Une étude publiée dans la revue Organization Science révèle une tendance inquiétante : l'intelligence artificielle inonde désormais l'édition académique d'un volume croissant de travaux de moindre qualité. Bien que les modèles d'IA puissent aider les scientifiques à résumer des recherches ou à améliorer leur écriture, leur utilisation massive a généré une vague de soumissions et de relectures mal rédigées. Les auteurs de l'étude sont sans ambiguïté, affirmant que la combinaison de l'IA et de la pression pour publier ou périr incite la communauté scientifique à produire davantage au détriment de la qualité. La revue de référence en sciences sociales a constitué une équipe chargée de l'IA, composée d'éditeurs, pour mener un examen approfondi de son contenu. Entre 2021, deux ans avant le lancement de ChatGPT, et début 2026, l'équipe a analysé près de 7 000 soumissions et plus de 10 000 relectures provenant de l'université majeure, d'institutions non anglophones et d'équipes du monde entier. Pour détecter la présence d'IA, les chercheurs ont utilisé l'outil de détection Pangram, qui identifie des traces caractéristiques dans le style d'écriture, en attribuant un score de 0 (entièrement humain) à 1 (entièrement IA). Parallèlement, ils ont évalué la qualité de l'écriture grâce à des tests standardisés de lisibilité et de style, tels que le score de difficulté de lecture Flesch. Les résultats sont sans équivoque. Depuis l'arrivée de l'IA générative, le volume des soumissions a augmenté de 42 %, une hausse attribuée directement à ces outils. Début 2026, la majorité des manuscrits intégraient désormais l'IA à divers degrés. Cependant, la qualité de l'écriture a chuté, rendant les articles plus difficiles à lire. L'étude identifie deux catégories de chercheurs comme les plus susceptibles d'utiliser l'IA : les équipes provenant d'institutions où l'anglais n'est pas la langue maternelle et les nouveaux arrivants dans le domaine, peu familiers avec les exigences des soumissions académiques. Paradoxalement, l'usage de l'IA est corrélé à des taux de rejet plus élevés, même parmi les grandes écoles de commerce soumises à une forte pression éditoriale. Le problème ne se limite pas aux auteurs. Plus de 30 % des relectures expertes soumises à la revue utilisent également des modèles de langage, marquant une augmentation brutale par rapport à l'ère pré-IA. Ces relectures automatisées sont souvent décrites comme plus étroites et moins perspicaces que celles écrites par des humains, ce qui oblige les éditeurs à consacrer un temps considérable à trier le bon grain de l'ivraie. L'équipe souligne que ce phénomène place le système de révision par les pairs sous une pression qui ne semble pas près de diminuer. Pour endiguer cette tendance, la revue préconise une refonte profonde de la façon dont la recherche est valorisée. L'accent doit être déplacé du nombre de publications vers la qualité intrinsèque des idées proposées. Cette étude met en lumière les risques d'une accélération du processus scientifique non contrôlée, où l'efficacité de l'outil technologique menace la rigueur et la pertinence du travail académique.