L’intelligence artificielle générative (IAg) s’invite de plus en plus dans les laboratoires et les couloirs des universités. Longtemps perçue comme l’assistant idéal, capable de défricher des montagnes de données, cette technologie suscite aujourd’hui une résistance croissante parmi les chercheurs. C’est un peu comme si le nouvel outil miracle, sous le microscope, révélait ses failles les plus fondamentales.
L’adoption de l’IA par le monde académique a d’abord progressé à grande vitesse. Un sondage de l’éditeur scientifique Elsevier révèle une hausse spectaculaire de son utilisation par les chercheurs, passant de 37 % à 58 % en une seule année. Les scientifiques l’exploitent notamment pour la recherche documentaire, la synthèse de textes complexes, la génération de code ou la rédaction de courriers et de demandes de financement.
Mais cette euphorie n’est pas universelle. Une frange grandissante de la communauté scientifique s’oppose à cet engouement. Leurs arguments sont clairs et multiples, touchant à l’éthique, à la pédagogie et à des considérations purement techniques.
Le mirage de l’efficacité et ses ‘hallucinations’
Le problème principal avec l’IA générative en recherche ? Sa fâcheuse tendance à “halluciner”. Elle invente des faits, génère des données crédibles mais entièrement fausses, et peut même citer des auteurs décédés depuis des décennies. Le mathématicien Hugh Possingham en a fait l’expérience en découvrant un mémoire où l’IA référençait un auteur disparu dix ans avant la publication.
Plus inquiétant encore, l’IA ne maîtrise pas les lois fondamentales des sciences dures. Audrey Moores, chercheuse en chimie, observe que les algorithmes dessinent parfois des molécules totalement absurdes. Elle compare, non sans une pointe d’ironie, les performances de ces systèmes à celles d’un enfant de trois ans, incapables de saisir les principes de base.
La promesse d’un gain de temps s’évapore rapidement face à cette nécessité de vérification constante. Tanisha Jowsey, chercheuse en sciences sociales, le confirme : contrôler le travail de la machine prend souvent plus de temps que de réaliser la tâche soi-même, et ce dans près de 95 % des cas. C’est un véritable piège à productivité.
La facture environnementale et le grand débat éthique
Au-delà des erreurs factuelles, l’IA générative pèse lourdement sur l’environnement. Son déploiement et son fonctionnement engloutissent des quantités astronomiques d’eau et d’électricité. Une étude publiée en décembre 2025 dans la revue Patterns révèle que l’empreinte carbone mondiale générée par l’IA équivaut à celle de la ville de New York.
Les serveurs nécessaires pour faire tourner ces systèmes tournent sans relâche, 24 heures sur 24. Ces infrastructures exigent une alimentation électrique continue et des systèmes de refroidissement massifs. Cette surconsommation de ressources, comme le souligne une enquête de l’institut Green IT, s’accélère de manière exponentielle.
✅ Usages Courants de l’IA
Recherche documentaire et synthèse rapide de données.
Génération de code pour l’automatisation de tâches.
Aide à la rédaction d’e-mails et de demandes de financement.
⚠️ Défis Moraux et Pratiques
Production d’informations erronées ou “hallucinées”.
Impact écologique majeur (eau, électricité, empreinte carbone).
Questions de plagiat et d’exploitation du travail sans consentement.
Risque d’érosion des compétences cognitives et de la pensée critique.
Ce coût écologique crée un dilemme éthique pour de nombreux scientifiques, notamment les climatologues, qui se retrouvent à devoir exploiter un outil hautement polluant pour étudier les défis du réchauffement de la planète. C’est un véritable paradoxe, où l’urgence climatique se heurte à l’empreinte de la solution technologique.
L’aspect éthique ne s’arrête pas là. La psycholinguiste Michaela Socolof qualifie le fonctionnement de l’IA de “plagiat de masse”. Les modèles sont entraînés sur d’immenses corpus de données sans le consentement explicite des auteurs. Pour le chercheur Juan Rocha, les scientifiques nourrissent ainsi gratuitement les algorithmes de firmes privées, risquant à terme de voir leurs propres emplois menacés par ces mêmes outils.
Préserver l’esprit critique à l’ère des algorithmes
L’impact sur la formation des futurs chercheurs et la préservation de l’apprentissage humain est peut-être la préoccupation la plus profonde. Danielle Crowley, par exemple, refuse catégoriquement de déléguer la rédaction de code informatique à une machine. Elle insiste sur l’importance de développer cette compétence par soi-même, en apprenant de ses propres erreurs.
De même, l’écologue Elizabeth Wolkovich refuse de siéger dans les comités de thèse si les étudiants ont recours à l’IA pour rédiger leurs travaux. Pour elle, l’écriture n’est pas une simple transcription ; elle est le moteur même de la pensée scientifique. Confier cette tâche à un algorithme, c’est priver l’étudiant d’une étape essentielle dans la structuration de son raisonnement et l’affûtage de son esprit critique.
Point d’attention majeur
L’intégration non critique de l’IA générative dans la recherche risque de dégrader la rigueur scientifique, d’éroder les compétences fondamentales et de masquer un coût écologique et éthique insoutenable.
Ces scientifiques ne sont pas des luddites. Leur démarche n’est pas un refus de la technologie en soi, mais une interrogation profonde sur la place de l’humain dans une science de plus en plus assistée, voire dictée, par la machine. C’est un appel à l’équilibre, à la prudence, face à une innovation qui chamboule nos méthodes de travail et notre conception même de la connaissance.
Alors que les algorithmes continuent d’apprendre à un rythme effréné, la science, elle, doit redéfinir ce que signifie “savoir” et surtout, “penser” à l’ère de l’intelligence artificielle.
Chargement de la galerie…
À propos de Rigaud Mickaël
Passionné de tech et adepte de Linux, je décrypte l’IA avec une vision unique et intense pour la rendre utile à tous, entre robots, rock et univers geek.
