L’intelligence artificielle (IA) a considérablement accéléré la productivité des scientifiques, mais au prix d’un recul inquiétant de la diversité et de l’interconnexion de la recherche scientifique, selon une étude majeure publiée dans Nature. Analyse la plus vaste à ce jour, elle révèle que les chercheurs adoptant des outils d’IA — de l’apprentissage automatique aux modèles de langage génératifs — publient trois fois plus d’articles, reçoivent cinq fois plus de citations et progressent plus vite vers des postes de leadership que leurs collègues n’ayant pas recours à l’IA. L’analyse s’appuie sur plus de 41 millions de publications scientifiques dans les domaines de la biologie, de la médecine, de la chimie, de la physique, des matériaux et de la géologie, de 1980 à 2025. Pour identifier les travaux utilisant l’IA, les chercheurs ont entraîné un modèle linguistique pour scanner les titres et résumés, identifiant environ 310 000 articles probables. Une validation humaine a confirmé la fiabilité du système. Les résultats montrent que les articles utilisant l’IA bénéficient d’un impact plus élevé : ils reçoivent presque deux fois plus de citations par an que les autres. Les scientifiques qui utilisent l’IA publient 3,02 fois plus d’articles sur leur carrière et accumulent 4,84 fois plus de citations. En outre, les jeunes chercheurs qui adoptent l’IA ont moins de risques de quitter la recherche et deviennent des leaders établis près de 1,5 an plus tôt. Cependant, ce succès individuel s’accompagne d’un coût systémique. Les travaux d’IA couvrent 4,6 % de territoires scientifiques en moins que les études classiques, entraînant une concentration sur un nombre restreint de sujets populaires. Ce phénomène s’explique par un cercle vicieux : des problèmes populaires génèrent de grandes bases de données, qui attirent l’IA, dont les succès attirent davantage de chercheurs vers les mêmes questions. Cette convergence réduit la connectivité entre les publications : les travaux d’IA génèrent 22 % moins d’interactions croisées, s’ancrant autour d’un petit nombre de « papiers stars » comme AlphaFold, au détriment d’un écosystème scientifique dynamique. « Si tout le monde grimpe la même montagne, beaucoup de territoires restent inexplorés », souligne Fengli Xu de l’Université Tsinghua. Les experts s’alarment : « La science est une entreprise collective, et un outil qui profite à certains au détriment du tout est dangereux », prévient Lisa Messeri de Yale. Dashun Wang de Northwestern note que l’IA, en particulier les modèles génératifs, transforme les pratiques de recherche plus vite que les institutions ne peuvent s’adapter. Pour inverser cette tendance, les chercheurs proposent plusieurs pistes. Zhicheng Lin de l’Université Yonsei suggère de développer de plus grandes et meilleures bases de données dans des domaines encore peu explorés par l’IA. À long terme, Yong Li et James Evans de l’Université de Chicago préconisent de faire évoluer l’IA vers des agents autonomes capables de créativité scientifique, capables de proposer de nouvelles hypothèses et de nouvelles directions. « L’IA ne doit pas seulement optimiser des questions anciennes, mais ouvrir de nouveaux champs », insiste Evans. L’avenir de la science dépendra de la capacité de la communauté à réaligner les incitations, afin que l’IA serve non pas à accélérer des recherches déjà surpeuplées, mais à élargir les horizons de la connaissance.