Les modèles de langage à grande échelle transforment progressivement la recherche en sciences de la vie, créant un phénomène qualifié de normalité progressive. Selon une étude publiée dans Frontiers in Ecology and the Environment, cette intégration graduelle conduit les scientifiques à accepter des changements profonds avant même d'en avoir défini les limites. Les chercheurs Ivan Jarić, Susan Canavan et Michael Bertram, membres d'une équipe internationale, alertent sur les conséquences à long terme de cette dépendance croissante face à l'intelligence artificielle générative. L'utilisation massive de ces outils modifie déjà les habitudes collaboratives. Les chercheurs s'appuient de plus en plus sur les systèmes pour brainstormer, résoudre des problèmes ou obtenir des avis techniques, supplantant ainsi les échanges informels avec leurs pairs. Cette substitution risque d'affaiblir les interactions interdisciplinaires, de réduire l'exposition à des perspectives variées et de favoriser un cloisonnement nuisible à l'innovation. Sur le plan cognitif, le remplacement progressif des moteurs de recherche et des revues de littérature par des IA entraîne une dépendance aux suggestions algorithmiques. Les scientifiques peuvent ainsi involontairement renforcer leurs biais de confirmation, tomber dans des chambres d'écho intellectuelles et voir leur pensée créative et leur langage scientifique s'appauvrir. La formation et les parcours professionnels font également face à des défis majeurs. Si ces outils démocratisent l'accès à certaines méthodologies pour les débutants, ils accélèrent par ailleurs un phénomène de désapprentissage. Des compétences fondamentales comme la programmation, la statistique, l'identification taxonomique ou la synthèse documentaire sont progressivement déléguées aux machines. Cette évolution pourrait influencer les décisions de recrutement, réduire le nombre de postes doctoraux et postdoctoraux nécessaires, et creuser de nouvelles inégalités au sein de la communauté scientifique. Face à cette transformation inévitable, les auteurs plaident pour l'établissement de règles claires plutôt que pour un rejet ou une adhésion aveugle. Ils recommandent d'exploiter les systèmes pour les tâches répétitives telles que la relecture, l'annotation de flux de travail et l'extraction de données, sous réserve d'un contrôle humain rigoureux. En revanche, ces outils devraient être exclus des processus exigeant un jugement indépendant, comme la définition des priorités de recherche, l'évaluation par les pairs, l'attribution de financements ou les questionnements éthiques. La recherche scientifique est déjà engagée dans cette mutation. La question centrale n'est plus de savoir si l'intelligence artificielle intégrera les laboratoires, mais de déterminer collectivement où placer les limites de son utilisation. Définir ces frontières dès maintenant apparaîtra comme une condition indispensable pour préserver la créativité, la diversité des approches, la responsabilité et le rôle central de l'esprit humain dans la production des connaissances scientifiques.