Au quotidien, j’utilise de plus en plus l’IA comme un assistant. Ce n’est pas quotidien comme usage, mais c’est régulier, au moins quelques fois par semaine. C’est exactement comme si j’avais à ma disposition pleine et entière une équipe de chercheurs juniors dévoués et hyper travaillant. Personnellement, j’utilise Copilot et Gemini. Le premier m’est fourni en mode Premium par mon employeur et le second je paie annuellement en mode Plus. J’aime en avoir deux parce que je les mets souvent en opposition/compétition. Je leur demande des tâches similaires et je compare. Ou encore, je confronte l’un avec les idées de l’autre. J’utilise plusieurs IA comme si j’avais une équipe d’assistants!
Soyons honnête, le fait que j’aie la chance d’avoir à ma disposition deux IA avec des comptes payants qui donnent quelques privilèges est un énorme avantage. Plusieurs ne le réalisent pas, mais je suis convaincu qu’on ne peut pas faire tout ce que je fais avec mes IA si on a accès seulement à des comptes gratuits. Les comptes gratuits, donnent de bonnes réponses… Mais rarement d’excellentes réponses! D’abord il y a des limites d’utilisation qui te contraignent dans ton interaction avec l’outil et empêchent parfois de pousser la discussion aussi loin que nécessaire. Ensuite, il y a la forme des réponses et l’historique. Mes assistants IA savent que je suis chercheur et professeur. Ils se souviennent que j’ai préparé des cours et des conférences sur l’IA. Ils sont informés que je travaille souvent avec le milieu. Ils savent que je ne veux pas être flatté inutilement et que je m’attends plutôt d’eux qu’ils se comportent de manière critique. Il y a toujours des restants de mauvaises habitudes, mais leurs réponses ne sont plus celles d’il y a un an! Elles sont souvent plus ancrées dans mon contexte et, dans le doute, elles me questionnent et vérifient.
Considérant le processus de recherche, l’une des premières tâches avec laquelle l’IA peut aider un chercheur est la précision de la problématique et de la question de recherche. Comme avec toutes les technologies, je crois qu’il y a cependant une bonne et une moins bonne manière de faire… C’est un principe de base de la technologie éducative. Voici quelques exemples:
Un chercheur peut d’abord utiliser l’IA pour explorer un sujet et faire du débrousaillage. L’idée, ici, est de s’engager dans un processus de définitions de concepts et d’exploration qui permette de descendre plus rapidement et efficacement dans l’entonnoir et d’accélérer la prise de contact avec le contexte. Un chercheur peut alors demander à une IA:
Agis comme un chercheur expert en sciences de l'éducation. Je m'intéresse au thème de [insérer le thème, ex: l'abandon scolaire au cégep], mais je connais peu la recherche à ce sujet. Identifie les 5 grands courants théoriques, concepts clés ou variables fréquemment étudiés en lien avec ce thème. Présente-les sous forme de tableau.Ou encore:
Quels sont les 10 termes ou mots-clés incontournables (en français et en anglais) que je devrais utiliser dans les bases de données (comme Scopus ou Érudit) pour chercher des articles sur ce sujet ?Cela accélèrera massivement le processus d’immersion initiale tout en diminuant le risque de se sentir submergé par un flot de théories, de concepts et de vocabulaires que l’on ne maitrise pas. Par contre, en déléguant ainsi le premier contact avec la littérature ou ce que l’on pourrait nommer la lutte avec le texte, le chercheur risque de développer l’illusion de compréhension et de maitrise du sujet qui soit basée sur le travail générique, automatique et peu supervisé d’un outil qui connait parfois des défaillances. Par exemple, ces outils tendent à reproduire les consensus et à lisser le champ de ses controverses. Le chercheur pourrait aussi se placer dans une position où il choisi de s’appuyer sur des courants théoriques mal attribués ou dont il ne connait pas vraiment les fondements épistémologiques. Pour éviter cela, le chercheur devrait probablement éviter les outils génériques comme Gemini, Copilot ou ChatGPT et utiliser des RAG comme Consensus, Elicit, Perplexity (en mode « universitaire » – c’est en haut à droite dans l’interface actuel) ou NotebookLM (après avoir ajouter quelques articles pertinents).
Avec Consensus, Elicit ou Perplexity, le chercheurs peut ainsi identifier rapidement plusieurs sources à considérer et commencer son approfondissement, mais j’y reviendrai plus tard. Avant, il y a d’autres stratégies que le chercheurs peut déployé. Cette fois, c’est pour mieux cibler l’angle d’attaque de sa problématique ou choisir par quel coté il l’abordera. L’IA sert de partenaire de remue-méninges et facilite la transition d’un thème trop large à un problème plus spécifique. Elle peut aussi aider le chercheur à explorer et tester plusieurs avenues AVANT de s’engager dans la lecture ou l’exploration de dizaines de textes. Les exemples de prompts suivant peuvent servir dans ce contexte:
Parmi les concepts que nous venons de discuter, je suis particulièrement intéressé par l'intersection ou le lien entre [Concept A] et [Concept B]. Prends en compte la littérature scientifique et suggère 3 angles d'attaque ou sous-problèmes précis qui relient ces deux concepts dans un contexte éducatif.Pour l'angle d'attaque suivant [insérer l'angle], quels sont les principaux cadres théoriques à maitriser pour être en mesure de comprendre la littérature scientifique spécifique?Pour l'angle d'attaque suivant [insérer l'angle], quels seraient les principaux défis logistiques, éthiques ou méthodologiques à prendre en compte selon la littérature scientifique ?La problématisation étant l’un des noyaux de la recherche scientifique, il faut ici faire attention que l’IA ne prive pas le chercheur de son agentivité. C’est un risque réel et important. L’IA ne doit pas dicter les choix… Le chercheur ne doit pas devenir un simple exécutant. Il y a aussi un risque que l’IA pousse le chercheur dans une mauvaise direction parce qu’elle a tendances à aplanir les différents et à augmenter l’importance des consensus. Le chercheur pourrait passer à côté d’une bonne piste ou être pousser sans le savoir dans une mauvaise direction… Pour empêcher que ça se produise, je suggère d’utiliser une stratégie qui consiste à inverser les rôles et de donner à l’IA le rôle d’un interviewer.
Agis comme si j'étais étudiant au doctorat et que tu étais mon directeur de recherche. Je m'intéresse à [Sujet]. Pose-moi une seule question à la fois, difficile et réflexive, pour m'aider à préciser mon angle d'attaque en fonction de mon expérience de chercheur débutant. Attends ma réponse avant de poser la suivante. Ne me donne jamais la réponse. Continue le processus jusqu'à ce que je sois en mesure de formuler une question de recherche acceptable pour un chercheur.Une autre stratégie qui permet de raffiner une question de recherche ou ses objectifs de recherche consiste à utiliser l’IA comme un comité éthique ou un évaluateur externe.
J'envisage la question de recherche suivante : "[Insérer l'ébauche]". Évalue cette question en utilisant les critères FINER (Faisable, Intéressante, Novatrice, Éthique, Pertinente). Sois critique et donne-moi une rétroaction pédagogique et structurée.Ma question de recherche est : "[Insérer la question]". Quels verbes d'action ou quelles formulations alternatives la rendraient plus mesurable ou plus spécifique pour une recherche [qualitative / quantitative] ? Propose 3 reformulations en expliquant les avantages de chacune par rapport à ma question initiale.Ici, l’IA procure un avantage concret au chercheur. Il peut recevoir une rétroaction immédiate et l’oblige à réfléchir à l’opérationnalisation. D’un autre coté, cela évite la charge cognitive liée à l’écriture et à la précision sémantique associés à une bonne question de recherche ou de bons objectifs de recherche. Un jeune chercheur, par exemple, peut passer à côté d’apprentissages intéressants. Il est aussi facile pour le chercheur de choisir quelque chose qui sonne bien, mais qui s’éloigne un peu de l’intention initiale ou qui n’ait pas tout à fait la bonne portée du point de vue de la recherche… Aussi, la nature des outils d’IA les pousse à favoriser certaines structures de phrases plus positivistes et linéaires. On peut ainsi s’éloigner d’approches critiques, qualitatives ou simplement émergente.
Comme chercheur, je suggère ici que l’on conserve le fardeau de la rédaction de la question et des objectifs. Comme je l’ai laissé entendre plus haut, à mes yeux ce sont « des noyaux de la recherche scientifique ». Une meilleure approche serait probablement d’utiliser l’IA comme un critique. Le prompt devient alors plus quelque chose comme ceci:
Identifie trois failles, ambiguïtés ou biais méthodologiques dans ma formulation. Ne me propose aucune réécriture. Explique simplement pourquoi ma formulation actuelle pose problème.Par la suite, le chercheur doit trouver des références… Mais surtout, il faut les lire!!!! Ce sera ma prochaine réflexion: « Comment utiliser l’IA pour faciliter la lecture ou la digestion d’articles scientifiques par le chercheur? »
