Le discours vendeur promettait une science « plus rapide, meilleure, moins chère » grâce à l'intelligence artificielle. Holden Thorp, rédacteur en chef de la revue Science, observe l'inverse : selon lui, l'IA générative rend aujourd'hui l'édition scientifique « plus lente, de moins bonne qualité et plus chère ». Un renversement qui résume la crise silencieuse que traversent les revues savantes, submergées par des articles produits en série et contraintes de rajouter de l'effort humain là où on leur avait promis de l'automatisation.

Un titre-programme qui inverse la promesse

La formule est signée Holden Thorp, chimiste et rédacteur en chef de la famille de revues Science (éditée par l'AAAS), l'une des publications les plus prestigieuses au monde. Elle a d'abord été relayée en français par Next, qui traduit le titre d'un de ses éditoriaux : « Slower, worse, and more expensive ». Le renversement est volontaire. Depuis trois ans, les promoteurs de l'IA martèlent que la technologie va rendre la recherche « faster, better, cheaper ». Thorp constate exactement le contraire dans son propre atelier.

Son argument est simple et contre-intuitif. Les grands modèles de langage produisent bien davantage de textes, mais ces textes contiennent aussi davantage d'erreurs : « hallucinations », citations fabriquées, données choisies de façon opportuniste. Or chaque erreur potentielle doit être vérifiée par un humain. Les outils qui détectent les fausses références ou les tournures absurdes ne suppriment pas le travail : ils en génèrent. « L'utilisation de l'IA et l'évaluation de ses résultats exigent davantage d'effort humain, pas moins », résume-t-il dans son éditorial de début 2026, « Resisting AI slop ». Autrement dit, l'automatisation déplace l'effort plutôt qu'elle ne le supprime.

L'analogie du taylorisme

Pour expliquer pourquoi il ne croit pas au « cette fois-ci, c'est différent », Thorp convoque sa propre expérience d'universitaire. Sur son blog personnel, dans un billet intitulé « Hating and loving AI in 2026 », il rappelle trois décennies de « révolutions » technologiques promises comme libératrices — MOOCs, dossiers médicaux électroniques, progiciels de gestion intégrés. À chaque fois, le même refrain des vendeurs : vous ferez plus avec moins. Et à chaque fois, le même résultat : on faisait effectivement plus, mais au prix de sommes considérables d'installation et de personnel supplémentaire pour faire tourner les systèmes.

Le parallèle historique qu'il file est celui du taylorisme, l'organisation « scientifique » du travail théorisée par Frederick Winslow Taylor au début du XXe siècle. Comme le chronomètre de l'usine, l'IA promet des gains de productivité mais tend surtout à intensifier la surveillance et la cadence des travailleurs — souvent les moins bien payés. Appliquée à l'édition scientifique, la logique produit un flot d'articles à contrôler qui épuise des équipes déjà tendues, sans améliorer la connaissance produite.

Un « tsunami » de soumissions

Ce diagnostic ne relève pas de la seule intuition d'un éditeur. Le volume de manuscrits soumis explose. La revue Organization Science a par exemple mesuré une hausse de 42 % de ses soumissions depuis le lancement de ChatGPT, avec des textes plus jargonneux, plus difficiles à lire et plus souvent rejetés que les articles écrits par des humains. Les plateformes de préprints encaissent le choc de plein fouet : fin 2025, arXiv a durci sa modération pour la section informatique, en exigeant désormais que les articles de synthèse et les « position papers » aient passé une évaluation par les pairs avant d'être déposés. Motif assumé : les modérateurs se noyaient sous des centaines de revues de littérature mensuelles, souvent générées par IA, qui ne sont guère que des bibliographies commentées sans idée neuve. « Nous n'avons pas les ressources de modération pour examiner ces soumissions et distinguer les bonnes des mauvaises », a reconnu l'un d'eux, l'informaticien Thomas Dietterich.

Le maillon de l'évaluation par les pairs, déjà bénévole et sous tension, se grippe. Certaines études estiment que l'usage de l'IA par les relecteurs eux-mêmes a bondi ces dernières années, une partie des rapports d'évaluation étant désormais partiellement rédigés par des modèles de langage. On se retrouve alors avec des textes produits par IA, relus par IA, dans une boucle où l'expertise humaine se dilue précisément là où elle devrait trancher.

Quand la fraude passe à l'échelle industrielle

Derrière le « slop » (ce contenu médiocre produit en masse) se profile un problème plus grave : les « paper mills », ces usines à articles qui vendent des publications clés en main à des chercheurs sous pression du « publier ou périr ». L'IA générative leur offre un formidable accélérateur. L'ampleur du phénomène est déjà documentée : entre 2022 et 2024, l'éditeur Wiley a dû rétracter plus de 11 000 articles de son portefeuille Hindawi, la plus vaste opération de retrait de l'histoire de l'édition académique, largement alimentée par ces fraudes assistées par IA. Des dizaines de milliers d'autres articles suspects ont été reliés à des officines organisées.

Les éditeurs répliquent par leurs propres outils — analyse de réseaux, vérification des références, détection de « tortured phrases » (ces paraphrases absurdes du type « surface region » à la place de « surface area », repérées dans des dizaines de milliers de textes). Mais, comme le souligne Thorp, chaque signalement automatique renvoie à un humain la charge d'interpréter et de trancher. La lutte contre la pollution de la littérature devient elle-même coûteuse en temps et en argent.

Le pari de Thorp : la curation humaine comme rempart

Thorp n'est pourtant pas un technophobe. Il reconnaît volontiers ce que l'IA apporte de bon : repérer un plagiat, détecter une image trafiquée, vérifier que les données d'un article sont bien accessibles. Science s'est d'ailleurs associée à l'entreprise DataSeer pour contrôler le respect des politiques de partage de données — un examen qui a montré que, sur environ 2 680 articles publiés entre 2021 et 2024, quelque 69 % avaient effectivement partagé leurs données. L'IA peut donc élever la qualité, à condition de rester un outil au service d'un jugement humain.

Sa conclusion tient dans une formule qui prend le contre-pied de l'air du temps : « la science curée par des humains devient plus importante, pas moins ». Une petite rédaction capable de consacrer beaucoup d'attention à chaque article, dit-il, constitue le meilleur rempart contre l'accumulation de contenu douteux. C'est aussi un argument stratégique pour une revue d'élite : à l'heure où le contenu de basse qualité devient quasi gratuit à produire, la valeur se déplace vers le tri, la vérification et la réputation.

Le paradoxe est là, et il dépasse le seul cas de Science. On avait vendu l'IA comme la machine qui allait libérer les chercheurs des tâches ingrates. Elle risque au contraire de les enchaîner à une tâche nouvelle et sans fin : vérifier des textes qu'aucun humain n'a vraiment écrits. Ce débat sur la place — et les limites — des modèles de langage dans la production du savoir rejoint directement les inquiétudes déjà exprimées autour de l'IA générative et du langage des publications académiques. Le même bras de fer se joue, sur un autre terrain de l'édition, du côté du livre : le Syndicat national de l'édition y dénonce des opérateurs d'IA « en infraction permanente ». Pour Thorp, la réponse n'est ni le rejet ni l'enthousiasme béat, mais la lucidité : mesurer ce que la technologie coûte réellement, avant de croire qu'elle nous fait gagner du temps.