L’essor des modèles linguistiques dans la recherche clinique : une révolution pour les chercheurs du monde entier

La problématique de l’intelligence artificielle (IA) résonne à travers le monde, et le domaine de la recherche n’échappe pas à cette tendance. Notre étude visait à évaluer la sensibilisation, les tendances d’utilisation et les perspectives futures des modèles de langage de grande taille (LLM) afin d’analyser l’impact de ces technologies dans le milieu académique. Ce travail a recueilli les perceptions de chercheurs issus de divers domaines de la recherche médicale et paramédicale, représentant 59 pays et 65 spécialités différentes. La majorité des répondants provenait principalement des sous-spécialités médicales (64,6 %), à l’instar des caractéristiques observées (68 %) dans une enquête menée par Abdelhafiz et al.⁹. On constate également que 57,1 % des participants exerçaient dans des environnements académiques, tandis que d’autres évoluaient dans des structures de soins publiques et privées, ce qui est similaire aux résultats de l’étude d’Abdelhafiz et al. qui rapportait que 75 % des participants venaient d’universités ou de centres de recherche⁹. Parmi les répondants ayant entre 0 et 10 ans d’expérience en recherche, on trouvait respectivement 21,7 %, 31,4 % et 46,9 %, ce qui signifie que notre échantillon représentait bien les académiciens à divers stades de leur carrière.

Un pourcentage significatif de nos répondants (87,6 %) avait connaissance des LLM, une proportion similaire (85 %) à celle d’une enquête réalisée auprès d’étudiants en médecine en Jordanie¹⁰, et nettement supérieure à une étude menée au Pakistan, où seulement 21,3 % des répondants connaissaient l’IA¹¹. Une explication plausible pour ce haut niveau de sensibilisation chez les participants pourrait être leur formation avancée en recherche, au cours de laquelle ils ont probablement été exposés aux applications des LLM dans la recherche contemporaine. Leur intérêt marqué pour la recherche pourrait les avoir poussés à explorer les innovations dans ce domaine, dont l’utilisation des LLM et d’outils d’IA semble être en tête^12,13. Notablement, les participants familiarisés avec les LLM affichaient un nombre de publications plus élevé que ceux qui ne l’étaient pas (p-valeur < 0,001). Ce résultat concorde avec des études précédentes, montrant qu'une plus grande familiarité et un accès aux LLM sont souvent associés à un plus grand nombre de prépublications et de publications parmi les auteurs académiques, possiblement en raison de la nature dynamique de la recherche sur les LLM et de leur utilisation pour l'aide à l'écriture¹⁴. Aucun autre facteur, tel que l’âge, le pays d’origine ou le domaine d’exercice, n’était significativement lié à la connaissance de l’utilisation des LLM.

Une proportion écrasante de répondants au courant des LLM (81,3 %) n’avait jamais utilisé ces outils dans leurs projets ou publications. Ceci contraste avec une étude antérieure d’Eppler et al.¹⁶, où près de la moitié des répondants avaient déclaré avoir utilisé des LLM dans leur pratique académique. Parmi ceux ayant déjà recouru aux LLM, la majorité évaluait leur utilisation comme étant modérée à fréquente pour des tâches telles que la correction grammaticales, l’édition et la rédaction de manuscrits. Ces résultats rejoignent les conclusions de l’étude d’Eppler et al.¹⁶, selon laquelle les usages les plus communs des LLM dans la publication scientifique concernent l’écriture (36,6 %) et la vérification grammaticale (30,6 %). Avec les LLM basés sur le traitement du langage naturel (NLP), il est possible de corriger facilement les fautes grammaticales grâce à des modèles de catégorisation et à la construction de phrases algorithmiques^17,18. Malgré l’usage fréquent des LLM pour divers aspects de l’écriture académique, une part considérable de ces répondants (~ 40 %) n’a pas reconnu leur utilisation dans leurs publications. Plusieurs raisons peuvent expliquer pourquoi un chercheur ne révèle pas l’intégration d’outils IA dans ses travaux : d’une part, un manque d’information ou de compréhension sur les technologies utilisées, ce qui les rend moins conscients de l’intégration de l’IA dans leur recherche^19,20; d’autre part, un scepticisme entourant l’usage de l’IA, comme l’idée qu’une machine a été utilisée pour élaborer des propositions ou des discussions scientifiques²¹. Ainsi, la question de l’obligation ou non de reconnaître l’utilisation de l’IA dans les études scientifiques demeure une problématique éthique. Les éditeurs pourraient demander aux auteurs de soumettre une déclaration quant à l’utilisation de systèmes d’IA dans leur écriture^22,23,24.

Les Figures 1 et 2 ainsi que le Tableau 3 offrent un aperçu des perspectives et des défis futurs des LLM parmi les chercheurs du monde entier. La Figure 1 révèle qu’une majorité confie une croyance substantielle dans le potentiel transformateur des LLM, plus de la moitié des participants anticipant un impact majeur. Les domaines identifiés comme étant les plus influencés par les LLM dans le futur incluent les erreurs grammaticales, le formatage, la révision et l’édition, ainsi que la rédaction et la revue de littérature. Ces résultats sont en adéquation avec la littérature actuelle suggérant que les LLM peuvent grandement améliorer l’efficacité et l’exactitude de ces tâches, facilitant des productions académiques plus rapides et de qualité^25,26,27. À l’opposé, les domaines considérés comme moins affectés, comme la méthodologie, la sélection de revues ou les idées d’études, témoignent d’une appréhension quant à la capacité de l’IA à évaluer de manière critique la conception de la recherche et l’adéquation des revues.

Comme l’indique le Tableau 3, légèrement plus de la moitié des participants perçoivent l’impact des LLM de manière positive, tandis qu’environ un tiers d’entre eux demeurent incertains, ce qui souligne des préoccupations quant aux implications éthiques et au potentiel de mauvaise utilisation des technologies IA. Les préoccupations éthiques sont bien documentées dans des études existantes qui mettent en avant des questions telles que la confidentialité des données, la désinformation et des biais non intentionnels pouvant émerger des contenus générés par l’IA^28,29. Par ailleurs, notre étude révèle que, bien que la majorité des répondants soient favorables à l’usage d’outils IA dans la publication, il existe un large consensus sur la nécessité d’instaurer des mesures réglementaires, telles que des politiques de revue modifiées ou des outils permettant de détecter l’utilisation des LLM. Cette conclusion concorde avec des directives éthiques plus larges proposées dans la littérature, plaidant pour une supervision robuste et des cadres éthiques afin de réduire les risques associés au déploiement de l’IA dans des domaines sensibles, comme la recherche médicale^27,30. Curieusement, la perception de l’utilisation éthique de l’IA varie selon le niveau d’expérience. Dans notre étude, les participants ayant plus de 10 ans d’expérience en recherche étaient davantage enclin à considérer les outils IA de manière positive et à soutenir leur utilisation sous conditions régulées comparativement à ceux ayant moins d’années d’expérience, bien que ce résultat n’était pas statistiquement significatif.