Nous avons commencé à travailler avec des chercheurs du monde universitaire afin de tester le moteur de recherche assistée par IA de Truleaf sur des questions de recherche biologique. En tant qu’organisation à but non lucratif et organisme de R&D spécialisé dans les sciences végétales, nous souhaitons que des personnes dont le métier consiste à examiner des données probantes évaluent le moteur. Elles peuvent nous montrer les situations dans lesquelles il est utile, celles dans lesquelles il entrave le travail et les changements nécessaires avant qu’il puisse intégrer un processus de recherche.
Nous communiquons sur cette démarche alors que les travaux n’en sont qu’à leurs débuts. Nous ne pouvons pas encore citer les chercheurs, les laboratoires universitaires ou les questions concernés, et nous n’avons ni résultats ni recommandations à annoncer. Nous pouvons toutefois expliquer pourquoi nous ouvrons le moteur à un usage universitaire, comment nous abordons ce travail et ce que nous devons apprendre.
Les chercheurs doivent contribuer à définir les outils de recherche
Le moteur aide à analyser les travaux publiés et à transformer des éléments probants dispersés en résultats structurés et vérifiables. Il maintient le lien entre les affirmations et leurs sources, afin que le lecteur puisse remonter d’une synthèse à la littérature sous-jacente. Nous l’avons conçu autour de questions relevant des sciences végétales et de la protection biologique des cultures, domaines dans lesquels la réponse dépend souvent de l’espèce, des conditions, des méthodes et du contexte.
Tester des questions que nous maîtrisons déjà nous indique si le moteur se comporte comme prévu. Cela nous renseigne beaucoup moins sur son adéquation avec la manière dont les chercheurs formulent une nouvelle question, contestent une source, suivent un résultat inattendu ou jugent que les données probantes sont trop limitées pour étayer une conclusion.
Nous estimons que les chercheurs doivent contribuer à définir tout outil destiné à soutenir la recherche. Ils appliquent des contrôles que le développement de produit ne peut pas reproduire seul. Ils demandent quelles données ont été incluses, d’où provient une affirmation, comment l’incertitude est représentée et si les désaccords présents dans la littérature restent visibles. Ils repèrent également les situations problématiques qu’une démonstration soignée peut masquer.
Nous recherchons ce niveau d’examen critique. Une interface fluide ne peut pas compenser un résultat difficile à vérifier ou facile à mal interpréter. La vérification du travail doit faire partie de son utilisation.
L’accès fait partie de notre mission
Notre mission à but non lucratif consiste à rendre plus accessibles les informations sur les plantes fondées sur la science. Elle concerne les producteurs qui recherchent des conseils fiables aussi bien que les chercheurs qui tentent de comprendre un corpus bibliographique complexe.
Les équipes universitaires ne disposent pas toutes des mêmes ressources, du même soutien technique ou de la même liberté pour essayer de nouveaux logiciels de recherche. Un moteur peut exister tout en restant inaccessible parce que son accès est difficile, que ses résultats ne peuvent pas être examinés ou que son processus de travail ne convient qu’à un seul type d’organisation.
Pour nous, un accès responsable suppose de mettre le moteur entre les mains d’un chercheur et de rendre son travail vérifiable. Les chercheurs doivent pouvoir déterminer l’origine d’une réponse et identifier les incertitudes sans avoir à traverser plusieurs couches de présentation. Ils doivent pouvoir utiliser le résultat comme point de départ de leur propre jugement, puis le remettre en question lorsque les données indiquent une autre direction.
Travailler avec des chercheurs du monde universitaire nous permet de tester ces conditions dans la recherche quotidienne. Cela nous oblige également à reconnaître l’écart entre une capacité prometteuse et un outil qui mérite une place dans le travail d’une personne.
Notre approche
Nous commençons par la question de recherche et le processus actuel de l’équipe. Nous cherchons à comprendre où elle consacre son temps, à quel moment la littérature devient difficile à parcourir, ce qui doit rester visible et ce qui rendrait un résultat assisté par IA inadapté à son travail. Il est possible que le moteur ne convienne pas au problème. Cette information nous aide malgré tout à définir son périmètre approprié.
Lorsqu’il existe une adéquation, nous demandons aux chercheurs d’utiliser le moteur tel qu’il est, avec ses points forts et ses limites actuels. Les retours fondés sur l’utilisation nous sont plus utiles que les avis portant sur une future version promise. Nous observons les situations dans lesquelles le moteur aide une personne à parcourir les données probantes et celles dans lesquelles il ajoute des frictions, de l’ambiguïté ou des vérifications supplémentaires.
Le cheminement jusqu’aux sources occupe une place centrale dans cette expérience. Des articles de biologie peuvent examiner des organismes, des environnements, des protocoles ou des résultats différents tout en donnant l’impression de traiter la même question. Une synthèse utile doit rendre ces limites plus faciles à distinguer. Il revient toujours au chercheur de décider si deux résultats peuvent être comparés et dans quelle mesure une conclusion doit être restreinte.
Notre moteur se concentre sur la littérature publiée. La recherche biologique s’appuie aussi sur des données de laboratoire, des observations de terrain, des résultats non publiés, des méthodes spécialisées et une expertise acquise au fil des années. Une synthèse assistée par IA ne peut pas remplacer ces connaissances. Le chercheur définit la question, examine les données et décide ce que les éléments disponibles permettent d’étayer. Nous construisons le moteur autour de cette répartition des responsabilités.
Confidentialité et intégrité scientifique
Les premiers échanges de recherche ont besoin d’un espace pour évoluer sans devenir un outil de communication. Nous n’identifierons aucun chercheur, établissement universitaire, laboratoire ou projet tant que toutes les personnes concernées n’auront pas autorisé la publication de ces informations. Une collaboration exploratoire ne constitue ni une approbation institutionnelle ni, à elle seule, un résultat scientifique.
La même limite s’applique aux résultats. Si certains travaux méritent d’être communiqués plus tard, nous ne le ferons qu’avec l’accord des personnes concernées et à condition de pouvoir présenter précisément le contexte scientifique. D’ici là, nous préserverons la confidentialité des détails.
Cette mise à jour est donc moins précise que bon nombre de nos publications consacrées au développement de Truleaf. Nous pouvons indiquer ce qui a commencé, ce qui reste inconnu et ce que nous ne sommes pas autorisés à divulguer. Pour l’heure, il s’agit du compte rendu fidèle de notre travail.
Ce que nous souhaitons apprendre ensuite
Nous voulons maintenant déterminer quelles tâches de recherche biologique conviennent au moteur tout en préservant la traçabilité des sources, la vérifiabilité des affirmations, la clarté des limites et la primauté du jugement des spécialistes.
Les chercheurs qui utilisent le moteur sur des questions importantes pour eux peuvent révéler des lacunes dans notre manière d’organiser ou de présenter les informations. Ils peuvent demander un contexte que nous avons négligé. Certains peuvent conclure que le moteur n’est pas adapté à leur travail. Ces retours nous aideront à décider où le moteur a sa place et où il ne l’a pas.
Si vous travaillez dans la recherche biologique et consacrez trop de temps à parcourir une littérature fragmentée, nous aimerions vous entendre. Vous pouvez contacter notre équipe par l’intermédiaire de la page Recherche et développement de Truleaf.org. Indiquez-nous les étapes d’une revue de la littérature qui vous prennent le plus de temps, les difficultés posées par vos outils actuels et ce que vous devriez pouvoir examiner avant d’accorder votre confiance à un résultat assisté par IA.