Les universitaires doivent se réveiller sur l'IA

Cet article est inspiré par une vague récente d’écrits sur l’IA de personnes que je respecte : Dan Williams, Alex Imas, Ben Ansell, Tibor Rutar, scott cunningham, Kevin Munger, Hollis Robbins, Claude (oui !) Blattman, Kevin Bryan, Andy Hall, Kelsey Piper, Sean Westwood, et bien d’autres. Alors ici, je continue la tradition d’écrire les prises de position qui dérangent mais qui sont nécessaires.

J’étudie l’immigration et l’opinion publique, pas l’IA. Mais j’ai passé les derniers mois à observer l’IA transformer mon propre flux de travail de recherche, et j’ai des choses à dire à mes collègues. Pour la première fois de ma vie, j’ignore véritablement ce à quoi ressemblera le monde universitaire dans cinq ans.¹ Même si le progrès stagne complètement et que nous restons bloqués avec les modèles actuels pour toujours, les changements déjà en cours transformeront mon domaine de la recherche et de la publication académique au-delà de toute reconnaissance. Le statu quo est intenable. Cela prendra du temps, parce que le monde universitaire est l’institution la plus conservatrice qui soit de par sa nature. Mais il changera.

Voici dix thèses pour mes collègues, dont la plupart semblent encore inconscients.

1. L’IA peut déjà faire de la recherche en sciences sociales mieux que la plupart des professeurs.

Ce n’est pas de l’hyperbole. Tibor Rutar a récemment décrit la génération d’un article de recherche complet en utilisant uniquement des prompts IA, produisant un travail qu’il considère publiable dans des revues du premier quartile. Paul Novosad aurait accompli des résultats similaires en 2-3 heures. Yascha Mounk affirme que Claude peut produire un article de théorie politique de qualité publiable en moins de deux heures avec un retour minimal. Scott Cunningham estime que la création d’un manuscrit ne coûte désormais approximativement que 100 $ en services d’édition plus un abonnement Claude.

Et cela va bien au-delà de l’analyse de données ou de l’exécution de code Stata préexistant. Oui, ce que j’affirme ici est que les LLM produisent d’excellentes revues de littérature et génèrent des recombinaisons fructueuses d’idées existantes. Soyons honnêtes : les universitaires n’ont jamais été particulièrement doués pour l’écriture non plus, et l’IA peut rendre vos idées bien plus accessibles aux personnes qui en ont réellement besoin. Mais une utilisation efficace nécessite un investissement : Aziz Sunderji décrit la construction d’un fichier d’instructions d’environ 200 lignes encodant son flux de travail de recherche, ses jugements et ses garde-fous comportementaux. Cela demande une compétence.

2. L’article académique est un format en sursis.

Sean Westwood l’a dit crûment : « L’IA fait les revues de littérature mieux. L’IA fera la révision par les pairs. Les utilisateurs survoleront des résumés IA. La vraie science, c’est la question, le plan de pré-analyse et l’analyse. L’article de 30 pages n’est plus qu’un emballage vestigial. » Il s’est fait étriller sur Bluesky pour avoir dit cela. Mais il a absolument raison, et la réaction confirme son propos : le domaine ne peut même pas discuter de l’évidence sans fermer les rangs. Arthur Spirling a également raison de dire que nous avons besoin de conversations sur ce qu’est un article, ce que signifie la « révision » et le rôle correct de l’IA générative. Ce serait peut-être une bonne chose si l’IA nous poussait enfin à dépasser un système où les universités dépensent l’argent des contribuables pour payer des éditeurs commerciaux afin de produire très lentement des PDF payants² avec les résultats déjà obsolètes de recherches financées sur fonds publics.

3. Le système des revues commerciales pourrait ne pas survivre à cela.

Le dernier article de Cunningham modélise les calculs. Si la création d’un manuscrit tombe à quelques heures et environ 100 $, les soumissions pourraient quintupler tandis que les places en revues restent fixes. Les taux de rejet en bureau passeraient d’environ 50 % à environ 90 %. Le modèle économique s’effondre. La révision par les pairs, déjà sous tension, devient impossible à grande échelle. Kevin Munger défend des frais de soumission, des évaluateurs rémunérés, la révision post-publication et le filtrage assisté par LLM. La question est de savoir si les revues s’adaptent ou sont contournées. Mon pari : la plupart seront contournées.

4. Les universitaires appliquent à l’IA des doubles standards absurdes.

Les hallucinations de contenu sont préoccupantes, et les chercheurs devraient toujours vérifier leurs sources. Mais tout comme pour les voitures autonomes, nous avons besoin d’un point de référence : les auteurs humains citent superficiellement des articles en se basant sur le résumé depuis toujours. Les revues publient déjà des études avec des erreurs de données, des résultats bidouillés par le p-hacking et des résultats non reproductibles à des taux alarmants. Une estimation situe la part des articles publiés véritablement utiles à environ 4 %. Un LLM qui hallucine parfois une citation est en concurrence avec un système qui produit régulièrement de la science de pacotille habillée de suffisamment de jargon pour passer la révision. Si nous appliquions le même scepticisme à la recherche produite par les humains que celui que nous appliquons aux productions de l’IA, nous fermerions la moitié des revues demain.

5. Les jeunes chercheurs font face à la plus grande perturbation et à la plus grande opportunité.

C’est probablement une mauvaise nouvelle pour les jeunes universitaires qui essaient de faire avancer leur carrière en plein milieu de ce bouleversement. Jason Fletcher soutient que la logique stratégique de la titularisation n’a pas changé — survivre d’abord au passage du portail — mais l’IA modifie fondamentalement la façon dont vous y arrivez. Les coûts de préparation des cours diminuent. Le nettoyage des données et le débogage sont délégués à l’IA. Le goulot d’étranglement passe de l’exécution à la vérification et à la pensée originale.

Gauti Eggertsson observe que les rendements de la réflexion conceptuelle et des idées originales sont désormais relativement plus élevés par rapport au travail technique de routine. Un jeune chercheur avec de bonnes idées et Claude Code peut désormais produire de la recherche à un rythme qui aurait nécessité un laboratoire complet il y a quelques années. Mais tout le monde peut en faire autant, et les critères d’évaluation n’ont pas suivi.³

6. Je n’envisage plus de rôle d’assistant de recherche dans mon flux de travail.

Je pense toujours qu’il est inestimable d’avoir des mentorés et des co-auteurs. Mais leur rôle change rapidement. Je ne vais pas embaucher quelqu’un pour nettoyer des données, exécuter des régressions ou rédiger des revues de littérature quand l’IA fait tout cela plus vite et à un coût négligeable. Ce que j’attends de mes collaborateurs, c’est de la pensée originale, une expertise de domaine et un défi intellectuel. C’est une perte réelle pour le modèle traditionnel d’apprentissage, et je n’ai pas de réponse claire pour le remplacer. Le cadre complémentaire de Fletcher — l’IA produit les analyses initiales, les chercheurs humains répliquent indépendamment à partir de zéro — pointe dans une direction prometteuse. Mais il est clair que la tendance à l’augmentation du nombre de co-auteurs en sciences sociales, par exemple, pourrait s’inverser très bientôt.

7. Une grande partie de l’opposition à l’IA est une protection de statut déguisée en principe.

Je me suis récemment demandé sur Twitter dans quelle mesure le dégoût pour les signes révélateurs de l’IA est fondamentalement une nouvelle version du purisme grammatical — des gens imposant des marqueurs de statut par le contrôle linguistique. Kevin Bryan l’a dit clairement : « Je comprends le désir de recherche artisanale, faite à la main, avec les matrices inversées à la main. Mais notre travail est de faire avancer la frontière du savoir, pas l’épanouissement personnel. »

Dan Williams a écrit de manière convaincante sur la façon dont la désinformation de salon prospère dans les institutions où presque tout le monde partage les mêmes biais. Je pense que quelque chose de similaire se passe avec le déni de l’IA. Beaucoup d’universitaires — surtout ceux concentrés sur Bluesky⁴ et, je le soupçonne, ceux qui sont complètement déconnectés — sont dans un déni total de ce qui se passe déjà. Chris Blattman est passé de sceptique de Claude Code à la construction d’une boîte à outils complète de flux de travail IA en quelques semaines. Robert Wright a récemment accueilli Alex Hanna et Emily Bender qui argumentaient que les LLM sont inutiles. Des gens intelligents affirmant qu’un outil que des millions de personnes trouvent utile est fondamentalement défaillant. Cette attitude suffisante est exactement la raison pour laquelle les populistes gagnent, et elle s’applique au déni de l’IA tout autant qu’à la politique.

8. Les préoccupations productives concernent la sécurité et la vérification.

Mon défi pour quiconque rejette les capacités de l’IA : passez une semaine seul dans une pièce avec Claude Code ou Codex. Pas le chatbot — l’agent. La plupart des gens pensent encore que l’IA est un moteur de recherche qui invente parfois des choses. Ils n’ont aucune idée de ce que les systèmes d’IA agentique peuvent faire.

Se concentrer sur la question de savoir si les LLM « comprennent vraiment » ou produisent un « vrai » savoir est une indulgence philosophique qui détourne des choses qui méritent qu’on s’en inquiète. Comment vérifier les affirmations générées par l’IA à grande échelle ? Comment empêcher le p-hacking ? L’équipe d’Andy Hall a constaté que les agents IA résistent étonnamment au p-hacking par complaisance — mais peuvent être détournés avec un effort modeste. Comment protéger les données sensibles quand les outils IA accèdent aux dépôts institutionnels ? Comment s’assurer que les répondants aux enquêtes en ligne sont réels ? Ce sont des problèmes d’ingénierie et de conception institutionnelle solubles, du type de ceux que Hollis Robbins appelle les défis du « dernier kilomètre » — des choses qui vivent aux frontières de l’expertise, dans le contextuel et le non résolu. Débattre de savoir si Claude est « vraiment » intelligent, c’est comme débattre de savoir si une calculatrice « fait vraiment » des mathématiques pendant que votre concurrent finit les exercices.

9. Nous sommes sur le point d’obtenir une bien meilleure science.

Il y a cependant quelques lueurs d’espoir. Dans mon propre domaine, l’immigration : nous pouvons désormais cataloguer automatiquement les changements de politiques et d’opinion dans tous les pays et suggérer des corrections en temps réel. Nous pouvons construire des algorithmes pour mieux associer les réfugiés et les migrants aux communautés de destination. Nous pouvons nous assurer que la recherche et les données sont accessibles aux décideurs politiques et aux électeurs qui ne lisent jamais une revue académique.

Plus concrètement, Yamil Velez et Patrick Liu construisent des designs expérimentaux générés par l’IA depuis 2022 ; des expériences Qualtrics sur mesure peuvent désormais être créées en 15 minutes via des prompts. Le travail de Velez pointe vers quelque chose d’encore plus grand : l’IA n’accélère pas seulement les méthodes d’enquête existantes, elle rend possibles des formes entièrement nouvelles d’enquêtes interactives et adaptatives — des designs qui auraient été irréalisables à programmer manuellement. David Yanagizawa-Drott est allé encore plus loin, lançant un projet pour produire 1 000 articles d’économie avec l’IA — non pas comme un coup de pub, mais comme un test de résistance de ce qui arrive quand le coût de production de la recherche tombe à presque zéro.

Les locuteurs non natifs de l’anglais bénéficient aussi énormément : des chercheurs au Caire, Sao Paulo et Jakarta peuvent désormais produire une prose qui se lit aussi bien que tout ce qui sort de Cambridge ou Stanford. Eggertsson soupçonne que l’IA érodera le monopole dont jouissent depuis longtemps les meilleures universités américaines, puisque leur avantage reposait en partie sur la transmission du savoir qui est désormais quasi instantanée. Si vous vous souciez de la démocratisation de la science, cela compte plus que la plupart des choses sur lesquelles les universités dépensent de l’argent.

10. Mis à part les scénarios catastrophe, l’IA est véritablement enthousiasmante.

Oui, il y a de vrais risques. Le remplacement d’emplois pour certains universitaires (et la plupart des autres professions) n’est pas hypothétique. Les préoccupations d’alignement et de sécurité sont réelles, même si elles ont peu de chances de se réaliser dans les pires scénarios. Je prends cela au sérieux et je crains quelque peu notre avenir incertain.

Mais voici ce qui me revient toujours : l’IA est utile et amusante. Mon impression est que ceux qui disent que « l’IA agentique nous rend idiots » ont probablement raison sur certains points. Mais j’ai aussi remarqué que mon seuil de procrastination augmente. Au lieu de faire défiler sans fin des fils d’actualité, je procrastine maintenant en essayant des projets annexes dans Claude Code. C’est peut-être la forme la plus productive de non-travail qui soit. J’ai fait du vibecoding sur quelques projets assez excitants ces dernières semaines. Restez à l’écoute.

Le sage Yiqing Xu conseille que nous devrions tous faire une pause d’un mois pour réévaluer et repenser notre flux de travail, puis reprendre. Je suis d’accord. Le retour sur investissement sera important. Enfermez-vous dans une pièce avec Claude Code et voyez ce qui se passe.

P.S. Cet article a été entièrement généré et publié sur Substack par une IA agentique en utilisant mon nouveau flux de travail Claude Code (Opus 4.6). Faites-en ce que vous voulez.

P.P.S. C’est-à-dire, entièrement généré à partir de mes publications artisanales et faites à la main sur les réseaux sociaux et de mes réflexions sur le sujet. Alors qui l’a écrit, vraiment ? À vous de me le dire.