Édition scientifique : sans vérification, pas de confiance
Comment rendre la vérification aussi visible que la publication ? Le nombre d'articles indexés a crû d'environ 47 % entre 2016 et 2022 [1], la relecture repose sur un travail gratuit, et l'IA générative rend le texte plausible presque gratuit. La réponse n'est pas d'ajouter des revues : c'est de vérifier les données et le code de ce qui est publié, avec la même exigence que celle que l'Europe impose désormais aux systèmes d'IA.
De la publication à une preuve vérifiable
- 01IdentifierDOI · auteurs · version
- 02ExécuterDonnées · code · environnement
- 03ComparerRésultat attendu · tolérance
- 04DiscuterHypothèses · limites · transfert
Reproduire un nombre ne démontre pas que le modèle décrit correctement le monde. Ces niveaux répondent à des questions différentes : les documenter séparément évite de transformer un badge ou un dépôt en garantie générale.
| État documenté | Ce que l’on sait | Question encore ouverte |
|---|---|---|
| Accessible | Un lecteur peut obtenir les éléments. | Le calcul fonctionne-t-il ? |
| Exécutable | Le code tourne dans un environnement décrit. | Retrouve-t-on les résultats annoncés ? |
| Reproduit | Une exécution documentée retrouve un résultat dans une tolérance fixée. | Les hypothèses et la méthode sont-elles adaptées ? |
| Validé pour un usage | Des critères scientifiques et un domaine d’application ont été examinés. | Que se passe-t-il hors de ce domaine ? |
Relier les pratiques, sans confondre leurs objectifs
FAIR organise la découverte et la réutilisation ; les licences définissent les permissions ; la reproductibilité permet de vérifier un calcul ; l’AI Act encadre des usages précis de l’IA. RTVACOS situe ce travail dans une réflexion sur l’excellence scientifique. Aucun de ces cadres ne remplace les autres.
Le constat mondial : trop d'articles, pas assez de vérification
- Un volume qui dépasse les chercheurs. Les articles indexés dans Scopus et Web of Science ont augmenté d'environ 47 % de 2016 à 2022, plus vite que le nombre de scientifiques ; une part de cette croissance vient de numéros spéciaux aux délais de relecture raccourcis [1].
- Un marché concentré. Cinq éditeurs publiaient plus de la moitié des articles dès 2013 [2] ; le groupe qui possède le premier d'entre eux affiche une marge opérationnelle ajustée de 34,8 % en 2025 [3].
- Un travail invisible. Les relecteurs ont donné plus de 100 millions d'heures en 2020 [4], sans rémunération et presque sans reconnaissance.
- Une confiance entamée. Plus de 10 000 articles ont été rétractés en 2023, dont plus de 8 000 dans les revues d'un seul éditeur, surtout dans des numéros spéciaux exploités par des fabriques d'articles [5].
- L'IA, interdite plutôt qu'encadrée. Les règles portent sur ce qu'il ne faut pas faire, par exemple l'interdiction de l'IA générative dans l'évaluation des projets aux États-Unis [6], rarement sur ce qu'il faut montrer.
Ce qui existe déjà
| Échelle | Ce qui existe | Ce que cela couvre |
|---|---|---|
| International | Principes FAIR [8] ; mémo de l'OSTP [7] | Données trouvables et réutilisables ; accès immédiat aux articles et aux données des recherches financées par l'État fédéral américain. |
| International | JOSS [9], CODECHECK [10], ReScience C [11], SoftwareX [20] | Relecture ouverte du logiciel ; exécution indépendante du code d'un article ; réplications publiées ; articles de logiciel et crédit aux développeurs (SoftwareX). Ces dispositifs n’offrent pas la même forme de vérification. |
| Europe | Conclusions du Conseil de mai 2023 [12] ; plan d'action pour l'accès ouvert diamant [13] ; Open Research Europe [14] | Accès ouvert immédiat comme norme pour la recherche publique ; édition sans frais pour les auteurs et les lecteurs. |
| Europe | CoARA [15] | Réforme de l'évaluation : reconnaître d'autres contributions que le nombre d'articles, dont la relecture. |
| Europe | AI Act [16] | Pour les systèmes d'IA à haut risque : données, documentation, traces, qualité, suivi après la mise sur le marché. |
| France | Loi pour une République numérique, art. 30 [17] | Droit de déposer le manuscrit accepté en accès ouvert après 6 mois (12 mois en sciences humaines et sociales). |
| France | Plan national pour la science ouverte [18] ; HAL ; Software Heritage [19] | Objectif de 100 % d'articles en accès ouvert en 2030 ; ouverture des codes sources de la recherche ; archivage du code. |
Ces textes ouvrent l'accès. Presque aucun ne demande de vérifier qu'un résultat publié se reproduit à partir de ses données et de son code.
L’AI Act comme point de comparaison, pas comme règlement des articles
L'AI Act demande aux fournisseurs de systèmes d'IA à haut risque une gouvernance des données d'entraînement, de validation et de test (art. 10), une documentation technique (art. 11), la journalisation des événements (art. 12), un système de gestion de la qualité (art. 17) et une surveillance après la mise sur le marché (art. 72) [16]. Ces obligations recoupent certaines pratiques MLOps, sans se confondre avec elles. Un article scientifique, qui peut fonder une décision médicale ou énergétique, relève de règles éditoriales, scientifiques et, selon le domaine, réglementaires différentes : elles ne garantissent pas une réexécution indépendante du code.
Le texte exclut par ailleurs l'IA développée pour la seule recherche (art. 2, § 6). Un fossé peut se creuser : les équipes européennes portent le coût de la conformité dès qu'elles déploient, celles des pays hors du règlement non. L'AI Act reste pourtant essentiel : il contribue à un cadre qui exige une traçabilité continue de la donnée au résultat. La bonne réponse n'est pas de l'alléger, mais d'en appliquer l'esprit à la publication.
En France : un travail d'éditeur qui ne compte pas
La France a l'un des cadres juridiques les plus favorables à l'accès ouvert d'Europe : droit de dépôt d'ordre public, HAL, Software Heritage, un plan national qui inclut les codes sources [17] [18]. Mais éditer une revue, relire, vérifier un code restent presque absents de l'évaluation des carrières, qui compte d'abord les articles. Le travail qui garantit la qualité est celui qui rapporte le moins ; il devient difficile de trouver des éditeurs et des relecteurs, et l'on laisse à d'autres le pilotage des revues de référence.
Ce qui manque
- Vérifier les données et le code de chaque article qui en dépend, comme l'AI Act le fait pour les systèmes d'IA : versions figées, environnement documenté, exécution indépendante, traces conservées.
- Afficher les outils utilisés, IA comprise. Ni interdiction ni silence : une déclaration de ce qui a servi, à quoi, et ce qui a été vérifié par un humain.
- Suivre l'article après sa publication, comme on surveille un système déployé : versions, errata, signalements, liens vers les jeux de données corrigés.
- Reconnaître le travail d'édition et de relecture dans l'évaluation, comme le propose CoARA.
- Relier les cadres : licences du code, données FAIR et AI Act parlent de la même chose, la traçabilité, mais ne se citent pas.
Il ne s'agit pas forcément de créer des revues en plus, mais de changer ce que l'on demande à celles qui existent. Sur ce site, nous cherchons à relier chaque étude à son code et à ses données ; la page L'IA dans la recherche montre comment déclarer les outils, la page Données comment choisir une licence, la page Citer et réutiliser comment créditer.
Sans vérification, pas de confiance
Quand un calcul ne peut pas être réexécuté, sa vérification indépendante reste limitée : il faut expliquer pourquoi et fournir les éléments contrôlables. Les outils pour vérifier existent, l'IA comprise ; ce qui manque, c'est de les rendre normaux, et de reconnaître ceux qui font ce travail.
Questions et réponses
L'édition scientifique va-t-elle si mal ?
Le nombre d'articles indexés a crû d'environ 47 % entre 2016 et 2022, plus vite que le nombre de chercheurs ; la relecture, gratuite, ne suit plus, et plus de 10 000 articles ont été rétractés en 2023, un record.
Faut-il interdire l'IA dans l'écriture et la relecture ?
Non : il faut l'afficher. Comme pour tout autre outil, on déclare ce qui a été utilisé et pour quoi ; ce qui compte est que les résultats soient vérifiés, données et code compris.
Pourquoi parler de l'AI Act à propos d'articles ?
Parce qu'il impose aux systèmes d'IA à haut risque ce qui manque aux articles : gouvernance des données, documentation technique, journalisation, système de gestion de la qualité et surveillance après la mise sur le marché.
Faut-il créer de nouvelles revues ?
Pas forcément. Le manque est dans la vérification et dans la reconnaissance du travail d'édition, pas dans le nombre de titres.
Sources
- Hanson, Gómez Barreiro, Crosetto, Brockington (2024). The strain on scientific publishing. Quantitative Science Studies 5(4). doi.org/10.1162/qss_a_00327
- Larivière, Haustein, Mongeon (2015). The oligopoly of academic publishers in the digital era. PLoS ONE 10(6). doi.org/10.1371/journal.pone.0127502
- RELX (2026). RELX 2025 results. www.relx.com/media/press-releases/year-2026/relx-2025-result
- Aczel, Szaszi, Holcombe (2021). A billion-dollar donation: estimating the cost of researchers' time spent on peer review. Research Integrity and Peer Review 6. doi.org/10.1186/s41073-021-00118-2
- Van Noorden (2023). More than 10,000 research papers were retracted in 2023, a new record. Nature 624. doi.org/10.1038/d41586-023-03974-8
- NIH (2023). NOT-OD-23-149: generative AI prohibited in NIH peer review. grants.nih.gov/grants/guide/notice-files/NOT-OD-23-149.html
- OSTP (2022). Ensuring free, immediate, and equitable access to federally funded research. bidenwhitehouse.archives.gov/wp-content/uploads/2022/08/08-2
- Wilkinson et al. (2016). The FAIR Guiding Principles for scientific data management and stewardship. Scientific Data 3. doi.org/10.1038/sdata.2016.18
- Journal of Open Source Software: open review on GitHub. joss.readthedocs.io/
- Nüst, Eglen (2021). CODECHECK: an open science initiative for the independent execution of computations. F1000Research 10. doi.org/10.12688/f1000research.51738.2
- ReScience C: reproducible replications in computational science. rescience.github.io/
- Council of the EU (2023). Conclusions on high-quality, transparent, open, trustworthy and equitable scholarly publishing (9616/23). european-research-area.ec.europa.eu/documents/council-conclu
- Science Europe, cOAlition S, OPERAS, ANR (2022). Action Plan for Diamond Open Access. doi.org/10.5281/zenodo.6282402
- European Commission. Open Research Europe. open-research-europe.ec.europa.eu/
- CoARA. Agreement on Reforming Research Assessment (2022). coara.eu/agreement/the-agreement-full-text/
- Regulation (EU) 2024/1689 (AI Act). eur-lex.europa.eu/eli/reg/2024/1689/oj
- Loi n° 2016-1321 pour une République numérique, article 30 (art. L533-4 du code de la recherche). www.legifrance.gouv.fr/jorf/id/JORFTEXT000033202746
- Deuxième Plan national pour la science ouverte 2021-2024. www.enseignementsup-recherche.gouv.fr/fr/une-politique-ambit
- Software Heritage, l'archive universelle du code source. www.softwareheritage.org/
- SoftwareX: research software publications and reuse. www.sciencedirect.com/journal/softwarex