Google teste une nouvelle fonction d’exploration scientifique, Scholar Labs, alimentée par l’intelligence artificielle, conçue pour répondre à des questions de recherche complexes en identifiant les sujets clés et les relations entre les documents. Cette plateforme, actuellement accessible à un petit groupe d’utilisateurs connectés, analyse le texte intégral des articles, leur contexte d’publication, leurs auteurs et leur fréquence de citation, mais ne filtre pas les résultats selon des indicateurs traditionnels comme le nombre de citations ou le facteur d’impact des revues. Cette approche vise à dépasser les biais liés aux métriques classiques, jugées trop simplistes par certains scientifiques. Dans une démonstration centrée sur les interfaces cerveau-machine (BCI) pour les patients ayant subi un AVC, Scholar Labs a proposé une revue récente publiée dans Applied Sciences, un journal dont le facteur d’impact est de 2,5, bien en dessous de celui de revues prestigieuses comme Nature (48,5). L’outil explique pourquoi ce papier a été sélectionné : il traite de l’EEG (électroencéphalogramme) et des algorithmes clés du domaine. Toutefois, l’absence de filtres par citation ou facteur d’impact soulève des questions sur la fiabilité perçue des résultats, surtout pour les chercheurs débutants qui s’appuient souvent sur ces indicateurs pour évaluer la qualité d’un article. Matthew Schrag, professeur de neurologie à l’Université Vanderbilt, reconnaît que les métriques traditionnelles sont imparfaites : elles reflètent davantage le rayonnement social d’un article que sa rigueur scientifique. Cependant, il admet qu’elles restent un repère utile, même si elles peuvent induire en erreur — comme dans le cas d’études largement citées mais méthodologiquement flawed. James Smoliga, professeur de sciences de la réadaptation à Tufts, avoue lui aussi se fier aux citations, malgré sa connaissance des pièges, car il n’a pas d’autre outil de jugement immédiat. En comparaison, PubMed, la base de données de l’Institut national de la santé, permet des filtres précis (revues cliniques, humains, cinq dernières années, pas de prépublications). En utilisant ces critères, deux des six articles pertinents sur les BCI non invasives ciblent l’EEG — une correspondance notable avec les résultats de Scholar Labs. Google affirme que Scholar Labs vise à « trouver les documents les plus utiles pour la quête de recherche », en se basant sur l’analyse sémantique du texte, l’actualité et la pertinence contextuelle. L’outil permet aussi de demander des publications récentes par période. Schrag voit un potentiel dans ces outils d’IA : ils pourraient révéler des travaux méconnus, notamment dans des domaines interdisciplinaires ou récents, et intégrer des indicateurs alternatifs comme l’engagement sur les réseaux sociaux. Mais il insiste : la finalité de l’évaluation scientifique doit rester entre les mains des chercheurs. « L’algorithme ne doit pas être l’arbitre final de la qualité », affirme-t-il. L’analyse critique, la lecture approfondie et l’engagement actif dans la communauté scientifique restent incontournables. Scholar Labs, en phase de test avec une liste d’attente, représente une évolution significative dans la recherche académique. Si elle promet une meilleure accessibilité aux connaissances, elle exige aussi une vigilance accrue de la part des scientifiques face à l’automatisation de l’évaluation.