10 règles pour utiliser l'IA en sciences environnementales

Des chercheurs du National Center for Ecological Analysis and Synthesis (NCEAS) à l'Université de Californie à Santa Barbara ont publié dans PLOS Computational Biology un guide pratique sur l'utilisation de l'intelligence artificielle générative dans la recherche environnementale. Intitulé Dix règles simples pour une utilisation efficace de l'IA générative dans le développement de code en sciences environnementales, ce travail vise à structurer les pratiques face à l'adoption rapide des outils de codage assistés par IA. Né d'un constat interne, le projet a émergé lorsque plusieurs équipes du centre ont fait face aux mêmes défis quotidiens : évaluation de la fiabilité des suggestions algorithmiques, gestion des niveaux d'accès et traçabilité des décisions prises en cours de session. Plutôt que de laisser chaque groupe développer ses propres protocoles, une vingtaine de chercheurs, développeurs et analystes ont collaboré pour établir des standards partagés. Le guide structure l'usage de l'IA en trois phases distinctes : la préparation du projet et le choix des outils, les bonnes pratiques pendant la programmation, et la vérification ainsi que la documentation des résultats. Les auteurs alertent également sur les risques d'inégalités structurelles. L'adoption asymétrique de ces technologies avantage déjà certains profils, notamment les chercheurs masculins qui rapportent des gains de productivité supérieurs, tandis que le passage progressif à des modèles payants pourrait exclure les institutions peu dotées et les pays à faible revenu. Parallèlement, l'empreinte environnementale des infrastructures nécessaires au calcul intensif suscite des interrogations, avec une consommation électrique et hydrique des centres de données projetée en forte hausse d'ici 2028 et 2030. Enfin, la montée en puissance de ces outils coïncide avec une contraction des postes de développement logiciel, soulevant des questions sur la gestion de la transition des compétences dans le secteur. Plutôt que de prescrire un usage universel ou systématique, le guide considère la maîtrise de l'IA comme une compétence technique à part entière, nécessitant une formation adaptée. Il invite la communauté scientifique à adopter des pratiques transparentes, à mesurer les compromis inhérents à chaque implémentation et à soumettre toute décision d'utilisation à une évaluation éthique rigoureuse. Cette initiative marque un pas vers la normalisation des workflows hybrides en sciences environnementales, tout en rappelant que la technologie doit rester au service de méthodologies reproductibles et équitables.