Axe 3. Intelligence artificielle et capacités scientifiques : augmenter les connaissances, reconfigurer les capacités scientifiques
L’essor des intelligences artificielles génératives transforme progressivement les activités de recherche. Ces outils interviennent désormais dans la recherche bibliographique, la traduction, la rédaction académique, la programmation, l’analyse de données ou la synthèse documentaire (Hammad 2023; Eloundou et al. 2024; Gao and Wang 2024; Liang et al. 2025).
Ces transformations invitent à dépasser la question du remplacement des chercheur.euse.s pour analyser la manière dont l’IA redistribue les tâches, modifie les compétences valorisées et reconfigure les conditions de production des connaissances (Autor, Levy et Murnane, 2003 ; Acemoglu et Restrepo, 2019 ; Spring-Ragain, 2026). Elles soulèvent également des questions d’accès aux infrastructures, d’autonomie scientifique, de dépendance cognitive et de concentration du pouvoir autour des grandes plateformes numériques (Capraro et al. 2024; Liu and Wang 2026; Acemoglu et al. 2026).
Dans ce contexte, CREONS développe un axe de recherche consacré à la question suivante : Comment l’intelligence artificielle générative transforme-t-elle les capacités scientifiques dans les Nords et les Suds, et avec quels effets sur les inégalités et les rapports de pouvoir qui structurent la production mondiale des connaissances ?
Une analyse à plusieurs échelles
L’axe mobilisera une approche articulant trois échelles d’analyse.
L’échelle micro : les chercheur.euse.s et leurs pratiques.
Quels usages font-ils de l’IA dans leurs activités de recherche ?
Ces outils renforcent-ils leurs compétences, leur productivité et leur autonomie ?
Favorisent-ils au contraire une délégation excessive, une standardisation des raisonnements ou une dépendant cognitive ?
Des travaux expérimentaux mettent en évidence des gains de rapidité et de qualité pour certaines tâches situées dans le champ de compétence des modèles, tout en soulignant l’importance de la supervision humaine (Dell’Acqua et al. 2026). D’autres contributions interrogent les risques de déqualification et de dépendance cognitive associés à une délégation croissante des activités intellectuelles (Desveaud 2025; Qian and Xie 2026).
L’échelle méso : les institutions et les collectifs scientifiques.
Comment les laboratoires et les universités accompagnent-ils l’adoption de l’IA ?
L’IA réduit-elle les écarts entre institutions ou renforce-t-elle les avantages des organisations les mieux dotées ?
L’adoption effective des outils génératifs varie selon les environnements professionnels, les dispositifs de formation et les restrictions définies par les organisations (Humlum and Vestergaard 2025). Leur intégration dans le travail académique dépend également des politiques universitaires et des formes de gouvernance institutionnelle (Renkema and Tursunbayeva 2024). Plus largement, les trajectoires de développement de l’IA diffèrent selon les contextes nationaux et les configurations institutionnelles (Gherhes et al. 2023).
L’échelle macro : les systèmes scientifiques et leurs relations internationales.
Comment l’IA transforme-t-elle les capacités scientifiques des pays et des régions ?
Modifie-t-elle la division internationale du travail scientifique entre les Nords et les Suds ? Forme d’empowerment ?
Déplace-t-elle les asymétries vers le contrôle des modèles, des données, des infrastructures et des normes scientifiques ?
L’utilisation des outils génératifs reste fortement concentrée dans les pays à hauts revenus, tandis que l’accès aux infrastructures numériques demeure très inégal (Liu and Wang 2026). La concentration des modèles, des données et des capacités de calcul autour d’un nombre limité de plateformes soulève également des enjeux de pouvoir économique et informationnel (Capraro et al. 2024).
CREONS examinera ainsi plusieurs hypothèses : l’IA peut constituer une technologie de rattrapage (leapfrogging), de compensation, de substitution ou de dépendance, selon les tâches, les ressources disponibles et les contextes institutionnels.
La taxonomie des formes de délégation proposée par Suchikova et al. (2025) pourra notamment contribuer à identifier les tâches scientifiques assistées, déléguées, supervisées ou maintenues sous contrôle humain. La comparaison entre les Nords et les Suds constituera cependant un prolongement empirique propre à CREONS.
Science ouverte et science augmentée par l’IA
Cet axe sera étroitement articulé aux recherches de CREONS sur la science ouverte. Il s’agira, d’une part, d’étudier si l’IA facilite l’apprentissage des outils de documentation, de partage, de traitement et de reproductibilité, et si cette assistance se traduit par une progression durable des compétences.
D’autre part, les modèles génératifs reposent sur l’exploitation de vastes corpus numériques (He, Cao, and Tan 2025). L’ouverture des publications, des données et des codes soulève donc une question politique : comment rendre les connaissances accessibles aux humains tout en encadrant leur extraction et leur réutilisation automatisées par des modèles propriétaires ? Ces arbitrages concernent notamment les licences, les restrictions d’usage, la protection des données et des savoirs locaux, ainsi que la traçabilité et la responsabilité scientifiques (Schlagwein and Willcocks 2023).
Objectifs de recherche
Cet axe vise à :
documenter les usages de l’IA dans différents contextes scientifiques;
mesurer leurs effets sur les compétences, l’autonomie et les capacités scientifiques;
analyser les conditions institutionnelles d’appropriation et de gouvernance de ces technologies ;
étudier leurs effets sur les inégalités et la division internationale du travail scientifique ;
analyser les interactions entre intelligence artificielle et science ouverte ;
contribuer à une gouvernance de l’IA et de l’ouverture scientifique plus équitable entre les Nords et les Suds.
L’objectif n’est pas de présupposer que l’IA réduira ou renforcera nécessairement les inégalités scientifiques. Il s’agit d’identifier les conditions sociales, institutionnelles et politiques dans lesquelles ses usages peuvent soutenir les capacités scientifiques, mais aussi les nouvelles dépendances qu’ils sont susceptibles de produire.