L’IA dans la gestion éditoriale : risques réels, usages utiles et décisions qu’elle ne devrait pas prendre à votre place

12 juin 2025

Enthousiasme, peur ou prudence ? Entre promesses d’automatisation et dilemmes éthiques, l’intelligence artificielle redéfinit la manière dont la science est filtrée, évaluée et diffusée. Cet article vous guide — sans effet d’annonce ni alarmisme — à travers les usages actuels de l’IA dans les revues scientifiques, les limites à ne pas franchir et les critères pour décider s’il vaut la peine de l’intégrer à votre flux éditorial.

1. Un manuscrit détecté à 03 h 14

Scène hypothétique conçue pour illustrer la détection sémantique par IA.

Ana, qui passait en revue les soumissions récentes depuis chez elle ce soir-là, reçoit une alerte automatique : un manuscrit tout juste déposé présente 78 % de similarité sémantique avec un preprint chinois non cité. Il n’y a pas de plagiat textuel, mais l’analyse conceptuelle révèle une coïncidence préoccupante. Grâce à cette détection précoce, Ana déclenche une évaluation supplémentaire et évite la publication d’un article en double.

1.1 Du correcteur orthographique à la détection sémantique

2000s: des outils comme Grammarly corrigent la grammaire et le style.
2010s: Turnitin et iThenticate détectent les correspondances textuelles exactes.
2020s: des modèles de langage comme GPT analysent le sens profond du contenu, détectent les équivalences conceptuelles et résument des idées complexes.

1.2 Pourquoi maintenant ? Le contexte qui rend la chose inévitable

Il y a à peine cinq ans, parler d’intelligence artificielle dans une revue scientifique évoquait un laboratoire de la Silicon Valley ou un futurisme éditorial. Aujourd’hui, la réalité est tout autre : les modèles de langage ne sont plus des promesses d’innovation, mais des outils opérationnels dans les universités, les agences d’évaluation et des plateformes comme Scopus ou Crossref. La question n’est plus de savoir si nous utiliserons l’IA, mais comment — et à quelles conditions. Les revues qui anticipent ce changement, l’encadrent et l’intègrent de manière éthique ne gagnent pas seulement du temps : elles renforcent leur réputation éditoriale auprès d’auteurs, d’évaluateurs et de lecteurs de plus en plus exigeants.

1.3 L'IA comme miroir : ce qu'elle révèle de nos processus

L’un des effets secondaires les plus précieux de l’introduction de l’IA dans une revue scientifique est qu’elle oblige à cartographier ce qui se faisait auparavant de façon intuitive ou désordonnée. Pour entraîner un modèle ou automatiser une tâche, il faut d’abord l’expliquer, la documenter et la comprendre. Cet exercice d’introspection technique met souvent en évidence des goulets d’étranglement, des redondances ou des décisions qui dépendaient d’une seule personne. C’est pourquoi, même si l’on choisit finalement de ne rien automatiser, le simple fait d’évaluer la faisabilité de l’IA apporte déjà une clarté opérationnelle. C’est l’occasion de repenser intelligemment des processus qui, pendant des années, ont tenu par inertie ou bonne volonté.

2. Cartographie des processus où l'IA apporte déjà de la valeur

Phase	Tâche	IA aujourd’hui	Bénéfice
Réception	Classification thématique	BERT / GPT	Desk reject 2× plus rapide
Curation	Contrôle des métadonnées	Règles NLP + LLM	XML propre sans intervention humaine
Évaluation	Assistant d’évaluateur	Extractive QA	Détecte l’absence de données clés
Production	Conversion DOCX→XML	Modèles de séquence	Moins d’erreurs dans les balises JATS
Diffusion	Résumés graphiques	Vision‑Language	Altmetric ↑ 25 %

3. Cas illustratifs

3.1 Revista de Salud Pública

Elle a mis en place une classification automatique fondée sur l’IA (services externes de tiers) en 2024 :

Attribution des évaluateurs passée de 9 à 3 jours.
Désaccords éditoriaux n’ont pas augmenté.

3.2 Boletín de Geología Andina

Elle utilise un modèle GPT-4 affiné (fine-tuned) pour générer des résumés visuels :

Altmetric Attention est passé d’une moyenne de 17 à 46.
Partages sur Twitter/X multipliés par 2,3.

4. Risques et dilemmes éthiques

Hallucinations : l’IA peut « inventer » des chiffres.
Atténuation : validation croisée avec les API de Crossref et PubMed.
Biais d’entraînement : les modèles anglocentrés sous-évaluent les thématiques régionales.
Atténuation : utiliser des corpus multilingues et affiner avec des articles locaux.
Confidentialité : manuscrits confidentiels envoyés à des API externes. Atténuation : IA sur site (on-premise) ou accords de traitement des données (DPA).

5. Cadre réglementaire et lignes directrices 2025

Organisme	Exigence	Entrée en vigueur
COPE	Déclarer l’IA dans la section Méthodes	2023
SciELO	Politique publique en matière d’IA	2025
EU AI Act	Classification des risques	2026 (prévu)

6. Mise en œuvre responsable en 4 phases

Cartographie des processus: identifiez les tâches répétitives susceptibles d’être automatisées.
Pilote limité: choisissez un module (par ex. la détection d’images).
Évaluation multidimensionnelle: temps gagné, taux d’erreur et perception des utilisateurs.
Politique évolutive: un document que vous mettez à jour chaque semestre avec de nouvelles garanties.

Liste d’autoévaluation

L’IA accède-t-elle aux manuscrits complets en dehors des serveurs de la revue ?
Existe-t-il un mécanisme de recours pour les auteurs ?
Les journaux de prompts et de réponses sont-ils vérifiés ?

7. FAQ essentielle

L’IA peut-elle décider de l’acceptation finale d’un article ?

Non. L’intelligence artificielle peut aider dans des tâches techniques ou de présélection, mais la décision éditoriale doit rester humaine.

Ai-je besoin de développeurs en interne pour mettre en place des solutions d’IA ?

Pas nécessairement. Certaines plateformes — comme Index — intègrent déjà des fonctionnalités d’IA prêtes à l’emploi et peuvent proposer un accompagnement personnalisé selon vos ressources et vos objectifs.

L’IA peut-elle commettre des erreurs graves ou « halluciner » des informations ?

Oui. Les modèles de langage peuvent générer des données erronées ou des affirmations non vérifiées s’ils sont utilisés sans contrôle. Il est donc essentiel de toujours vérifier leurs résultats et de les combiner avec des sources validées comme Crossref ou PubMed.

Quelles tâches peut-on déléguer à l’IA sans risque éthique ?

Des tâches mécaniques ou répétitives comme la classification thématique, la détection de métadonnées incomplètes, la validation de base de la structure, la conversion de formats ou la création de résumés graphiques. Elle ne doit jamais remplacer le jugement scientifique.

Existe-t-il des politiques internationales encadrant l’usage de l’IA dans les revues scientifiques ?

Oui. COPE (2023) exige de déclarer l’usage de l’IA dans les méthodes. SciELO prépare une politique spécifique pour 2025 et l’Union européenne appliquera l’AI Act en 2026. Tous s’accordent sur des principes clés : transparence, contrôle humain et protection des données.

Que se passe-t-il si un auteur ne souhaite pas que son manuscrit soit traité par IA ?

Certaines revues permettent à l’auteur de l’indiquer dans sa lettre de présentation. Dans tous les cas, il convient d’indiquer clairement quels processus utilisent l’IA, dans quel but et comment la confidentialité est protégée.

Quel impact sur le travail de l’éditeur ?

Bien utilisée, l’IA ne remplace pas l’éditeur : elle lui fait gagner du temps. Elle automatise les tâches opérationnelles pour qu’il se concentre sur ce qu’aucune machine ne fait bien : évaluer la qualité scientifique, mettre les résultats en contexte et prendre des décisions stratégiques.

8. Conclusion pratique

L’intelligence artificielle ne remplace pas le jugement éditorial : c’est un outil qui, bien appliqué, libère du temps et de l’énergie pour ce qui reste irremplaçable — l’évaluation critique, contextuelle et humaine des connaissances scientifiques.

Vous souhaitez concevoir un pilote d’IA éditoriale respectueux de l’éthique et de votre budget ? Planifiez un appel exploratoire de 25 minutes avec notre équipe et obtenez gratuitement un rapport de faisabilité.