Assistant de recherche IA : ce que c'est et pourquoi ce n'est pas ChatGPT

Le problème : des heures de lecture avant d'écrire un mot

Une revue de littérature sérieuse commence par des dizaines de résultats de recherche. Le chercheur, ou le doctorant qui mène sa première revue systématique, doit ouvrir chaque référence, lire le résumé, parfois le document entier, et décider s'il apporte quelque chose à sa question. Ce tri initial est un travail mécanique et répétitif : on lit pour écarter, pas pour apprendre. C'est aussi l'étape où l'on perd le plus de temps, et celle où un document pertinent passe le plus facilement inaperçu, faute que quelqu'un l'ait ouvert.

Un assistant de recherche IA s'attaque précisément à ce tronçon. Il reçoit la question de recherche, récupère les documents pertinents dans les sources connectées à la bibliothèque et livre une synthèse qui permet de décider en quelques minutes lesquels de ces quarante résultats méritent une lecture complète. Il ne remplace pas la lecture de ce qui sera finalement cité, qui reste la responsabilité du chercheur, mais il réduit considérablement ce qu'il faut lire pour en arriver là.

Pourquoi un assistant de recherche IA n'est pas ChatGPT

C'est la question qui revient le plus souvent quand on présente le service à une direction de la recherche ou à une vice-présidence académique, et elle mérite une réponse technique, pas commerciale.

Un modèle de langage généraliste comme ChatGPT, utilisé sans mécanisme supplémentaire, répond à partir de ce qu'il a mémorisé pendant son entraînement. Quand on lui demande une référence académique, il ne la cherche pas : il la génère par imitation, avec la forme et l'apparence d'une vraie référence, même si l'article n'existe pas ou si les données ne correspondent pas au document cité. Le phénomène est documenté. Dans une étude publiée en 2023 dans Scientific Reports, William H. Walters et Esther Isabelle Wilder ont fait rédiger par ChatGPT de courtes revues de littérature sur 42 sujets pluridisciplinaires, puis vérifié les 636 références obtenues : 55 % des références produites par GPT-3.5 et 18 % de celles produites par GPT-4 étaient inventées. Ce n'est pas une défaillance rare, c'est le comportement attendu d'un modèle qui n'a aucun document réel sous les yeux et à qui l'on demande malgré tout une réponse d'apparence précise.

Un assistant de recherche académique bien conçu fonctionne autrement, parce qu'il procède à une recherche d'information avant de générer sa réponse, ce que la littérature technique appelle RAG (retrieval-augmented generation, ou génération augmentée par la recherche). Il cherche d'abord dans les sources réelles connectées à l'établissement, puis rédige le résumé à partir des documents effectivement récupérés, avec leurs métadonnées réelles. Cette approche réduit nettement la fabrication de références par rapport à un modèle sans recherche, parce qu'elle ancre la réponse dans un texte qui existe plutôt que dans un motif appris. Elle ne l'élimine pas pour autant : le système peut mal interpréter ou déformer le contenu d'une source, même lorsqu'il l'a sous les yeux. Une équipe de l'Université Stanford l'a mesuré en 2024 dans le domaine juridique : des outils commerciaux de recherche juridique dotés d'IA se trompaient moins qu'un chatbot généraliste comme GPT-4, mais produisaient encore des hallucinations dans 17 % à 33 % des cas.

La vérification de chaque citation avant de l'intégrer à un travail académique reste donc la responsabilité du chercheur, et c'est ce que BiblioLabTech dit aux établissements comme aux usagers à chaque déploiement : l'outil réduit le travail, pas la responsabilité.

Il existe une seconde différence, plus pratique : les sources que lit chacun. ChatGPT, dans sa version grand public, n'a aucun moyen de savoir à quelles bases votre université est abonnée ni ce que contient votre dépôt institutionnel. Un assistant de recherche branché sur le métamoteur de la bibliothèque lit exactement cela : le catalogue, le dépôt, les revues de l'établissement sous OJS, les bases sous abonnement et les agrégateurs académiques ouverts que l'établissement a activés. Il répond à partir de la collection que la bibliothèque a payée et sélectionnée, pas du web ouvert, et c'est pourquoi il peut la citer avec précision.

Pour qui est-il conçu ?

Le profil d'usager est précis, et mieux vaut le dire sans généraliser. L'assistant sert les étudiants, du premier cycle au doctorat, qui affrontent leur première revue de littérature sans savoir encore circonscrire une recherche ; les chercheurs et enseignants-chercheurs qui doivent suivre la production de leur domaine sans y consacrer une journée par semaine ; et les bibliothèques universitaires qui veulent offrir un service de référence de haut niveau sans que chaque question dépende de la disponibilité d'un bibliothécaire à ce moment-là. Il n'est pas conçu pour remplacer le directeur de thèse ni le jugement du comité de rédaction d'une revue : c'est un outil de tri et de synthèse, pas d'évaluation scientifique.

Ce que fait concrètement l'assistant

• Des résumés à la mesure du besoin : micro-résumé de pertinence pour trier, résumé exécutif ou résumé détaillé.
• Des résumés ciblés sur la méthodologie, les résultats ou le cadre théorique ; l'angle méthodologique sert par exemple à concevoir sa propre étude.
• Une synthèse de plusieurs documents réunis en une vision cohérente, avec le repérage des tendances et des thèmes émergents dans la littérature.
• Des citations automatiques en APA, MLA et Chicago, construites à partir des métadonnées des sources consultées. Si votre établissement impose une autre norme, comme ISO 690, abordez la question dès le cadrage.
• Un contexte conservé d'une question à l'autre, pour garder le fil de la recherche.

Deux précisions utiles. Quand la notice d'origine a des métadonnées incomplètes, la citation le reflète : la qualité de la description dans le catalogue et dans le dépôt se retrouve donc ici aussi. Côté langues, l'assistant traite des documents en espagnol, en anglais et en portugais et livre la synthèse dans la langue qu'on lui demande, ce qui permet par exemple de travailler sur une littérature anglophone et de recevoir le résumé dans une autre langue ; la citation conserve toujours les données originales de la publication. Pour un corpus largement francophone, faites-en un point de la période de validation avec des usagers réels.

Comment il s'intègre à BiblioMeta Académico

L'assistant de recherche ne fonctionne pas seul : il est intégré à BiblioMeta Académico, le métamoteur pour universités de BiblioLabTech. BiblioMeta Académico est la couche de découverte qui réunit en un seul point de recherche le catalogue, le dépôt institutionnel, les revues de l'établissement sous OJS et les bases de données sous abonnement. L'assistant s'appuie sur cette unification : il transforme la question en langage naturel de l'usager en requêtes spécialisées sur ces sources, récupère les documents pertinents et livre le résumé et les citations.

Cette dépendance explique pourquoi l'assistant répond avec précision là où ChatGPT ne le peut pas. Ce n'est pas qu'il disposerait d'un modèle plus gros ou plus récent : c'est qu'il a un index réel de ce que contient la bibliothèque et de ce que l'établissement paie en abonnements. Sans cette couche de découverte en dessous, n'importe quel assistant d'IA retombe sur sa mémoire d'entraînement, avec les mêmes risques qu'un ChatGPT généraliste.

Dans les projets de BiblioLabTech, l'ordre recommandé à une bibliothèque qui part de zéro est le suivant : d'abord consolider les sources dans le métamoteur de recherche pour bibliothèque, faute de quoi l'assistant n'a rien à lire de façon fiable, puis activer la couche de synthèse et de citation sur cet index. Brûler la première étape est la cause la plus fréquente des pilotes décevants : si le métamoteur ne couvre que la moitié des abonnements de la bibliothèque, l'assistant ne peut répondre qu'à partir de cette moitié. Les usagers qui travaillent hors campus passent, eux, par l'accès distant intégré du métamoteur.

L'assistant est inclus sans surcoût dans chaque intégration de BiblioMeta Académico, car il a besoin des sources connectées pour fonctionner ; pour les établissements qui ont déjà leur propre couche de recherche, l'intégration s'étudie au cas par cas selon ce qu'exposent leurs systèmes. Comptez de sept à dix semaines lorsque les sources sont déjà connectées, période de validation avec de vrais usagers comprise. Si le projet part de zéro, le délai est celui de la mise en œuvre du métamoteur, dont l'assistant n'est qu'une phase.

Ce qu'il ne fait pas, et pourquoi cela fait partie de sa conception

Il vaut la peine d'être explicite sur les limites, car le présenter sans elles serait mal le vendre. L'assistant ne remplace pas la lecture intégrale des documents qui seront cités dans un travail académique : il accélère la décision sur ceux qui méritent cette lecture. Il ne se substitue ni au jugement éditorial ni à l'expertise disciplinaire du chercheur sur la pertinence et la rigueur des sources. Et même s'il travaille sur des documents réels et non sur des inventions du modèle, la vérification finale de chaque citation reste l'affaire de la personne qui signe le travail.

Lors d'un déploiement, BiblioLabTech pose cette attente dès la formation initiale : formation de l'équipe de référence et supports pour les usagers sur ce qu'une personne vérifie toujours, à savoir la correspondance entre la synthèse et le document, les données des citations et la représentativité de l'ensemble analysé. Les universités qui inscrivent cet usage dans leur politique d'intégrité académique obtiennent de bien meilleurs résultats que celles qui se contentent d'ouvrir l'outil. Quant aux données, la finalité, la durée de conservation et le niveau d'identification des requêtes se fixent dans le contrat ; l'historique de recherche des usagers peut être exploité de façon agrégée et anonyme, et c'est ce que BiblioLabTech recommande.

Quand un assistant de recherche IA a-t-il du sens pour votre établissement ?

Il a du sens si votre bibliothèque dispose déjà, ou est en train de construire, un métamoteur qui unifie ses sources sous abonnement ; si les chercheurs et les étudiants de master et de doctorat se plaignent du temps que prend une revue de littérature ; ou si la bibliothèque veut offrir un service de référence disponible en dehors des heures de présence du personnel. Il n'a pas encore de sens si l'établissement n'a pas de bases sous abonnement au-delà d'un catalogue de base : un assistant qui ne peut lire qu'un petit catalogue n'a pas grand-chose à synthétiser, et mieux vaut alors enrichir d'abord la collection numérique avant d'y ajouter une couche d'IA.

Si votre université utilise déjà BiblioMeta Académico ou envisage de le mettre en place, l'assistant de recherche en est le prolongement naturel : il transforme un moteur de recherche unifié en un outil qui lit et résume aussi ce qu'il trouve. Découvrez le service assistant de recherche IA, ou voyez comment un chatbot IA pour bibliothèque prend en charge les questions pratiques des usagers.