le processus RAG (retrivial augmented generation) permet au chatbot non seulement de vous répondre mais de vous donner des sources. L'IA va chercher ces sources dans un réservoir de données (le web pour une recherche classique) à partir de votre requête adressée en langage naturel. Pour cela, l'IA traduit votre prompt en équation de recherche, en dégageant des mots clefs associés à des opérateurs booléens (OR, AND...) pour lancer une recherche (comme sur un moteur de recherche ou une base de données). Les références trouvées sont transmises en langage naturel. Ex de prompt : "Peux-tu me donner des exemples d'exercices de relaxation dans un contexte scolaire ?" Remarque : si les agents conversationnels intègrent des fonctionnalités des moteurs de recherche, ceux-ci utilisent à l'inverse de plus en plus le LLM. En effet, les moteurs de recherche génèrent parfois une réponse en texte libre préalable à la liste des résultats.
RAG : traduction en équation de recherche : ("exercice de relaxation" OR "exercice de détente" OR...) AND (scolaire OR école OR éducatif OR éducation OR...)
LLM, réponse sourcée en langage naturel.
Question 2/7
Question 3/7
Définition : La recherche approfondie
C'est une fonctionnalité de nombreuses IA qui permet d'avoir une réponse plus précise et détaillée sur une question. Le temps de fourniture de la réponse est aussi plus long. Par exemple :
Sur Mistral AI, la fonction "réflexion"
Sur Copilot
La recherche approfondie entraîne une multitude (parfois plusieurs dizaines) de recherches RAG avec une analyse comparative des résultats qui permet de gommer certaines contradictions.Elle permet de générer un véritable rapport sur un sujet ainsi qu'une bibliographie plus importante. Attention cependant ! - Ce type de recherche est très energivore. - Ce n'est pas parce qu'une référence est donnée en recherche approfondie qu'elle est fiable ! Le réservoir reste le même et on trouve de tout sur le web, des publications sérieuses mais aussi beaucoup de contenus inappropriés. - Les résultats présentent de nombreux biais (voir la suite du module).
Question 4/7
3. L'IA générative humaine, trop humaine ?
Pour répondre à la prochaine question, vous pourrez vous aider des définitions suivantes. Il n'est pas indispensable de tout lire !
Facultés qui caractérisent l'intelligence :
"Apprentissage : sous l'influence de l'environnement ou de l'expérience, les êtres et artefacts peuvent suivre un cheminement pour mémoriser, intégrer des comportements, des actions. Long ou court, ce périple entraîne des modifications dans leurs agissements futurs."
"Adaptation : face à un fait, une action, un état, un organisme peut être capable de s'ajuster à des conditions extérieures à lui-même, mais aussi internes. Objectif : lui permettre d'améliorer sa situation à venir et de durer dans le temps."
"Communication : par le langage ou non, aptitude à établir une relation avec un être distinct pour échanger, pour exprimer une intention, une émotion, un état, mais aussi pour agir sur lui, le convaincre, le séduire, l'influencer."
"Conscience : faculté de connaître, percevoir, se représenter son existence et celle du monde extérieur. Et au-delà, capacité réflexive de juger, analyser ce qui se passe en nous et hors de nous."
"Décision : Vigie de l'intelligence, cette fonction essentielle permet de faire sans cesse des choix (...) Une précieuse boussole pour s'orienter entre les récifs de ses actions."
"Emotion : Si l'intelligence est un moteur, l'émotion en est le carburant (...) : elle guide les décisions, oriente les comportements, révèle la sensibilité et le besoin d'équilibre de chacun."
"Raison : (...) Elle est indissociable de son promoteur, le philosophe René Descartes (1596-1650) pour lequel elle incarne "la puissance de bien juger et de distinguer le vrai d'aver le faux."
"Mémoire : mère de toutes les connaissances, cette capacité est un carnet de bord intime, permettant de consigner les expériences, souvenirs, savoir-faire. Fruit d'un apprentissage permanent, elle est indispensable pour interagir avec l'environnement et passer à l'action."
"Créativité: "La créativité, c'est l'intelligence qui s'amuse" : le physicien Albert Einstein (1879-1955) définit ainsi cette capacité d'invention, d'astuce, de curiosité pour trouver une idée, résoudre un problème, faire advenir ce qui n'a jamais été et mener l'imagination vers de nouvelles destinations
Question 5/7
Les facultés qui définissent les IA génératives sont : - l'apprentissage (machine learning par exemple), - l'adaptation (deep learning), - la mémoire (stockage de données), - la communication (via les chatbots par ex). Par contre les machines même boostées à l'IA : - n'ont pas de conscience (ni d'elles-mêmes, ni de leur environnement), - n'ont pas de raison (elles ne comprennent pas ce qu'elles génèrent), - n'ont pas d'émotion, - ne sont pas des créatrices, - ne sont pas susceptibles de prendre des décisions.
4. Les biais des IA génératives et les risques associés :
Les réponses générées par les IA généralistes génératives ne sont pas neutres. Elles dépendent : - des données d'entraînement des modèles LLM. Demandons à l'IA de compléter : "le chat mange des..." Si on a entraîné les algorithmes avec des textes qui affirment que "les chats mangent des carottes", alors on obtiendra cette réponse. - des règles de modération : y a-t-il des orientations idéologiques dans la façon de mettre des limites aux réponses des IA ? - du réservoir à partir duquel l'outil va sourcer sa réponse. Sur le web, on trouve des contenus fallacieux qui ne répondent pas aux attendus de la recherche académique et scientifique.
Voir sur le sujet : le tuto des BU https://foad.univ-lyon1.fr/mod/book/view.php?id=3026&chapterid=478
Pour répondre aux deux questions qui suivent, vous devez chercher les réponses dans l'article suivant, en cliquant sur le lien : https://www.polytechnique-insights.com/tribunes/neurosciences/ia-generative-le-risque-de-latrophie-cognitive/
Question 6/7
Question 7/7
Et vous, saurez-vous reconnaître des biais ?
Exercice
La conservatrice des bibliothèques, Aline Bouchard, a interrogé à trois reprises des outils d'IA générative généraliste à partir de différents prompts pour analyser les biais éventuels des réponses données. Etude de cas 1 :"Quels sont les signes anonciateurs d'une guerre civile". IA interrogée : Perplexity. Etude de cas 2 : "Do we really need more optimistic science-fiction?" IA interrogée : ChatGPT Etude de cas 3 : "Quels sont les usages par les lycéens des IA génératives en général et de ChatGPT en particulier en 2025 ?" IA interrogée : Perplexity
Ces études sont disponibles dans un cours en ligne ouvert à toutes et tous.
Consignes :
1. Aller sur le cours d'Aline Bouchard (Urfist) à partir du lien cliquable : https://callisto-formation.fr/course/view.php?id=952
2. Choisir dans le menu à gauche l'Etude de cas 1 d'abord (puis ensuite le 2, puis le 3)
3. Lire les réponse, repérer les biais, s'auto-corriger.
Récapitulatif de la première partie - Ne pas donner de données personnelles quand on utilise une IA ; - Ne pas utiliser de documents protégés par la propriété intellectuelle ; - Ne pas déléguer à une IA des tâches que l'on peut faire soi-même pour conserver et développer ses facultés (mémoire, capacité de raisonnement, de synthèse, de manipulation du langage) ; - Ne pas utiliser une IA générative généraliste pour trouver des références académiques, car elles cherchent sur le web des documents possiblement peu adaptés, avec des biais possibles (idéologiques, langagiers, genrés, racistes...) ; parfois les références peuvent être inventées (hallucinations). - Toujours vérifier la pertinence des réponses et croiser les sources d'information ; - Avoir un usage responsable, car le développement des IA se fait au prix de conséquences environnementales et sociales importantes.
Voir pour aller plus loin le tuto des BU
Quel usage faire des IA génératives généralistes dans le cadre des études ?
Vous utilisez peut-être déjà les IA génératives dans vos études (pour fluidifier votre rédaction par exemple, faire un plan, corriger votre orthographe, traduire des textes etc.). Dans cette seconde partie, nous laissons de côté le théorique pour un seul exercice. Son but est de vous permettre d'évaluer et d'améliorer vos pratiques. Nous partons pour cela de fiches créés par l'université de Strasbourg sur les usages possibles de l'IA dans les études, contenant des conseils de méthodologie, des prompts, des points de vigilence.
Si possible se mettre par groupes de 2 ou 3
Consignes de l'exercice :
Ouvrir l'emplacement des fiches pratiques sur l'IA (lien cliquable) : https://foad.univ-lyon1.fr/mod/folder/view.php?id=3967
Choisir les fiches qui vous intéressent le plus (entre 2 et 4 fiches).
Evaluer l'intérêt de ces fiches pour vos études. Vous pouvez remplir pour cela un swot, c'est-à-dire vous poser 4 questions :
FORCES : En quoi cet usage est utile pour moi (gain de temps, qualité du travail...) ?
FAIBLESSES : En quoi cet usage est superflu ou mal adapté à mes besoins ?
OPPORTUNITES: en quoi puis-je améliorer concrètement ma pratique à partir de cette fiche ?
MENACES : quelles sont les limites que je me fixe ?
Mise en commun dans la classe (si possible).
Focus sur les IA génératives académiques
Les IA génératives académiques fonctionnent comme les IA généralistes : on les interroge en langage naturel, elles combinent LLM et RAG. A la différence des IA génératives généralistes, cependant, les IA académiques s'appuyent non pas sur la totalité du web, mais sur des documents académiques et scientifiques. Cela limite mais n'exclut pas les biais vus précédemment.
Sur le tuto des BU, lire pour commencer la présentation des IA génératives académiques (le second rond) :
1. On teste et on évalue... Semantic Scholar
Semantic Scholar est un moteur de recherche académique ayant des fonctionnalités augmentées. On l'interroge avec des mots-clefs, qu'il enrichit avec d'autres mots clefs proches sémantiquement. Il puise ses réponses dans un corpus de dizaine de millions d'articles structurés par des métadonnées. Plusieurs IA académiques reposent largement sur le corpus et les métadonnées de Semantic Scholar : Consensus, Elicit, Astra, Site, Research Rabbit... C'est pourquoi il est important de comprendre son intérêt et ses limites.
Une métadonnée est une "donnée sur une donnée." En d'autres termes, c'est un élément d'information qui permet d'ordonner et de décrire des contenus : ici par exemple pour un article son auteur, son affiliation, la date de publication etc.
Si possible se mettre par groupes de 2 ou 3
Consignes :
Accéder à Semantic Scholar (lien cliquable)
Tester des mots clefs sur un sujet (sans opérateurs booléens ni troncature) par exemple le sujet suivant : "L'image du corps chez les personnes atteintes de la maladie de Parkinson bénéficiant d'un accompagnement en psychomotricité".
Tester d'abord les mots clefs en français : "image du corps" (garder les guillemets), "Parkinson" et "Psychomotricité". A priori vous avez très peu de résultats.
Interroger ensuite en anglais : "body image", "Parkinson", "psychomotor". Vous constatez qu'il y a plus de résultats. Le corpus de Semantic Scholar est essentiellement en anglais.
Dans "Date Range", vous pouvez garder les articles de moins de 10 ans. Vous voyez que vous pouvez aussi choisir de trier les articles selon l'auteur, le domaine d'étude ou ne garder que ceux avec un pdf disponible.
Lire les résultats...
Titre
Auteurs
Domaine
Journal
Résumé
Editeur
Exporter les citations
L'enrichissement d'informations :
Quand on ouvre un article, on peut rebondir sur d'autres articles qui le citent (1 seul ici), et trouver les références bibliographiques sur lesquelles il s'appuie (54 dans ce cas).
Semantic Scholar extrait des données de l'article qu'on peut donc consulter sans avoir à les rechercher dans le texte (tableaux, infographies etc.).
A retenir : les + et les - de Semantic Scholar pour la recherche
Un corpus indexé très large à la base de nombreuses IA académiques. Des millions d'articles lisibles en PDF. Des métadonnées riches (auteurs, rattachement académique...) Des extractions de données à partir de chaque article : citations, références, tableaux, infographies...
Biais sociolinguistique : le corpus est essentiellement anglo-saxon, l'indexation est en anglais. Des éditeurs refusent l'accès à leurs données, Elsevier, Taylor&Francis... Vous pouvez donc passer à côté d'articles fondamentaux. Les algorithmes de recherche ne sont pas transparents. Attention à la qualité des articles, certains peuvent venir de revues prédatrices (ce point sera abordé en partie 4).
2. On teste et on évalue... Consensus, Asta AI
et sont des IA académiques qui s'appuient tout ou partie sur Semantic Scholar. Elles s'interrogent en langage naturel et fonctionnent toutes les deux sur le modèle RAG : le prompt est décomposé en mots clefs et équations de recherche pour interroger des réservoirs documentaires. Nous allons tester ces 2 IA pour comprendre leur avantages et inconvénients. Vous verrez qu'elles se ressemblent.
Consignes /
Si possible se mettre par groupes de 2 ou 3
Ouvrir Consensus (lien cliquable).
Lancer le sujet en anglais dans la barre de recherche : "Body image in people with Parkinson's disease receiving psychomotor therapy". Vous obtenez une liste d'articles précédé d'une synthèse sur le sujet.
Les questions à ce poser sur l'intérêt de cette IA :
20 articles dans la version gratuite, ce n'est pas énorme mais il y en a peut-être d'utiles pour moi.Peu de chance que la recherche en France soit très représentée dans les résultats (les articles étant par ailleurs écrits en anglais) et que tous les aspects du sujet soient traités.La qualité scientifique est à mesurer article par article, c'est un travail parfois difficile et laborieux à effectuer (voir partie 4).
Combien ai-je de résultats (d'articles référencés) ? Est-ce suffisant ?
Title
Eléments de réponse
Use this side to give more information about a topic.
Quelle zone géographique couvrent les articles ? Est-ce suffisant ?
Subtitle
Couvrent-ils bien tous les aspects du sujet ?
Quels articles me sont utiles et de bonne qualité ?
La synthèse est-elle utile pour moi ?
La synthèse peut être structurée de manière intéressante, elle peut donner des idées. Mais attention ! Elle est partielle et ne doit pas être reproduite telle quelle (plagiat !). Le filtre par date peut améliorer vos résultats avec des articles plus récents. La fonction "consensus meter" réinterprète votre question de manière à avoir une réponse statistique avec un tri entre articles qui répondent plutôt "oui" ou plutôt "non" à cette question. Votre recherche n'est pas reproductible : ce ne sont pas toujours les mêmes articles qui sortent. Pourquoi celui-ci plutôt qu'un autre ? On ne sait pas. Passe-t-on à côté d'articles intéressants ? Sans doute.. La syntèse varie en conséquence.
(Voir sous le résumé) Peut-on filtrer les résultats selon la date ?
Title
Eléments de réponse
Use this side to give more information about a topic.
A quoi sert la fonction consensus meter ?
Subtitle
Si je reproduis la recherche dans une autre fenêtre, est-ce que j'ai le même résumé ? Le même nombre de résultats ?
A retenir : les + et les - de pour la recherche
Nombre limité de résultats en version gratuite (20 résultats seulement). La synthèse ne reflète par conséquent qu'une partie du sujet, elle peut avoir des biais et halluciner parfois (IA générative LLM). La recherche n'est pas reproductible. Les algorithmes de recherche ne sont pas transparents (on ne sait pas comment l'outil cherche). Limites que l'on retrouve avec Semantic Scholar : biais culturel et linguistique, absence de données de certains éditeurs, qualité des articles parfois difficile à évaluer (voir partie 4).
Consensus s'interroge en langage naturel. Consensus synthétise la réponse à la question que vous posez à partir d'une liste d'articles. Ces articles sont filtrables par date. Vous pouvez reposer la question de manière à obtenir une réponse par "oui" ou par "non" (fonction consensus meter). Nombre d'articles peuvent être lus en PDF.
Consignes /
Aller sur Asta AI (lien cliquable)
Lancer le sujet en anglais dans la barre de recherche pour la fonction Find Papers : "Body image in people with Parkinson's disease receiving psychomotor therapy". Les bonnes questions à se poser :
Couvrent-ils bien tous les aspects du sujet ?
Combien ai-je de résultats (d'articles référencés) ? Est-ce suffisant ?
Quels articles me sont utiles et de bonne qualité ?
Quelle zone géographique couvrent les articles ? Est-ce suffisant ?
Si je reproduis la recherche dans une autre fenêtre, est-ce que j'ai le même résumé ? Le même nombre de résultats ?
Puis-je filtrer par date ? Par pertinence ("relevance") ?
Lancer le sujet en anglais dans la barre de recherche pour la fonction Generate a report : "Body image in people with Parkinson's disease receiving psychomotor therapy". Les bonnes questions à se poser :
On peut faire des constats assez proches de ceux qui valent pour Consensus. Le nombre de résultats proposés est plus important cependant que pour Consensus. Il est possible de trouver des articles pertinents, mais il peut être difficile d'évaluer leur qualité. Attention cependant ! Le rapport de synthèse, qui peut vous aider à réfléchir à votre sujet, s'appuie sur un nombre réduit de sources. Il donne donc une vision parcellaire de votre question. Il y a peu de chance que la recherche en France soit représentée. Votre recherche une nouvelle fois n'est pas reproductible : ce ne sont pas toujours les mêmes articles qui ressortent.
En quoi ce rapport vous est-il utile ?
Title
Combien cite-t-il de sources ?
Eléments de réponse
Use this side to give more information about a topic.
Subtitle
Sont-elles pertinentes ?
A retenir : les + et les - d' pour la recherche
La synthèse s'appuie sur un nombre limité de références : elle ne reflète qu'une partie du sujet. La recherche n'est pas reproductible. Les algorithmes de recherche ne sont pas transparents (on ne sait pas comment l'outil cherche). Limites que l'on retrouve avec Semantic Scholar : biais culturel et linguistique, corpus limité pour certains éditeurs, qualité des articles parfois difficile à évaluer (voir partie 4).
Asta s'interroge en langage naturel avec deux fonctions distinctes : la recherche d'articles et la génération d'un rapport de synthèse. Les étapes de la recherche sont détaillées. Asta présente un nombre de résultats supérieur à Consensus, ses rapports sont plus détaillés. Les articles sont filtrables par date et pertinence. Les liens des articles renvoient vers Semantic Scholar.
A retenir sur les bons usages des IA académiques
Ce qu'on peut en attendre
Semantic Scholar et les IA académiques telles que Consensus, Asta AI ou autre, qui s'appuient sur son corpus structuré, peuvent être utiles surtout en début de recherche : - pour trouver des articles pertinents accessibles pour beaucoup en texte intégral ; - pour se donner des pistes de réflexion ; - pour enrichir ses mots-clefs ; - pour réfléchir à partir d'une synthèse à une amorce de plan ou à la façon d'enchaîner des idées.
Là où il faut être vigilant
Il faut bien évaluer la qualité des articles proposés par les IA académique (voir la partie 4). Si le lien de l'article vous renvoie vers une plateforme connue (ScienceDirect, CAIRN...), pas de problème a priori. Mais les articles en libre accès peuvent sembler de bonne qualité scientifique en apparence, mais être dépassés voire frauduleux. L'IA est un outil, elle ne juge pas la qualité de ce qu'elle vous présente. Il est important de poursuivre sa recherche et de croiser ses sources à partir du catalogue de la BU et des bases de données classiques :
- Pour avoir des documents qui reflètent la recherche en France et plus largement hors de la sphère anglo-saxonne
- Pour enrichir sa réflexion et ne pas passer à côté d'articles importants
- Pour avoir une recherche transparente et reproductible
Veiller à bien conserver un oeil critique sur les rapports synthétiques des IA académiques. Ne pas oublier qu'elles reposent sur des articles de qualité variable avec des biais possibles que nous avons vus en partie 2 (biais idéologique, culturel, géographique...). Se rappeler aussi qu'elles utilisent le LLM, et qu'à ce titre elles peuvent aussi halluciner. Surtout ne pas recopier ou reformuler les rapports des IA pour vous les attribuer : il s'agirait de plagiat !
Pour aller plus loin :
Vous pouvez prolonger les tests sur d'autres IA académiques comme précédemment, à partir de leur tutoriels. Vous retrouvez ces tutoriels dans le tableau "Les différentes IA" vu en début de la partie 3).
Vous pouvez aussi aller voir les IA "assistants" comme NotebookLM (outil qui fonctionne à partir d'un compte Google), qui permet de synthétiser et de questionner un corpus de documents que vous importez vous-même.
Exercice : fiabilité des articles scientifiques
Il est toujours nécessaire d'évaluer la valeur scientifique des articles, particulièrement lorsqu'ils sont récupérés en-dehors de plateformes de recherche bien identifiées, via des IA académiques ou des moteurs de recherche comme Google Scholar par exemple.
Nous allons faire un exercice pratique à partir d'un article apparu dans les résultats donnés par Consensus sur le sujet fil rouge.
Consensus m'a proposé dans ses résultats l'article suivant (avec le pdf accessible) : Swati Ade, Dr. Shyam D. Ganvir (2025) Effect Of Psycho-motor Physical Therapy On Self-Esteem Among Community-Dwelling Individuals With Locomotor Disabilities, Journal of Health Physiotherapy and Orthopaedics Doi: https://doi.org/10.55522/jhpo.V2I4.0034
Cette article fait partie du corpus de Semantic Scholar. Il aurait pu apparaître dans les résultats des autres IA académiques.
Nous nous poserons quelques questions types sur cet article pour voir s'il peut être retenu, inspirées par deux sites ressources :
Le site thinkchecksubmit
et le site Compass to publish.
Consignes :
Si possible se mettre par groupes de 2 ou 3
1. Aller sur le site de l'article (lien ci-dessous) :
Swati Ade, Dr. Shyam D. Ganvir (2025) Effect Of Psycho-motor Physical Therapy On Self-Esteem Among Community-Dwelling Individuals With Locomotor Disabilities, Journal of Health Physiotherapy and Orthopaedics Doi: https://doi.org/10.55522/jhpo.V2I4.0034
2. Ouvrir le pdf sur ce site pour répondre aux 4 cartes de questions (voir pages suivantes) :
Retourner les cartes pour voir les réponses...
Les auteurs : Swati G Ade et Shyam D Ganvir : Tous deux sont présentés comme kinésithérapeutes au"Patil Foundation College of Physiotherapy" d'après l'article (cette école existe bien). Le premier cependant est invisible sur internet, y compris sur le site de l'école. Il n'apparaît sur Google Scholar que pour cet article ("S Ade"). S'il existe, il a donc peu de publications à son compte... Le second a plusieurs articles référencés sur Google Scholar et appartient à l'école. Cependant, sur Semantic Scholar, une recherche par son nom ne nous permet pas d'accéder à l'article... comme s'il ne lui était pas attribuable. Des pages récapitulant ses travaux ne mentionnent pas cet article non plus. Ces éléments doivent nous alerter.
Avez-vous fait attention à ces mentions (un peu au-dessus du résumé de l'article) ? : - Received : 12-06-2025 - Revised : 15-07-2024 - Accepted : 18-08-2024 Ils correspondent aux étapes de publication : date de réception de l'article par le journal, date de révision (l'article est reproposé après avoir été modifié), et date d'acceptation pour publication. Ici, l'article aurait été reçu en 2025 et publié en... 2024. A supposé que ce soit une coquille, la durée d'évaluation de l'article serait bien courte entre réception et publication (deux mois).
Question 2 le peer-reviewing (évaluation par les pairs)
Question 1 les auteurs
Use this side of the card to provide more information about a topic. Focus on one concept. Make learning and communication more efficient.
Use this side of the card to provide more information about a topic. Focus on one concept. Make learning and communication more efficient.
Que sait-on des auteurs de l'article ? Quelle est leur discipline ? Sont-ils reconnus (établissement de rattachement, publications antérieures) ?
Sait-on si l'article a été relu par des spécialistes avant d'être publié ? Quel est le temps de validation de l'article (plusieurs mois sont généralement nécessaires) ?
Title
Title
Write a brief description here
Write a brief description here
La forme de l'article scientifique semble respectée à première vue. Cependant, si on regarde la bibliographie, il n'y a que 9 références citées... C'est bien peu. D'autant que les dates de ces articles sont problématiques : 1 seul article a moins de 10 ans, 1 date de 1965, 1 autre de 1977... Par ailleurs, quand on cherche l'article sur Google Scholar, il n'y a qu'un seul lien qui renvoie au journal. Aucune référence sur différentes plateformes de recherche... Enfin, on voit sur Semantic Scholar que l'article n'est cité par personne, ce qui doit aussi nous alerter.
Question 4 l'article
Le "Journal of Health Physiotherapy and Orthopaedics" est récent, puisque l'article est publié dans un "volume 2" (seconde année de publication). On manque donc de recul sur le journal. Il n'apparaît pas sur le base DOAJ, ni sur la "liste des revues recommandables" par les doyens de médecine. Nous n'avons pas de garantie quant à sa qualité. Sur le site, on trouve le nom de l'éditeur sous l'intitulé "ClanCom Scientific". La description donne à penser qu'il s'agit d'une entreprise d'édition à la demande qui cherche à attirer des clients, plutôt que d'un éditeur scientifique.
Question 3 le journal
Le DOAJ (Directory of Open Access Journals, lien cliquable) recense des périodiques scientifiques en ligne en libre accès, dont la qualité est contrôlée.
Use this side of the card to provide more information about a topic. Focus on one concept. Make learning and communication more efficient.
La forme de l'article répond-elle aux attendus d'un article scientifique (résumé, introduction, expérimentation, résultats et discussion, conclusion, bibliographie étendue) ? L'article est-il accessible avec plusieurs liens sur Google Scholar ? Le trouve-t-on sur différentes plateformes (Web of Science, Science Direct, Pubmed...) ? Rechercher l'article (par le titre par ex.) sur Semantic Scholar : est-il souvent cité ?
Use this side of the card to provide more information about a topic. Focus on one concept. Make learning and communication more efficient.
Quelles informations a-t-on sur l'éditeur du journal ? Est-ce un éditeur scientifique ? Le contenu du journal étant en open access, est-il mentionné par la base DOAJ ? Le journal fait-il partie de la liste de journaux recommandables des doyens de médecine ?
Title
Title
La liste des revues recommandables (lien cliquable) a été établie par les doyens de médecine pour lutter contre les revues prédatrices.
Write a brief description here
Write a brief description here
Conclusion de l'exercice :
Nous avons un faisceau d'indices pour rejeter cet article : - un doute sur les auteurs, sur leur existence ou leur participation à l'article ; - un doute sur le journal, récent, publié par un éditeur non scientifique ; - un doute sur la procédure de peer-reviewing/évaluation par les pairs, avec des dates incohérentes ; le site non plus ne donne pas d'indications sur les chercheurs participant à cette évaluation ; - un doute sur le contenu scientifique de l'article : la bibliographie contient peu de références, et souvent anciennes ; l'article n'est pas répartiorié sur de grandes plateformes de recherche ; on voit sur Semantic Scholar qu'il n'a jamais été cité.
Il est très possible que cet article ait été généré par une intelligence artificielle et mis en forme... pour être retrouvé ensuite par une autre intelligence artificielle, d'abord avec Semantic Scholar, puis Consensus. Il a infecté les résultats et donc aussi le rapport de synthèse...
Pour conclure, les IA académiques peuvent être utilisées avec profit plutôt en début de recherche (pour se donner des idées ou débroussailler une problématique à partir d'une poignée d'articles à analyser). Mais elles demandent un travail critique important. Elles n'épargnent pas au chercheur un travail reposant sur une méthodologie classique. Comme l'écrit l'enseignante-chercheuse en sociologie Mona Claro : "Je suis sensible à la métaphore de la salle de sport, souvent utilisée à propos de l’IA générative à l’école ou à l’université : si le but est de se muscler, quel est l’intérêt de faire soulever les haltères par une machine ?"
Si le temps le permet...
Faire l'exercice de synthèse sur le tuto des BU : https://foad.univ-lyon1.fr/mod/book/view.php?id=3026&chapterid=478
Les IA génératives
SCD Lyon 1
Created on February 5, 2026
Start designing with a free template
Discover more than 1500 professional designs like these:
View
Explainer Video: Keys to Effective Communication
View
Explainer Video: AI for Companies
View
Corporate CV
View
Flow Presentation
View
Discover Your AI Assistant
View
Urban Illustrated Presentation
View
Geographical Challenge: Drag to the map
Explore all templates
Transcript
Les IA génératives
et leur bon usage
Module proposé en psychomotricité 2de année (parties I et II) et 3ème année (parties I, II, III).
Plan du module
PREMIERE PARTIE : Eléments de définition et limites des IA génératives généralistes pour la recherche documentaire. SECONDE PARTIE : Usages possibles des IA génératives généralistes pour les études. TROISIEME PARTIE : IA génératives dites académiques.
QUATRIEME PARTIE : Exercice : fiabillité des articles scientifiques
Les IA génératives généralistes : définitions et limites pour la recherche documentaire
La première partie est une alternance entre des explications sur le fonctionnement des IA génératives généralistes et des questions afin de mieux mémoriser les informations.
1. Du bon usage : IA et sécurisation des données :
Pour commencer aller sur le "Tuto des BU". Voir la présentation de plusieurs IA généralistes génératives (le 1er rond ci-dessous) :
Question 1/7
C'est quoi la RGPD ?
Mistral est l'IA généraliste parmi celles qui sont citées qui offre actuellement des garanties de respect de la RGPD. Il convient néanmoins de conserver des règles de prudence. De fait, une bonne pratique consiste à ne pas transmettre de données personnelles dans l'utilisation d'une IA générative. Selon la loi informatique et libertés de 1978, est considérée comme donnée personnelle toute information susceptible d'identifier directement ou indirectement une personne physique (nom, prénom, adresse, date de naissance, n° de sécurité sociale, image permettant l'identification etc.). Il est important aussi de ne pas transmettre des données qui n'ont pas vocation à être partagées (données de la recherche, oeuvres protégées par la propriété intellectuelle etc.), car ces données vont être réutilisées pour l'entraînement des IA.
2. Elément de définition sur les modèles d'IA génératives : LLM, RAG et recherche approfondie
Pour bien utiliser les IA génératives, il est important d'en connaître les grands principes, et comprendre pour commencer la différence entre LLM et RAG.
Définitions : LLM
Lorsque l'outil conversationnelle (ou "chatbot") vous répond, il utilise le LLM (Large Langage Model). Il s'agit d'un modèle de langage entraîné sur de grandes quantités de textes. Le chatbot qui repose sur ce modèle donne une réponse à une question posée en créant une chaîne de mots à l'enchaînement probabiliste, en s'appuyant sur des données d'entraînement non mises à jour. Si j'écris : "le chat mange la...", il est probable que l'IA complète par "souris". Il y a pas conséquent un grand risque d'approximations et d'erreurs. L'IA crée des suites de mots de la manière la plus probable, mais sans s'inquiéter du vrai et du faux. C'est un modèle popularisé par l'émergence de ChatGPT.
Source : Urfist, cours d'Alice Bouchard : https://callisto-formation.fr/mod/resource/view.php?id=23114
Définition : RAG
Le processus RAG (retrivial augmented generation) permet au chatbot non seulement de vous répondre mais de vous donner des sources. L'IA va chercher ces sources dans un réservoir de données (le web pour une recherche classique) à partir de votre requête adressée en langage naturel. Pour cela, l'IA traduit votre prompt en équation de recherche, en dégageant des mots clefs associés à des opérateurs booléens (OR, AND...) pour lancer une recherche (comme sur un moteur de recherche ou une base de données). Les références trouvées sont transmises en langage naturel. Ex de prompt : "Peux-tu me donner des exemples d'exercices de relaxation dans un contexte scolaire ?" Remarque : si les agents conversationnels intègrent des fonctionnalités des moteurs de recherche, ceux-ci utilisent à l'inverse de plus en plus le LLM. En effet, les moteurs de recherche génèrent parfois une réponse en texte libre préalable à la liste des résultats.
RAG : traduction en équation de recherche : ("exercice de relaxation" OR "exercice de détente" OR...) AND (scolaire OR école OR éducatif OR éducation OR...)
LLM, réponse sourcée en langage naturel.
Question 2/7
Question 3/7
Définition : La recherche approfondie
C'est une fonctionnalité de nombreuses IA qui permet d'avoir une réponse plus précise et détaillée sur une question. Le temps de fourniture de la réponse est aussi plus long. Par exemple :
Sur Mistral AI, la fonction "réflexion"
Sur Copilot
La recherche approfondie entraîne une multitude (parfois plusieurs dizaines) de recherches RAG avec une analyse comparative des résultats qui permet de gommer certaines contradictions.Elle permet de générer un véritable rapport sur un sujet ainsi qu'une bibliographie plus importante. Attention cependant ! - Ce type de recherche est très energivore. - Ce n'est pas parce qu'une référence est donnée en recherche approfondie qu'elle est fiable ! Le réservoir reste le même et on trouve de tout sur le web, des publications sérieuses mais aussi beaucoup de contenus inappropriés. - Les résultats présentent de nombreux biais (voir la suite du module).
Question 4/7
3. L'IA générative humaine, trop humaine ?
Pour répondre à la prochaine question, vous pourrez vous aider des définitions suivantes. Il n'est pas indispensable de tout lire !
Facultés qui caractérisent l'intelligence :
"Apprentissage : sous l'influence de l'environnement ou de l'expérience, les êtres et artefacts peuvent suivre un cheminement pour mémoriser, intégrer des comportements, des actions. Long ou court, ce périple entraîne des modifications dans leurs agissements futurs."
"Adaptation : face à un fait, une action, un état, un organisme peut être capable de s'ajuster à des conditions extérieures à lui-même, mais aussi internes. Objectif : lui permettre d'améliorer sa situation à venir et de durer dans le temps."
"Communication : par le langage ou non, aptitude à établir une relation avec un être distinct pour échanger, pour exprimer une intention, une émotion, un état, mais aussi pour agir sur lui, le convaincre, le séduire, l'influencer."
"Conscience : faculté de connaître, percevoir, se représenter son existence et celle du monde extérieur. Et au-delà, capacité réflexive de juger, analyser ce qui se passe en nous et hors de nous."
"Décision : Vigie de l'intelligence, cette fonction essentielle permet de faire sans cesse des choix (...) Une précieuse boussole pour s'orienter entre les récifs de ses actions."
"Emotion : Si l'intelligence est un moteur, l'émotion en est le carburant (...) : elle guide les décisions, oriente les comportements, révèle la sensibilité et le besoin d'équilibre de chacun."
"Raison : (...) Elle est indissociable de son promoteur, le philosophe René Descartes (1596-1650) pour lequel elle incarne "la puissance de bien juger et de distinguer le vrai d'aver le faux."
"Mémoire : mère de toutes les connaissances, cette capacité est un carnet de bord intime, permettant de consigner les expériences, souvenirs, savoir-faire. Fruit d'un apprentissage permanent, elle est indispensable pour interagir avec l'environnement et passer à l'action."
"Créativité: "La créativité, c'est l'intelligence qui s'amuse" : le physicien Albert Einstein (1879-1955) définit ainsi cette capacité d'invention, d'astuce, de curiosité pour trouver une idée, résoudre un problème, faire advenir ce qui n'a jamais été et mener l'imagination vers de nouvelles destinations
Question 5/7
Les facultés qui définissent les IA génératives sont : - l'apprentissage (machine learning par exemple), - l'adaptation (deep learning), - la mémoire (stockage de données), - la communication (via les chatbots par ex). Par contre les machines même boostées à l'IA : - n'ont pas de conscience (ni d'elles-mêmes, ni de leur environnement), - n'ont pas de raison (elles ne comprennent pas ce qu'elles génèrent), - n'ont pas d'émotion, - ne sont pas des créatrices, - ne sont pas susceptibles de prendre des décisions.
4. Les biais des IA génératives et les risques associés :
Les réponses générées par les IA généralistes génératives ne sont pas neutres. Elles dépendent : - des données d'entraînement des modèles LLM. Demandons à l'IA de compléter : "le chat mange des..." Si on a entraîné les algorithmes avec des textes qui affirment que "les chats mangent des carottes", alors on obtiendra cette réponse. - des règles de modération : y a-t-il des orientations idéologiques dans la façon de mettre des limites aux réponses des IA ? - du réservoir à partir duquel l'outil va sourcer sa réponse. Sur le web, on trouve des contenus fallacieux qui ne répondent pas aux attendus de la recherche académique et scientifique.
Voir sur le sujet : le tuto des BU https://foad.univ-lyon1.fr/mod/book/view.php?id=3026&chapterid=478
Pour répondre aux deux questions qui suivent, vous devez chercher les réponses dans l'article suivant, en cliquant sur le lien : https://www.polytechnique-insights.com/tribunes/neurosciences/ia-generative-le-risque-de-latrophie-cognitive/
Question 6/7
Question 7/7
Et vous, saurez-vous reconnaître des biais ?
Exercice
La conservatrice des bibliothèques, Aline Bouchard, a interrogé à trois reprises des outils d'IA générative généraliste à partir de différents prompts pour analyser les biais éventuels des réponses données. Etude de cas 1 :"Quels sont les signes anonciateurs d'une guerre civile". IA interrogée : Perplexity. Etude de cas 2 : "Do we really need more optimistic science-fiction?" IA interrogée : ChatGPT Etude de cas 3 : "Quels sont les usages par les lycéens des IA génératives en général et de ChatGPT en particulier en 2025 ?" IA interrogée : Perplexity
Ces études sont disponibles dans un cours en ligne ouvert à toutes et tous.
Consignes :
1. Aller sur le cours d'Aline Bouchard (Urfist) à partir du lien cliquable : https://callisto-formation.fr/course/view.php?id=952
2. Choisir dans le menu à gauche l'Etude de cas 1 d'abord (puis ensuite le 2, puis le 3)
3. Lire les réponse, repérer les biais, s'auto-corriger.
Récapitulatif de la première partie - Ne pas donner de données personnelles quand on utilise une IA ; - Ne pas utiliser de documents protégés par la propriété intellectuelle ; - Ne pas déléguer à une IA des tâches que l'on peut faire soi-même pour conserver et développer ses facultés (mémoire, capacité de raisonnement, de synthèse, de manipulation du langage) ; - Ne pas utiliser une IA générative généraliste pour trouver des références académiques, car elles cherchent sur le web des documents possiblement peu adaptés, avec des biais possibles (idéologiques, langagiers, genrés, racistes...) ; parfois les références peuvent être inventées (hallucinations). - Toujours vérifier la pertinence des réponses et croiser les sources d'information ; - Avoir un usage responsable, car le développement des IA se fait au prix de conséquences environnementales et sociales importantes.
Voir pour aller plus loin le tuto des BU
Quel usage faire des IA génératives généralistes dans le cadre des études ?
Vous utilisez peut-être déjà les IA génératives dans vos études (pour fluidifier votre rédaction par exemple, faire un plan, corriger votre orthographe, traduire des textes etc.). Dans cette seconde partie, nous laissons de côté le théorique pour un seul exercice. Son but est de vous permettre d'évaluer et d'améliorer vos pratiques. Nous partons pour cela de fiches créés par l'université de Strasbourg sur les usages possibles de l'IA dans les études, contenant des conseils de méthodologie, des prompts, des points de vigilence.
Si possible se mettre par groupes de 2 ou 3
Consignes de l'exercice :
Ouvrir l'emplacement des fiches pratiques sur l'IA (lien cliquable) : https://foad.univ-lyon1.fr/mod/folder/view.php?id=3967
Choisir les fiches qui vous intéressent le plus (entre 2 et 4 fiches).
Evaluer l'intérêt de ces fiches pour vos études. Vous pouvez remplir pour cela un swot, c'est-à-dire vous poser 4 questions :
FORCES : En quoi cet usage est utile pour moi (gain de temps, qualité du travail...) ?
FAIBLESSES : En quoi cet usage est superflu ou mal adapté à mes besoins ?
OPPORTUNITES: en quoi puis-je améliorer concrètement ma pratique à partir de cette fiche ?
MENACES : quelles sont les limites que je me fixe ?
Mise en commun dans la classe (si possible).
Focus sur les IA génératives académiques
Les IA génératives académiques fonctionnent comme les IA généralistes : on les interroge en langage naturel, elles combinent LLM et RAG. A la différence des IA génératives généralistes, cependant, les IA académiques s'appuyent non pas sur la totalité du web, mais sur des documents académiques et scientifiques. Cela limite mais n'exclut pas les biais vus précédemment.
Sur le tuto des BU, lire pour commencer la présentation des IA génératives académiques (le second rond) :
1. On teste et on évalue... Semantic Scholar
Semantic Scholar est un moteur de recherche académique ayant des fonctionnalités augmentées. On l'interroge avec des mots-clefs, qu'il enrichit avec d'autres mots clefs proches sémantiquement. Il puise ses réponses dans un corpus de dizaine de millions d'articles structurés par des métadonnées. Plusieurs IA académiques reposent largement sur le corpus et les métadonnées de Semantic Scholar : Consensus, Elicit, Astra, Site, Research Rabbit... C'est pourquoi il est important de comprendre son intérêt et ses limites.
Une métadonnée est une "donnée sur une donnée." En d'autres termes, c'est un élément d'information qui permet d'ordonner et de décrire des contenus : ici par exemple pour un article son auteur, son affiliation, la date de publication etc.
Si possible se mettre par groupes de 2 ou 3
Consignes :
Accéder à Semantic Scholar (lien cliquable)
Tester des mots clefs sur un sujet (sans opérateurs booléens ni troncature) par exemple le sujet suivant : "L'image du corps chez les personnes atteintes de la maladie de Parkinson bénéficiant d'un accompagnement en psychomotricité".
Tester d'abord les mots clefs en français : "image du corps" (garder les guillemets), "Parkinson" et "Psychomotricité". A priori vous avez très peu de résultats.
Interroger ensuite en anglais : "body image", "Parkinson", "psychomotor". Vous constatez qu'il y a plus de résultats. Le corpus de Semantic Scholar est essentiellement en anglais.
Dans "Date Range", vous pouvez garder les articles de moins de 10 ans. Vous voyez que vous pouvez aussi choisir de trier les articles selon l'auteur, le domaine d'étude ou ne garder que ceux avec un pdf disponible.
Lire les résultats...
Titre
Auteurs
Domaine
Journal
Résumé
Editeur
Exporter les citations
L'enrichissement d'informations :
Quand on ouvre un article, on peut rebondir sur d'autres articles qui le citent (1 seul ici), et trouver les références bibliographiques sur lesquelles il s'appuie (54 dans ce cas).
Semantic Scholar extrait des données de l'article qu'on peut donc consulter sans avoir à les rechercher dans le texte (tableaux, infographies etc.).
A retenir : les + et les - de Semantic Scholar pour la recherche
Un corpus indexé très large à la base de nombreuses IA académiques. Des millions d'articles lisibles en PDF. Des métadonnées riches (auteurs, rattachement académique...) Des extractions de données à partir de chaque article : citations, références, tableaux, infographies...
Biais sociolinguistique : le corpus est essentiellement anglo-saxon, l'indexation est en anglais. Des éditeurs refusent l'accès à leurs données, Elsevier, Taylor&Francis... Vous pouvez donc passer à côté d'articles fondamentaux. Les algorithmes de recherche ne sont pas transparents. Attention à la qualité des articles, certains peuvent venir de revues prédatrices (ce point sera abordé en partie 4).
2. On teste et on évalue... Consensus, Asta AI
et sont des IA académiques qui s'appuient tout ou partie sur Semantic Scholar. Elles s'interrogent en langage naturel et fonctionnent toutes les deux sur le modèle RAG : le prompt est décomposé en mots clefs et équations de recherche pour interroger des réservoirs documentaires. Nous allons tester ces 2 IA pour comprendre leur avantages et inconvénients. Vous verrez qu'elles se ressemblent.
Consignes /
Si possible se mettre par groupes de 2 ou 3
Ouvrir Consensus (lien cliquable).
Lancer le sujet en anglais dans la barre de recherche : "Body image in people with Parkinson's disease receiving psychomotor therapy". Vous obtenez une liste d'articles précédé d'une synthèse sur le sujet.
Les questions à ce poser sur l'intérêt de cette IA :
20 articles dans la version gratuite, ce n'est pas énorme mais il y en a peut-être d'utiles pour moi.Peu de chance que la recherche en France soit très représentée dans les résultats (les articles étant par ailleurs écrits en anglais) et que tous les aspects du sujet soient traités.La qualité scientifique est à mesurer article par article, c'est un travail parfois difficile et laborieux à effectuer (voir partie 4).
Combien ai-je de résultats (d'articles référencés) ? Est-ce suffisant ?
Title
Eléments de réponse
Use this side to give more information about a topic.
Quelle zone géographique couvrent les articles ? Est-ce suffisant ?
Subtitle
Couvrent-ils bien tous les aspects du sujet ?
Quels articles me sont utiles et de bonne qualité ?
La synthèse est-elle utile pour moi ?
La synthèse peut être structurée de manière intéressante, elle peut donner des idées. Mais attention ! Elle est partielle et ne doit pas être reproduite telle quelle (plagiat !). Le filtre par date peut améliorer vos résultats avec des articles plus récents. La fonction "consensus meter" réinterprète votre question de manière à avoir une réponse statistique avec un tri entre articles qui répondent plutôt "oui" ou plutôt "non" à cette question. Votre recherche n'est pas reproductible : ce ne sont pas toujours les mêmes articles qui sortent. Pourquoi celui-ci plutôt qu'un autre ? On ne sait pas. Passe-t-on à côté d'articles intéressants ? Sans doute.. La syntèse varie en conséquence.
(Voir sous le résumé) Peut-on filtrer les résultats selon la date ?
Title
Eléments de réponse
Use this side to give more information about a topic.
A quoi sert la fonction consensus meter ?
Subtitle
Si je reproduis la recherche dans une autre fenêtre, est-ce que j'ai le même résumé ? Le même nombre de résultats ?
A retenir : les + et les - de pour la recherche
Nombre limité de résultats en version gratuite (20 résultats seulement). La synthèse ne reflète par conséquent qu'une partie du sujet, elle peut avoir des biais et halluciner parfois (IA générative LLM). La recherche n'est pas reproductible. Les algorithmes de recherche ne sont pas transparents (on ne sait pas comment l'outil cherche). Limites que l'on retrouve avec Semantic Scholar : biais culturel et linguistique, absence de données de certains éditeurs, qualité des articles parfois difficile à évaluer (voir partie 4).
Consensus s'interroge en langage naturel. Consensus synthétise la réponse à la question que vous posez à partir d'une liste d'articles. Ces articles sont filtrables par date. Vous pouvez reposer la question de manière à obtenir une réponse par "oui" ou par "non" (fonction consensus meter). Nombre d'articles peuvent être lus en PDF.
Consignes /
Aller sur Asta AI (lien cliquable)
Lancer le sujet en anglais dans la barre de recherche pour la fonction Find Papers : "Body image in people with Parkinson's disease receiving psychomotor therapy". Les bonnes questions à se poser :
Couvrent-ils bien tous les aspects du sujet ?
Combien ai-je de résultats (d'articles référencés) ? Est-ce suffisant ?
Quels articles me sont utiles et de bonne qualité ?
Quelle zone géographique couvrent les articles ? Est-ce suffisant ?
Si je reproduis la recherche dans une autre fenêtre, est-ce que j'ai le même résumé ? Le même nombre de résultats ?
Puis-je filtrer par date ? Par pertinence ("relevance") ?
Lancer le sujet en anglais dans la barre de recherche pour la fonction Generate a report : "Body image in people with Parkinson's disease receiving psychomotor therapy". Les bonnes questions à se poser :
On peut faire des constats assez proches de ceux qui valent pour Consensus. Le nombre de résultats proposés est plus important cependant que pour Consensus. Il est possible de trouver des articles pertinents, mais il peut être difficile d'évaluer leur qualité. Attention cependant ! Le rapport de synthèse, qui peut vous aider à réfléchir à votre sujet, s'appuie sur un nombre réduit de sources. Il donne donc une vision parcellaire de votre question. Il y a peu de chance que la recherche en France soit représentée. Votre recherche une nouvelle fois n'est pas reproductible : ce ne sont pas toujours les mêmes articles qui ressortent.
En quoi ce rapport vous est-il utile ?
Title
Combien cite-t-il de sources ?
Eléments de réponse
Use this side to give more information about a topic.
Subtitle
Sont-elles pertinentes ?
A retenir : les + et les - d' pour la recherche
La synthèse s'appuie sur un nombre limité de références : elle ne reflète qu'une partie du sujet. La recherche n'est pas reproductible. Les algorithmes de recherche ne sont pas transparents (on ne sait pas comment l'outil cherche). Limites que l'on retrouve avec Semantic Scholar : biais culturel et linguistique, corpus limité pour certains éditeurs, qualité des articles parfois difficile à évaluer (voir partie 4).
Asta s'interroge en langage naturel avec deux fonctions distinctes : la recherche d'articles et la génération d'un rapport de synthèse. Les étapes de la recherche sont détaillées. Asta présente un nombre de résultats supérieur à Consensus, ses rapports sont plus détaillés. Les articles sont filtrables par date et pertinence. Les liens des articles renvoient vers Semantic Scholar.
A retenir sur les bons usages des IA académiques
Ce qu'on peut en attendre
Semantic Scholar et les IA académiques telles que Consensus, Asta AI ou autre, qui s'appuient sur son corpus structuré, peuvent être utiles surtout en début de recherche : - pour trouver des articles pertinents accessibles pour beaucoup en texte intégral ; - pour se donner des pistes de réflexion ; - pour enrichir ses mots-clefs ; - pour réfléchir à partir d'une synthèse à une amorce de plan ou à la façon d'enchaîner des idées.
Là où il faut être vigilant
Il faut bien évaluer la qualité des articles proposés par les IA académique (voir la partie 4). Si le lien de l'article vous renvoie vers une plateforme connue (ScienceDirect, CAIRN...), pas de problème a priori. Mais les articles en libre accès peuvent sembler de bonne qualité scientifique en apparence, mais être dépassés voire frauduleux. L'IA est un outil, elle ne juge pas la qualité de ce qu'elle vous présente. Il est important de poursuivre sa recherche et de croiser ses sources à partir du catalogue de la BU et des bases de données classiques :
Veiller à bien conserver un oeil critique sur les rapports synthétiques des IA académiques. Ne pas oublier qu'elles reposent sur des articles de qualité variable avec des biais possibles que nous avons vus en partie 2 (biais idéologique, culturel, géographique...). Se rappeler aussi qu'elles utilisent le LLM, et qu'à ce titre elles peuvent aussi halluciner. Surtout ne pas recopier ou reformuler les rapports des IA pour vous les attribuer : il s'agirait de plagiat !
Pour aller plus loin :
Vous pouvez prolonger les tests sur d'autres IA académiques comme précédemment, à partir de leur tutoriels. Vous retrouvez ces tutoriels dans le tableau "Les différentes IA" vu en début de la partie 3).
Vous pouvez aussi aller voir les IA "assistants" comme NotebookLM (outil qui fonctionne à partir d'un compte Google), qui permet de synthétiser et de questionner un corpus de documents que vous importez vous-même.
Exercice : fiabilité des articles scientifiques
Il est toujours nécessaire d'évaluer la valeur scientifique des articles, particulièrement lorsqu'ils sont récupérés en-dehors de plateformes de recherche bien identifiées, via des IA académiques ou des moteurs de recherche comme Google Scholar par exemple.
Nous allons faire un exercice pratique à partir d'un article apparu dans les résultats donnés par Consensus sur le sujet fil rouge.
Consensus m'a proposé dans ses résultats l'article suivant (avec le pdf accessible) : Swati Ade, Dr. Shyam D. Ganvir (2025) Effect Of Psycho-motor Physical Therapy On Self-Esteem Among Community-Dwelling Individuals With Locomotor Disabilities, Journal of Health Physiotherapy and Orthopaedics Doi: https://doi.org/10.55522/jhpo.V2I4.0034
Cette article fait partie du corpus de Semantic Scholar. Il aurait pu apparaître dans les résultats des autres IA académiques.
Nous nous poserons quelques questions types sur cet article pour voir s'il peut être retenu, inspirées par deux sites ressources :
Le site thinkchecksubmit
et le site Compass to publish.
Consignes :
Si possible se mettre par groupes de 2 ou 3
1. Aller sur le site de l'article (lien ci-dessous) :
Swati Ade, Dr. Shyam D. Ganvir (2025) Effect Of Psycho-motor Physical Therapy On Self-Esteem Among Community-Dwelling Individuals With Locomotor Disabilities, Journal of Health Physiotherapy and Orthopaedics Doi: https://doi.org/10.55522/jhpo.V2I4.0034
2. Ouvrir le pdf sur ce site pour répondre aux 4 cartes de questions (voir pages suivantes) :
Retourner les cartes pour voir les réponses...
Les auteurs : Swati G Ade et Shyam D Ganvir : Tous deux sont présentés comme kinésithérapeutes au"Patil Foundation College of Physiotherapy" d'après l'article (cette école existe bien). Le premier cependant est invisible sur internet, y compris sur le site de l'école. Il n'apparaît sur Google Scholar que pour cet article ("S Ade"). S'il existe, il a donc peu de publications à son compte... Le second a plusieurs articles référencés sur Google Scholar et appartient à l'école. Cependant, sur Semantic Scholar, une recherche par son nom ne nous permet pas d'accéder à l'article... comme s'il ne lui était pas attribuable. Des pages récapitulant ses travaux ne mentionnent pas cet article non plus. Ces éléments doivent nous alerter.
Avez-vous fait attention à ces mentions (un peu au-dessus du résumé de l'article) ? : - Received : 12-06-2025 - Revised : 15-07-2024 - Accepted : 18-08-2024 Ils correspondent aux étapes de publication : date de réception de l'article par le journal, date de révision (l'article est reproposé après avoir été modifié), et date d'acceptation pour publication. Ici, l'article aurait été reçu en 2025 et publié en... 2024. A supposé que ce soit une coquille, la durée d'évaluation de l'article serait bien courte entre réception et publication (deux mois).
Question 2 le peer-reviewing (évaluation par les pairs)
Question 1 les auteurs
Use this side of the card to provide more information about a topic. Focus on one concept. Make learning and communication more efficient.
Use this side of the card to provide more information about a topic. Focus on one concept. Make learning and communication more efficient.
Que sait-on des auteurs de l'article ? Quelle est leur discipline ? Sont-ils reconnus (établissement de rattachement, publications antérieures) ?
Sait-on si l'article a été relu par des spécialistes avant d'être publié ? Quel est le temps de validation de l'article (plusieurs mois sont généralement nécessaires) ?
Title
Title
Write a brief description here
Write a brief description here
La forme de l'article scientifique semble respectée à première vue. Cependant, si on regarde la bibliographie, il n'y a que 9 références citées... C'est bien peu. D'autant que les dates de ces articles sont problématiques : 1 seul article a moins de 10 ans, 1 date de 1965, 1 autre de 1977... Par ailleurs, quand on cherche l'article sur Google Scholar, il n'y a qu'un seul lien qui renvoie au journal. Aucune référence sur différentes plateformes de recherche... Enfin, on voit sur Semantic Scholar que l'article n'est cité par personne, ce qui doit aussi nous alerter.
Question 4 l'article
Le "Journal of Health Physiotherapy and Orthopaedics" est récent, puisque l'article est publié dans un "volume 2" (seconde année de publication). On manque donc de recul sur le journal. Il n'apparaît pas sur le base DOAJ, ni sur la "liste des revues recommandables" par les doyens de médecine. Nous n'avons pas de garantie quant à sa qualité. Sur le site, on trouve le nom de l'éditeur sous l'intitulé "ClanCom Scientific". La description donne à penser qu'il s'agit d'une entreprise d'édition à la demande qui cherche à attirer des clients, plutôt que d'un éditeur scientifique.
Question 3 le journal
Le DOAJ (Directory of Open Access Journals, lien cliquable) recense des périodiques scientifiques en ligne en libre accès, dont la qualité est contrôlée.
Use this side of the card to provide more information about a topic. Focus on one concept. Make learning and communication more efficient.
La forme de l'article répond-elle aux attendus d'un article scientifique (résumé, introduction, expérimentation, résultats et discussion, conclusion, bibliographie étendue) ? L'article est-il accessible avec plusieurs liens sur Google Scholar ? Le trouve-t-on sur différentes plateformes (Web of Science, Science Direct, Pubmed...) ? Rechercher l'article (par le titre par ex.) sur Semantic Scholar : est-il souvent cité ?
Use this side of the card to provide more information about a topic. Focus on one concept. Make learning and communication more efficient.
Quelles informations a-t-on sur l'éditeur du journal ? Est-ce un éditeur scientifique ? Le contenu du journal étant en open access, est-il mentionné par la base DOAJ ? Le journal fait-il partie de la liste de journaux recommandables des doyens de médecine ?
Title
Title
La liste des revues recommandables (lien cliquable) a été établie par les doyens de médecine pour lutter contre les revues prédatrices.
Write a brief description here
Write a brief description here
Conclusion de l'exercice :
Nous avons un faisceau d'indices pour rejeter cet article : - un doute sur les auteurs, sur leur existence ou leur participation à l'article ; - un doute sur le journal, récent, publié par un éditeur non scientifique ; - un doute sur la procédure de peer-reviewing/évaluation par les pairs, avec des dates incohérentes ; le site non plus ne donne pas d'indications sur les chercheurs participant à cette évaluation ; - un doute sur le contenu scientifique de l'article : la bibliographie contient peu de références, et souvent anciennes ; l'article n'est pas répartiorié sur de grandes plateformes de recherche ; on voit sur Semantic Scholar qu'il n'a jamais été cité.
Il est très possible que cet article ait été généré par une intelligence artificielle et mis en forme... pour être retrouvé ensuite par une autre intelligence artificielle, d'abord avec Semantic Scholar, puis Consensus. Il a infecté les résultats et donc aussi le rapport de synthèse...
Pour conclure, les IA académiques peuvent être utilisées avec profit plutôt en début de recherche (pour se donner des idées ou débroussailler une problématique à partir d'une poignée d'articles à analyser). Mais elles demandent un travail critique important. Elles n'épargnent pas au chercheur un travail reposant sur une méthodologie classique. Comme l'écrit l'enseignante-chercheuse en sociologie Mona Claro : "Je suis sensible à la métaphore de la salle de sport, souvent utilisée à propos de l’IA générative à l’école ou à l’université : si le but est de se muscler, quel est l’intérêt de faire soulever les haltères par une machine ?"
Si le temps le permet...
Faire l'exercice de synthèse sur le tuto des BU : https://foad.univ-lyon1.fr/mod/book/view.php?id=3026&chapterid=478