Depuis la sortie de ChatGPT fin 2022, certains mots se sont mis à proliférer dans les articles scientifiques : « delve » (creuser, fouiller), « intricate » (complexe), « meticulous » (méticuleux), « showcase » (mettre en valeur). Ces termes ne sont pas anodins : ce sont ceux que les grands modèles de langage privilégient. Leur soudaine sur-représentation dans la littérature savante trahit l'ampleur, désormais mesurable, du recours aux IA génératives pour rédiger. Et au-delà de la fraude, c'est un glissement plus diffus du langage scientifique vers le standardisé, le lisse et l'euphorique qui inquiète les chercheurs.

Détecter l'empreinte des machines sans la voir

Comment savoir qu'un texte a été touché par une IA, alors qu'aucun marqueur n'est apposé et qu'aucun corpus de référence « écrit par une machine » n'existe ? L'astuce trouvée par les chercheurs consiste à ne pas chercher la trace directe, mais l'anomalie statistique. L'équipe de Dmitry Kobak, à l'université de Tübingen, a transposé à la langue le concept épidémiologique de « surmortalité » : plutôt que de tenter de dire si tel article a été généré, elle mesure l'« excès » de fréquence de certains mots après 2022 par rapport à ce que les années antérieures laissaient prévoir.

Appliquée à plus de 15 millions de résumés indexés dans PubMed entre 2010 et 2024, la méthode révèle un basculement net. Les auteurs identifient 379 mots dont la fréquence s'envole brutalement en 2024, et constatent que cet excès de vocabulaire est composé presque exclusivement de mots de « style » — des tournures rhétoriques — et non de mots de « contenu » liés à un sujet de recherche précis (Science Advances, préprint arXiv). C'est précisément la signature attendue d'une réécriture par IA : la machine ne change pas le fond, elle reformule la forme.

Une banalisation chiffrée

Le résultat le plus frappant est l'ordre de grandeur. À partir de cet excès de vocabulaire, l'étude de Kobak estime qu'au moins 13,5 % des résumés de 2024 ont été rédigés avec l'aide d'un modèle de langage, ce chiffre étant un plancher — la borne basse de ce qu'on peut prouver. Dans certains sous-corpus, par pays, discipline ou revue, la proportion grimpe jusqu'à 40 %. Les auteurs soulignent que cet effet dépasse en ampleur celui qu'avait eu la pandémie de Covid-19 sur la littérature biomédicale, pourtant considérable (Science Advances).

Les variations de fréquence de mots isolés donnent le vertige. Entre 2022 et 2024, l'usage de « delve » a bondi d'environ 1 500 %, celui d'« underscore » de 1 000 % et d'« intricate » de 700 %. Dans les textes intégraux, la part d'articles employant « underscore » au moins six fois a augmenté de plus de 10 000 % (analyse multi-bases, arXiv). Une autre étude, menée par Weixin Liang et ses collègues à Stanford sur près d'un million d'articles déposés sur arXiv, bioRxiv et dans les revues du groupe Nature, situe le taux de modification par IA jusqu'à 17,5 % en informatique — la discipline la plus touchée — contre environ 6 % en mathématiques et dans les revues Nature (Nature Human Behaviour).

Du papier à la parole

Le phénomène ne s'arrête pas à l'écrit académique. Une étude du Max Planck Institute for Human Development, conduite par Hiromu Yakura, Levin Brinkmann et Ezequiel López-López, a analysé plus de 740 000 heures de discours humain — issues de centaines de milliers de conférences universitaires diffusées sur YouTube et d'épisodes de podcasts. Elle montre que, quelques mois seulement après la sortie de ChatGPT, les universitaires se sont mis à employer plus souvent à l'oral les mots typiques de l'IA. « Delve » a progressé de 48 %, « realm » de 35 % et « adept » de 51 % dans les dix-huit premiers mois (préprint arXiv, Scientific American).

Ces mots ne se cantonnent pas aux passages scriptés : on les retrouve dans la conversation spontanée. Autrement dit, la boucle se referme. Nous lisons des textes reformulés par des modèles, ces modèles ont été entraînés sur nos textes, et nous finissons par parler comme eux. Une coévolution langue-machine où l'humain absorbe le style de l'outil qu'il croyait maîtriser.

Standardisé, euphorique, et moins précis

Le risque n'est pas seulement quantitatif. Les mots qui prolifèrent partagent une coloration : ce sont des adjectifs évaluatifs et flatteurs. Leur fréquence a explosé — « commendable » environ multiplié par dix, « meticulous » par plus de trente, « intricate » par onze entre 2022 et 2024 selon les comptages d'excès de vocabulaire. Cette tonalité euphorique n'est pas neutre : elle découle en partie de la tendance des modèles à la complaisance, conçus pour satisfaire l'utilisateur. Transposée à un article scientifique, censé peser ses affirmations, cette emphase systématique brouille le signal. Un travail décrit comme « méticuleux » et « remarquable » par défaut perd la valeur d'un jugement qui devrait se mériter.

S'y ajoute une perte de précision. Le vocabulaire spécialisé, propre à une discipline, recule au profit de termes généraux et passe-partout, ce qui appauvrit la diversité lexicale de la littérature. Or la terminologie d'un domaine n'est pas un ornement : c'est l'outil qui permet de distinguer deux concepts voisins. En lissant l'écriture, l'IA risque d'effacer des nuances qui font le cœur du raisonnement scientifique — par exemple en remplaçant un terme assertif par une formulation plus prudente mais aussi plus vague, déplaçant subtilement le sens d'une phrase.

Intégrité, évaluation par les pairs et angles morts

Au-delà du style, l'intégrité de la publication est en jeu. Des sites recensent désormais par centaines des articles publiés contenant des formules trahissant une IA non relue — y compris des amorces de réponse de chatbot oubliées dans le texte final. Plus insidieux : les « hallucinations » des modèles peuvent introduire des citations inventées, difficiles à repérer sans vérification systématique. C'est le même mécanisme de sources peu fiables, reformulées avec aplomb, qui mine la qualité des recommandations produites par les chatbots.

L'évaluation par les pairs n'est pas épargnée : rien n'empêche un relecteur d'utiliser le même outil que l'auteur pour rédiger son rapport, créant un circuit fermé où l'IA évalue ce que l'IA a écrit. Le risque d'un appauvrissement progressif rejoint les inquiétudes sur la dégradation des facultés cognitives liée à la délégation aux outils d'IA, et plus largement sur la façon dont ces technologies peuvent transformer notre rapport au savoir.

Une nuance nécessaire

Il serait pourtant injuste de réduire le phénomène à une dérive. Pour une large part de la communauté scientifique mondiale, l'anglais n'est pas la langue maternelle. Les modèles de langage offrent à ces chercheurs un correcteur et un assistant de rédaction qui peut réduire un désavantage réel : un travail solide pénalisé par une langue imparfaite peut voir ses chances de publication s'améliorer. Plusieurs études notent d'ailleurs que la qualité formelle des textes de non-anglophones progresse avec ces outils (Frontiers).

La question n'est donc pas tant l'usage de l'IA que sa transparence et son dosage. Reformuler une phrase mal tournée n'est pas du même ordre que déléguer la pensée. Le défi, pour les revues comme pour les institutions, est de tracer cette frontière : distinguer l'aide à l'écriture du remplacement de l'auteur, sans pour autant rejeter ceux que la barrière de la langue désavantage. Faute de quoi, c'est tout le langage de la science — son outil le plus précis — qui risque de se diluer dans le ronron poli des machines.