Comment utiliser l'IA pour l'engagement public

On a déjà pas mal discuté de la façon d’utiliser l’IA pour la recherche et l’analyse de données, et la question de l’écriture par IA reste controversée, mais elle donne au moins lieu à un débat vif et nourri. En revanche, utiliser l’IA pour toucher le grand public, ou pour assister votre flux de travail quand vous écrivez pour ce public, reste un terrain presque vierge. Après un an d’expérimentation sur ces usages, j’ai le sentiment que la contrainte tient à l’imagination, pas aux capacités des outils. En mai, j’ai donné une conférence sur mon expérience pour Machine Collaborators, un cycle d’ateliers sur la façon dont les chercheurs travaillent avec l’IA. Ce qui suit en est la version écrite, un billet plus pratique que ce que je publie d’habitude ici, et il est délibérément conçu pour être utile même à ceux qui ne veulent déléguer à la machine aucune ligne de leur précieuse écriture.

Abonnez-vous

J’ai passé le printemps à soutenir, dans trois billets distincts, que les universitaires doivent se réveiller sur l’IA ; j’ai changé d’avis sur les détecteurs quand Pangram s’est révélé efficace ; puis j’ai enfoncé le clou en défendant l’idée que l’écriture par IA peut être légitime dans bien des contextes. Comme je l’ai raconté au Chronicle of Higher Education, certains réclamaient mon licenciement pour ces pensées blasphématoires, tandis que d’autres m’écrivaient en privé pour me demander comment je m’y prenais (parfois les mêmes personnes). Mais même les critiques les plus acérés avec qui j’ai échangé, du moins en dehors de Bluesky, concèdent en général que l’IA a été bénéfique pour faire de la recherche — simplement pas encore pour en parler par écrit. Je veux donc mettre de côté la question de l’écriture et partir d’une prémisse plus consensuelle.

Admettons que vous ayez mené votre recherche, rédigé l’article et réussi à le publier. Il dort maintenant dans une revue que peu de gens lisent. Vous aimeriez que davantage de gens — surtout les plus influents — découvrent votre travail et vos résultats. Avec un guide de style sur mesure et une vérification sérieuse, un agent IA peut prendre en charge une bonne partie de ce travail de promotion, en produisant des synthèses accessibles, des compléments de données et des dossiers de préparation aux interviews. Ce billet est un tour d’horizon pour se lancer.

Mes lecteurs universitaires se souviennent peut-être que j’ai développé plus longuement le plaidoyer pour l’engagement public des scientifiques, notamment face au « militantisme académique », dans un billet précédent. En bref, écrire pour des publics forcément variés et non universitaires met vos idées à l’épreuve et évite que de bonnes recherches restent invisibles. Mais je ne vais pas faire semblant : la structure actuelle des incitations universitaires n’encourage pas ce genre d’engagement en dehors de la discipline. À moins d’être dans une école de politiques publiques, l’engagement public pèse en général très peu dans les dossiers de promotion. S’en dispenser était un usage défendable de votre temps rare, surtout si l’exercice ne vous plaît pas. Du moins, c’était vrai jusqu’à l’arrivée des agents IA.

Écrire un texte grand public à partir d’une recherche que j’avais déjà faite me prenait environ une semaine. Avec un peu d’aide agentique, cela me prend désormais moins d’une journée, sans rien sacrifier à la qualité. Le seuil du « ça vaut le coup » baisse d’autant, et toute une série de projets qui n’avaient jamais eu de sens jusque-là — un site traduit, un suivi automatisé de mes idées — en ont soudain un. Là encore, les limites tiennent surtout à votre créativité.

La configuration de base dont vous avez besoin pour l’instant (T3 2026)

Si j’ai mis du temps à publier ce texte en particulier, c’est notamment parce que la durée de vie de tout conseil concret sur l’IA est très courte, vu la vitesse à laquelle ces outils évoluent. Le seul conseil durable que j’aie retenu, c’est qu’on peut simplement parler à son agent IA et lui demander de faire les choses comme on le demanderait à un assistant (de recherche) humain. Dans le même esprit, j’en suis venu à croire au principe général suivant : s’il est éthique de déléguer une tâche à votre assistant humain, il devrait l’être tout autant de la déléguer à votre assistant IA. Moyennant votre propre vérification, cela vaut qu’il s’agisse de rédiger des plans, de résumer des sources, de collecter des données, voire d’écrire des réponses toutes faites à des courriels administratifs. L’analogie avec l’assistant n’est cependant qu’un plancher.¹ Les agents d’aujourd’hui sont aussi des programmeurs compétents et des designers corrects : une fois les tâches de routine couvertes, la même configuration peut s’attaquer à des projets bien plus ambitieux, comme les compléments de recherche interactifs que je décris à la fin de ce billet.

Des gens raisonnables continuent de diverger sur la part d’écriture proprement dite qu’on peut déléguer à l’IA, mais il est éclairant d’y penser comme à un continuum plutôt qu’à un choix binaire. En voici un bon exemple signé Archie Hall, qui prolonge mon propre plaidoyer contre Pangram publié plus tôt.² Archie et moi ne plaçons pas tout à fait la limite au même endroit (son jaune-orange, c’est mon vert), mais même pour ceux d’entre vous qui sont encore plus prudents que lui, il reste quantité de choses passionnantes à faire pour mieux diffuser votre recherche auprès du public.

Voici quelques points concrets que tous les chercheurs quantitatifs en sciences sociales trouveront peut-être utiles. C’est très élémentaire, mais j’ai croisé des gens qui confondent encore Codex et ChatGPT, alors autant être explicite :

• Payez au moins un modèle premium. Les vrais outils agentiques (j’utilise Claude Code et OpenAI Codex) ne sont accessibles que sur abonnement, autour de 100 à 200 $ par mois, et les offres gratuites vous donneront une idée fausse de ce qui est possible.³

• Utilisez un système agentique, pas un chatbot. Autrement dit, n’utilisez pas Claude ou ChatGPT dans votre navigateur, même avec un dossier de projet. Il vous faut un « outil agentique » qui accède à votre ordinateur pour travailler directement dans vos fichiers jusqu’à ce que la tâche soit terminée, tout en produisant des changements dans le monde réel, comme mettre à jour votre site.

• Créez un compte GitHub si vous n’en avez pas. Les agents travaillent mieux dans des dossiers qui gardent un historique des versions, et vous voudrez pouvoir revenir en arrière. Voici un bon guide pour débutants.

• Parlez à votre agent dès que vous ne comprenez pas quelque chose, de préférence en dictant. Les questions d’installation qui exigeaient autrefois un ami programmeur trouvent désormais une réponse patiente et précise auprès de l’outil lui-même.

• Gardez un fichier d’instructions commun et mettez-le à jour régulièrement, du type CLAUDE.md ou AGENTS.md. Toute correction que vous faites deux fois y est inscrite une fois, pour que l’agent cesse de répéter l’erreur.

• Vérifiez toujours ce qui sort, surtout ce qui est destiné au public, à la fois avec l’IA (oui) et par vous-même. J’y reviens plus bas.

Pourquoi il vous faut quand même un agent, et pourquoi un chatbot avec un dossier de projet n’en est toujours pas un

Il faut que je m’y attarde un peu, parce que certains relecteurs de ce billet n’étaient toujours pas convaincus par l’idée d’utiliser un agent. Ils parlent déjà tous les jours à Claude ou à ChatGPT dans leur navigateur, ils tiennent des dossiers de projet où leurs articles sont déposés, et ils demandent, non sans raison, ce qu’un chercheur pourrait vouloir de plus.

La différence, c’est ce qui se passe une fois que le modèle a fini de réfléchir. Tout ce que vous faites dans une fenêtre de conversation n’est que de l’information : il vous reste à emporter la réponse ailleurs et à agir vous-même. Ce que vous faites avec un agent débouche sur des actes qui modifient le monde réel autour de vous : mettre à jour et publier votre site, corriger et téléverser votre code, ou envoyer une invitation par courriel.

Un dossier de projet, aussi utile soit-il, ne suffit pas. Et il ne s’agit pas seulement de copier-coller moins depuis la fenêtre de votre chatbot. Déposer vos articles et vos documents dans le dossier de projet change ce que le chatbot sait ; un agent change ce que l’IA peut concrètement faire des fichiers que vous partagez. Comme l’agent a aussi accès à votre ordinateur et au terminal, vous pouvez faire des choses plus sophistiquées, comme la compétence d’écriture que je décris plus bas, qui vit dans des fichiers que l’agent lit et met à jour chaque fois qu’il écrit. Idem pour votre navigateur : un agent qui passe par lui, avec vos identifiants et vos autorisations, atteint bien plus de choses que la navigation intégrée de l’IA. Mon conseil, là encore, est simplement d’essayer sur une tâche concrète (préparer une interview, par exemple) et de comparer vous-même le résultat à celui d’un chatbot (par exemple Claude Fable 5 contre Claude Code Fable 5). Mais toute l’entreprise de création et de mise à jour de votre site, décrite ci-dessous, est le candidat idéal pour constater la différence par vous-même.

L’étape zéro, c’est toujours un site personnel construit avec l’IA

Tout ce qui suit suppose que vous ayez sur le web un point d’ancrage que vous contrôlez, ce qui, pour la plupart des universitaires, veut dire un site personnel. Si vous n’en avez pas en tant que chercheur, créez-en un au plus vite : c’est la première chose que vous pouvez demander à un agent. J’ai créé mon site à la main avec Jekyll et le modèle AcademicPages il y a environ sept ans. Je suis coincé avec lui aujourd’hui, du moins affectivement, mais il existe désormais davantage de bonnes options pour partir de zéro.

Votre site peut être hébergé gratuitement sur GitHub Pages ou sur un domaine personnel (chez Squarespace, par exemple), ce qui coûte environ 10 $ par an. À l’époque, comme je ne savais pas coder, il m’a fallu une éternité pour configurer mon site comme je le voulais, même avec l’aide de divers guides. Avec l’IA agentique, l’ensemble peut tenir en une soirée. Ensuite, le site se modifie pour ainsi dire tout seul. Chaque petite amélioration coûte un après-midi. Vous décrivez un changement en langage courant, par exemple ajouter des étiquettes à votre liste de publications, et l’agent ajoute la fonctionnalité tout seul. La seule chose qu’il vous reste à faire, hormis une vérification en local pour voir si les nouveautés fonctionnent vraiment, c’est de valider et de publier les modifications.

Tous les autres ajouts imaginables, comme des publications mises en avant sur la page d’accueil ou une colonne latérale avec les événements à venir, sont possibles — la limite, comme je le répète encore et encore ici, n’est que votre créativité. Aucun d’entre eux n’aurait justifié d’embaucher un développeur web (surtout avec nos maigres budgets universitaires), mais ensemble, ils rendent le site nettement plus utile au journaliste ou au collègue de passage.

Mais mon ajout post-agentique préféré, c’est la traduction automatique du site : alexanderkustov.org existe désormais en anglais et dans 11 autres langues. Ce n’est pas parfait, et il m’a fallu du temps pour tout mettre en place en arbitrant à partir des traductions dans les langues que je parle moi-même, mais cela remplit assez bien son office pour le référencement. Si un journaliste en Allemagne, au Mexique ou au Japon cherche sur Google quelque chose sur l’opinion publique en matière d’immigration dans sa langue, il peut tomber sur mes travaux et me contacter (c’est déjà arrivé plusieurs fois).

Aucune subvention ni agence de traduction humaine n’est intervenue : c’est mon agent IA qui a traduit le site, et je fais désormais tourner chaque semaine une vérification automatique qui compare les pages anglaises aux 11 traductions et signale tout ce qui a dérivé. Même si j’avais engagé au départ des traducteurs professionnels agréés pour ce travail, je n’aurais pas eu les moyens de leur faire mettre à jour régulièrement leurs traductions (et je ne demande pas aux gens de travailler gratuitement).⁴

Que faire des articles et des idées que vous avez déjà

Une fois vos articles publiés en ligne, l’agent IA peut suivre ce qu’ils deviennent. Nous connaissons tous Google Scholar : il vous dit qui cite vos articles académiques, mais il ne peut pas vous dire qui renvoie vers vos textes grand public. Je me suis donc fabriqué un substitut à partir de Google Alerts sur mon nom et mes principaux titres, d’un outil de backlinks (par exemple Ubersuggest), et d’un balayage programmé qui tourne tous les dimanches matin et compile les nouvelles mentions et les nouveaux liens entrants dans un rapport unique que je lis avec mon café.

Il se trouve qu’une configuration assez proche aide aussi à consigner vos idées de recherche et tous les textes pertinents dispersés sur diverses plateformes, de quoi faire mûrir ces idées. J’ai toute une réserve d’idées qui me viennent sous la douche ou au fil de mes conversations avec des collègues, avec une fiche de suivi par idée et une formule de notation qui tient compte de l’intérêt subjectif, de l’investissement attendu et de l’actualité du sujet. Quand je bloque, l’agent me dit quoi écrire ensuite et me suggère des lectures sur le sujet parmi les Substacks récents et les revues académiques que je suis. Vous n’êtes pas obligé de procéder exactement comme moi, mais j’utilise personnellement Obsidian pour organiser et lire toutes ces notes en markdown au même endroit, en les synchronisant avec mon agent quand c’est nécessaire.

Le même dépôt me permet aussi de tester des idées à moindres frais avant de m’y engager. Quand j’hésite sur un cadrage, je le teste d’abord sous forme de publication sur les réseaux sociaux ; si ça prend, je demande à l’agent de parcourir les réactions et de résumer les objections, qui deviennent souvent la section « contre-arguments » du texte final. Ce n’est qu’ensuite que je propose le sujet à un média, et à ce stade je sais déjà comment l’argument passe auprès d’un vrai public.

Créer votre propre guide de style et une compétence d’écriture

Une fois que votre site regroupe proprement au même endroit tous vos articles en accès libre au format PDF, demandez à votre agent IA de les convertir en Markdown, d’extraire chaque figure et chaque tableau dans un fichier à part, et de publier le tout sur le site à côté du PDF. Croyez-le ou non, le premier lecteur de votre article est désormais souvent une machine ; vous avez intérêt à ce que votre travail soit lisible par l’IA, afin qu’elle puisse le recommander à l’humain qui a lancé la recherche.

Vous pouvez aussi vous servir de ces mêmes versions .md (markdown) propres de vos articles pour constituer votre « banque d’écrits », une référence faisant autorité sur votre pensée que l’agent devra suivre, très utile quand vous voulez préparer de nouvelles diapositives ou un résumé de recherche accessible à tous. Vous pouvez y mettre tout ce que vous avez jamais écrit, en fichiers texte brut (.md) rangés dans un dossier que l’agent peut lire : essais, tribunes, articles publiés, chapitres d’ouvrages, jusqu’aux transcriptions de vos conférences, avec votre voix déjà présente dans ce corpus.

Il vous faudra aussi votre propre guide de style, parce que l’écriture des LLM est générique par défaut. Le mien a commencé par un simple fichier CLAUDE.md et s’est étoffé par accumulation. Je l’ai « entraîné » sur mes propres textes publiés, j’ai corrigé les premiers brouillons qu’il produisait, puis je lui ai fait consigner ces corrections sous forme de règles. L’écriture par IA a bel et bien des motifs reconnaissables, et mon guide interdit désormais les tics que tout le monde repère, dont la construction « ce n’est pas X, c’est Y » et les paragraphes artificiellement courts. Ces interdictions tiennent parce que les règles sont stockées dans un fichier que l’agent lit à chaque fois.

Avec le temps, ce fichier unique est devenu ce que Claude appelle une compétence, un petit dossier d’instructions que l’agent charge chaque fois qu’il écrit à ma place ; le schéma ci-dessous montre l’ensemble du dispositif. La banque d’écrits alimente un profil de voix (ce que je dis et ce que je ne dis jamais, jusqu’au rythme des phrases), tandis que le guide de style contient les règles. Avant que je voie le moindre brouillon, deux contrôles s’exécutent : un balayage mécanique qui signale les constructions interdites, et une lecture neuve par un second agent qui ne voit que le texte final et le règlement, parce que l’agent qui a écrit un brouillon est aveugle à ses propres tics. Mes corrections retournent ensuite dans le guide sous forme de nouvelles règles : c’est cette boucle qui fait progresser tout le système.

Le même agent peut aussi servir d’évaluateur, ce qui est peut-être l’aspect le plus sous-estimé du dispositif. Avant toute publication, je demande une critique du brouillon depuis des points de vue qui ne sont résolument pas les miens : un restrictionniste qui me trouve naïf sur les questions d’application de la loi, disons, ou un lecteur lambda qui n’a jamais entendu parler d’« opinion thermostatique ». Vous pouvez nommer des auteurs précis dont vous estimez le jugement, ou simplement décrire des orientations idéologiques, et les remarques qui reviennent, quoique inégales, repèrent à coup sûr l’objection que j’avais oublié de traiter. Pour l’écriture grand public, où aucun rapport d’évaluation ne viendra vous sauver, ce type de lecture adverse est le meilleur substitut que j’aie trouvé.

Ces deux pièces en place, vous pouvez demander tout ce dont vous avez besoin à partir d’un seul article terminé : un document de préparation à une interview, une proposition de tribune, une publication sur les réseaux sociaux, un jeu de diapositives, le plan d’un article Substack, ou même, si vous l’osez, le brouillon d’une note de politique publique en bonne et due forme. Pour ma conférence Machine Collaborations, j’ai fait tourner tout cela sur l’un de mes articles les plus tristement peu lus, une étude de 2020 montrant que, dans la plupart des 30 pays sondés, une majorité absolue ou relative souhaite à la fois moins d’immigration vers son pays et moins d’émigration depuis son pays ; l’exercice a produit, entre autres, trois cadrages réellement différents pour un futur essai auxquels je n’avais pas pensé.

Ou bien admettons qu’un journaliste vous contacte au sujet d’un article que vous avez écrit il y a des années pour vous interroger sur ses implications pour l’actualité. Avec un tel dispositif, vous pouvez produire un bon brouillon de ce que vous pouvez raisonnablement dire, qui sera presque à coup sûr meilleur et plus exact que ce que vous auriez improvisé sur le moment.

Que faire du slop et des hallucinations

Chaque fois que je décris ce flux de travail à des collègues, la première inquiétude que j’entends est qu’il ne produira que davantage de slop. Comprenez-moi bien : quantité de textes générés par IA en un seul jet méritent l’étiquette (tout comme une bonne partie de l’écriture humaine). Mais tout, dans le dispositif décrit ici, part du principe que vous disposez déjà de recherches légitimes évaluées par les pairs et de textes grand public relus par un éditeur. L’agent n’est là que pour reconditionner ou recontextualiser vos propres affirmations sous un jour nouveau, au service de votre propre premier jet humain merdique. Comme lorsqu’on s’appuie sur des assistants humains trop enthousiastes, la responsabilité de ce qui paraît sous votre nom reste la vôtre. Que le résultat ait ou non un goût de slop dépend de la vérification, de l’édition et de tout le travail supplémentaire que vous fournissez avant d’appuyer sur « publier ».

Cette vérification n’est pas facultative, parce que les modèles inventent encore, et beaucoup soutiennent aujourd’hui que l’hallucination est le principal goulot d’étranglement de la recherche assistée par IA. Je l’ai appris à mes dépens. Mon flux de travail a un jour rebaptisé mon co-auteur James Dennison en « Mick Dennison », un prénom inventé de toutes pièces alors que le bon figurait dans les fichiers mêmes sur lesquels il travaillait. À d’autres occasions, il a attribué un compte parodique (@GovAmyKlobuchar) à la vraie sénatrice et m’a fourni une adresse LinkedIn devinée d’après la forme de mon nom.

Alors, que fais-je concrètement ? Je fais vérifier trois fois par le modèle chaque nom, chaque date, chaque référence et chaque lien ; je l’oblige à coller le résultat de sa vérification pour que je voie ce qu’il est allé chercher ; puis je vérifie moi-même ce qui compte. C’est peut-être excessif, mais je demande aussi régulièrement à Codex de vérifier ce qu’a fait Claude Code, et inversement.

Sur le versant des hallucinations, s’agissant des références et de leurs attributions, Steven Denney a écrit le meilleur traitement pratique que je connaisse. La solution de Denney est exactement ce qu’on mettrait en place pour un assistant de recherche humain rapide mais négligent. Des instructions réutilisables contrôlent chaque citation auprès de Crossref et du DOI, et un dossier de projet conserve les PDF originaux à côté des versions lisibles par machine, si bien que les affirmations sont confrontées à toutes les sources originales disponibles, avec un risque d’erreur minimal.

Je dois admettre que, même avec tous ces contrôles et les modèles les plus récents (j’utilise Fable 5 et GPT 5.6), le système n’est pas parfait. Mon agent Claude semble par exemple aimer la règle de trois au point d’ajouter sans cesse des triades à mes brouillons alors que mon propre guide de style les interdit explicitement, et il a continué à le faire dans ce texte même après que je lui ai demandé d’arrêter, encore et encore.

Que réserve l’avenir à l’engagement public des scientifiques ?

Si tout cela vous donne envie d’essayer, commencez par prendre l’un de vos articles terminés et demandez à un agent de produire un artefact, par exemple une préparation d’interview, dans votre propre style. Vous ajustez le résultat jusqu’à ce qu’il sonne comme vous, vous enregistrez les instructions qui y ont mené, et le suivant sera meilleur et plus rapide.

Vous remarquerez peut-être aussi que je n’ai délibérément pas inclus ici ma propre compétence d’écriture formalisée. C’est parce qu’elle encode ma voix, et que vous, cher lecteur, devriez développer la vôtre. La façon la plus simple d’y parvenir est de pointer votre agent vers ce billet même et de lui demander de mettre en place le dispositif que je décris, avec les variantes qui conviennent à ce que vous cherchez à faire.

Ce que je décris sera bientôt le plancher, et non le plafond, des capacités agentiques. Le politiste Andy Hall, à Stanford, a par exemple annoncé cette semaine qu’il comptait publier une grande partie de ses travaux originaux directement sur Substack. Cette diffusion rapide lui permettra de discuter de ses recherches les plus récentes et de les faire connaître non seulement auprès d’autres universitaires, mais aussi des décideurs et des journalistes, tout en lui évitant les commentaires « souvent arbitraires » des évaluateurs de revues. Il ne cache pas ce que coûte le fait de contourner l’évaluation par les pairs, et il est clair que cette option est plus facile pour les titulaires et les autres personnes en poste stable. Mais pour les travaux liés à l’actualité, le calcul penche de plus en plus du côté de la vitesse, et je vois déjà de plus en plus de chercheurs — moi compris — faire le même choix.

La frontière qui m’enthousiasme le plus en ce moment, c’est l’interactivité. Jusqu’à récemment, un module de données interactif était un luxe réservé aux rédactions disposant des moyens du New York Times, tandis que les revues académiques restent trop archaïques pour accueillir quoi que ce soit de plus avancé qu’un PNG statique. Avec un agent, n’importe quel chercheur peut désormais publier un complément interactif à un article paru. Modelslant.com, le complément en ligne que Sean Westwood, Justin Grimmer et Andy Hall ont construit pour leur document de travail sur l’orientation politique perçue des modèles d’IA, permet aux lecteurs d’explorer eux-mêmes les classements, et le laboratoire de Hall entretient désormais toute une étagère de prototypes similaires. Rien de tout cela n’exige pourtant plus les moyens d’un laboratoire de Stanford, et votre propre article trop peu lu est exactement le genre de candidat pour lequel ce type de complément a été fait.

La chute de mon premier billet sur l’IA tient toujours : enfermez-vous dans une pièce avec Claude Code et une tâche fastidieuse d’engagement public ou de recherche que vous n’avez jamais eu le temps de faire, et voyez ce qui se passe. Les outils précis mentionnés dans ce guide paraîtront sans doute datés d’ici un an, mais le basculement de fond, lui, ne disparaîtra pas. Le coût marginal d’une écriture publique sérieuse s’est effondré, et les chercheurs qui se taisent aujourd’hui abandonnent la conversation à des auteurs moins bien informés. Vous n’aimez peut-être pas encore l’IA ni l’écriture assistée par IA, mais si vous avez quelque chose à dire qui en vaut la peine, garder le silence sans utiliser les meilleurs outils disponibles est un choix actif que vous faites.

Partager

Un immense merci à Mike Riggs, Jannik Reigl, Jeff Fong et, bien sûr, à Claude et Codex pour leurs suggestions utiles sur le brouillon.