L’intelligence artificielle (IA) ne se contente pas d’accélérer la recherche scientifique : elle en transforme les processus, les possibilités et les défis. Pour les thérapeutes, chercheurs et éducateurs, il est essentiel de comprendre ces changements, même si nous ne les appliquons pas encore directement. Voici un aperçu des récentes avancées et des tendances à surveiller.
Les nouveautés en IA et recherche
- Agents de recherche autonomes ou semi-autonomes
Les systèmes d’IA ne se limitent plus à un rôle d’assistance : ils commencent à formuler des hypothèses, concevoir des expériences, analyser des données et même rédiger des rapports scientifiques avec une intervention humaine minimale. Par exemple, l’étude From AI for Science to Agentic Science (Wei et al., 2025) montre comment l’IA évolue vers une forme d’« agentivité » dans la découverte scientifique, passant d’un outil d’aide à un véritable partenaire de recherche. arXiv
Un autre exemple est The AI Scientist-v2, qui a soumis des manuscrits entièrement générés par IA à des ateliers de révision par les pairs. Bien qu’une supervision humaine reste nécessaire, cette avancée marque un tournant : l’IA réalise désormais des tâches autrefois réservées aux humains. arXiv
- Amélioration de l’infrastructure et gestion des données massives
L’efficacité de l’IA dépend étroitement des données : plus elles sont nombreuses, riches et variées (texte, image, vidéo, génomique), et mieux les outils informatiques les traitent. On observe ainsi l’émergence de supercalculateurs dédiés à la recherche en IA (comme Doudna au Berkeley Lab) et d’investissements dans des « environnements tests prêts pour l’IA », où les chercheurs peuvent expérimenter en toute sécurité. AP News+1 Cependant, l’augmentation rapide de la taille des modèles d’IA (jeux de données, puissance de calcul) soulève des questions sur leur efficacité et leur coût environnemental. Stanford HAI
- Outils d’IA pour les revues de littérature, la génération d’hypothèses et la détection des biais
Face à l’explosion des publications scientifiques, l’IA aide les chercheurs à trier la littérature plus rapidement. Des outils émergent pour identifier les revues prédatrices, repérer les pratiques de citation problématiques ou détecter les biais dans les études. Crescendo.ai+1
Des « assistants de recherche virtuels » sont également en développement (par exemple à Oxford), réduisant la charge de travail en filtrant les pistes prometteuses dans de vastes ensembles de données (comme les signaux astronomiques), permettant aux scientifiques de se concentrer sur l’essentiel. Windows Central
- Des préoccupations éthiques et de fiabilité de plus en plus pressantes À mesure que l’IA prend une place plus importante, les enjeux deviennent plus visibles : résultats inexacts ou trompeurs (« hallucinations »), biais dans les données, reproductibilité, questions éthiques (attribution des mérites, responsabilité en cas d’erreur) et coût environnemental. Nature+2Stanford HAI+2
Ce que cela signifie pour nous (thérapeutes, éducateurs et chercheurs) — « Et alors ? »
- Gain de temps : Des revues de littérature, générations d’hypothèses et analyses de données plus rapides pourraient nous permettre de rester à jour avec moins d’efforts.
- Nouveaux horizons : L’IA pourrait révéler des pistes de recherche ou des lacunes (par exemple dans les résultats d’interventions ou les populations sous-étudiées) que nous n’avions pas remarquées.
- Prudence nécessaire : Il ne faut pas accorder une confiance aveugle aux résultats de l’IA sans vérification. Certaines tâches (comme le diagnostic ou la définition des objectifs) restent du ressort de l’expertise et du jugement humain.
- Enjeux d’équité : Qui a accès à ces outils avancés (grandes institutions vs petites structures) ? Les questions de confidentialité des données, de consentement et de transparence restent cruciales.
À surveiller dans les prochains numéros Voici quelques thèmes que je compte approfondir :
- Analyse approfondie : Modèles d’IA « agentiques » vs modèles « humains dans la boucle » — avantages, limites et compromis éthiques.
- Études de cas : Comment l’IA détecte les biais ou les méthodologies défaillantes dans les recherches publiées.
- Outils pratiques : Quelles solutions sont déjà disponibles pour la recherche en orthophonie ?
- Normes et directives : Comment les organismes professionnels répondent-ils à l’intégration de l’IA dans la recherche, notamment en matière d’attribution, de droits et de responsabilité ?
Références
- Wei, J., Yang, Y., Zhang, X., Chen, Y., Zhuang, X., Gao, Y., Zhou, D., Ouyang, W., Dong, A., Cheng, Y., Sun, Y., Bai, L., Bowen, Z., Dong, N., You, C., Sun, L., Zheng, S., Ning, D., … & Zhou, D. (2025). From AI for Science to Agentic Science: A Survey on Autonomous Scientific Discovery. arXiv. arXiv
- Yamada, Y., Lange, R. T., Lu, C., Hu, S., Lu, C., Foerster, J., Ha, D., & Clune, J. (2025). The AI Scientist-v2: Workshop-Level Automated Scientific Discovery via Agentic Tree Search (arXiv preprint). arXiv
- “AI is Revolutionizing University Research: Here’s How.” TechRadar. (2025, September).