L'intelligence artificielle va impulser une transformation de l'évaluation de la recherche.

Repenser le financement de la recherche : comment l'intelligence artificielle pousse à l'évolution des systèmes d'évaluation

Au cours des dernières décennies, l'hypothèse centrale du système de financement de la recherche était que les propositions écrites reflètent fidèlement la qualité des idées de recherche et les compétences des candidats. L'émergence de l'intelligence artificielle a complètement ébranlé cette hypothèse. Lorsqu'un nombre croissant de candidatures sont générées à l'aide d'outils d'IA, les bailleurs de fonds auront du mal à distinguer les contributions du chercheur lui-même de celles de la technologie utilisée. Lorsque ce phénomène se généralisera, la capacité de discernement du système d'évaluation sera confrontée à une crise logique fondamentale.

La gestion de la demande n'est qu'une mesure provisoire

Face à l'augmentation du nombre de candidatures, les agences de financement ont d'abord pensé à des outils de gestion de la demande : limiter les resoumissions, fixer des plafonds de candidatures, mettre en place des processus d'évaluation en deux phases. Ces mesures permettent de gagner du temps, mais elles ne résolvent pas le problème central : à l'ère de l'IA, quels traits les bailleurs de fonds souhaitent-ils identifier et soutenir ?

Actuellement, de nombreuses propositions de financement mettent encore l'accent sur les résultats escomptés, bien que la recherche elle-même soit pleine d'incertitudes. Cela encourage une spécificité et des promesses excessives, et l'IA amplifie encore cette tendance en générant des récits plus convaincants et mieux adaptés aux préférences des bailleurs de fonds.

Un recentrage de l'évaluation

Un modèle de financement plus résilient devrait accorder davantage d'attention aux dimensions qui ne sont pas facilement optimisables par l'IA : la rigueur méthodologique, les compétences pertinentes, la pensée réflexive et les voies crédibles de réalisation de l'impact. Ces dimensions nécessitent des preuves contextuelles, du jugement et un dialogue, qui explorent en profondeur comment la recherche sera menée et comment le chercheur agira.

Cette orientation rejoint les initiatives déjà existantes dans le domaine de la réforme de l'évaluation de la recherche. Des alliances telles que CoARA et DORA ont déjà proposé que l'évaluation doit porter à la fois sur les processus et les résultats, reconnaître les contributions multiples et abandonner les indicateurs proxy qui faussent les comportements. Le rôle de l'IA est de donner une nouvelle urgence à la traduction de ces principes dans la conception du financement.

Dans la pratique, le CV narratif permet aux candidats de présenter leurs contributions de manière plus contextualisée, et les évaluateurs peuvent ainsi porter un jugement plus complet. Les cadres de compétences fournissent des outils pour évaluer le leadership, la capacité de collaboration et la pensée réflexive. Au niveau institutionnel, les évaluations formatives telles que l'accord d'évaluation stratégique néerlandais sont beaucoup moins exposées aux risques liés à l'IA que les méthodes reposant sur des indicateurs ou des évaluations par les pairs à grande échelle.

L'évolution du processus d'évaluation

Le processus d'évaluation lui-même peut également être réformé autour de ce nouveau cadre. Inviter des responsables de la gestion de la recherche à rejoindre les comités d'évaluation permet d'apporter des informations précieuses sur la faisabilité et la gestion financière. Faire participer les bénéficiaires de la recherche à l'évaluation aide à confirmer si les déclarations sur l'engagement et l'impact sont crédibles. Les entretiens, bien que gourmands en ressources, permettent aux évaluateurs de mieux comprendre la capacité de réflexion, les compétences de collaboration et le style de leadership du candidat, aspects que les textes écrits ne peuvent transmettre.

Plus important encore, cette transformation ne doit pas se limiter aux candidatures de financement, mais doit également s'étendre aux systèmes de recrutement et de promotion des institutions.

Réduire la fréquence des évaluations### Réduire la fréquence des évaluations

Une autre question clé réside dans la fréquence à laquelle les individus sont évalués. Les systèmes basés sur un financement fréquent de projets concurrentiels amplifient les distorsions induites par l’IA. En offrant des financements à plus long terme, en élargissant les financements de type fonds pour les chercheurs, ou en augmentant les subventions globales aux institutions, réduire la fréquence des évaluations individuelles contribue à rétablir l’équilibre.

Des idées plus radicales – comme le revenu de base des chercheurs – restent controversées, mais leur valeur réside dans le fait qu’elles obligent à réfléchir : combien de filtrages sont nécessaires, et combien ne sont que des sous-produits de la conception du système plutôt que des besoins réels de la recherche.

Une question inévitable

Un sujet sensible revient souvent dans les discussions internes des organismes de financement : l’IA jouera-t-elle un rôle dans le filtrage ou le classement des candidatures ? Éviter cette question est inutile ; on peut prévoir que les acteurs commerciaux explorent déjà des solutions d’évaluation assistée par l’IA. Si l’IA entre dans ce domaine, la question clé sera de savoir qui la dirigera. Une exploration menée par la communauté académique, fondée sur les principes de transparence, de responsabilité et d’évaluation responsable, donnera un résultat très différent d’une solution dictée par le profit, imposée parce que les organismes de financement ne savent pas comment agir.

Conclusion

Les perturbations apportées par l’IA sont souvent décrites comme une crise à gérer. Mais on peut aussi les considérer comme un mécanisme contraignant, qui expose des défauts persistants et crée un espace politique et institutionnel pour le changement. Des initiatives de réforme telles que DORA et CoARA ont déjà établi des orientations d’évaluation davantage axées sur la qualité, l’intégrité et l’inclusion. Le défi consiste désormais à concevoir des mécanismes de financement capables de mettre en œuvre ces principes à l’ère de l’IA.

*Cet article est basé sur un article d’opinion de Karen Stroobants publié sur Research Professional News.*