Une équipe de chercheurs américains a développé une technique d’intelligence artificielle capable d’évaluer avec précision le caractère disruptif des publications scientifiques. Le dispositif présenté dans Science Advances, analyse 55 millions d’articles et brevets pour identifier les travaux qui réorientent véritablement la recherche, offrant ainsi un outil potentiel pour orienter les politiques de financement.
La quantification de l’impact scientifique représente depuis des décennies un défi méthodologique majeur, oscillant entre la simplicité des indicateurs bibliométriques traditionnels et la complexité des évaluations qualitatives. Une équipe de chercheurs américains vient de proposer une approche novatrice qui pourrait modifier l’équation. Leur méthode, baptisée « Embedding Disruptiveness Measure » (EMD) pour Intégration d’une mesure de la capacité à bouleverser les habitudes, utilise des techniques d’intelligence artificielle pour cartographier l’ensemble du paysage scientifique et identifier avec une précision inédite les travaux qui modifient véritablement le cours de la recherche.
Une cartographie neuronale de la science
Développée par Sadamori Kojaku de l’Université de Binghamton, en collaboration avec Munjung Kim et Yong-Yeol Ahn de l’Université de Virginie, la technique repose sur l’analyse de plongements neuronaux appliqués à environ 55 millions d’articles scientifiques et de brevets. Chaque publication se voit attribuer deux vecteurs distincts : le premier capture l’héritage scientifique sur lequel elle s’appuie, tandis que le second reflète l’influence qu’elle exerce sur les travaux ultérieurs.
La mesure du caractère disruptif émerge de la divergence entre ces deux représentations vectorielles. Lorsque les vecteurs passé et futur d’un article présentent une orientation radicalement différente, cela signale que la publication a détourné le cours de la recherche de ses trajectoires antérieures. À l’inverse, un travail de consolidation montrerait des vecteurs alignés dans des directions similaires.
Dépasser les limites des indicateurs traditionnels
La méthode répond aux insuffisances persistantes de l’indice de disruption conventionnel, largement utilisé dans les évaluations bibliométriques. L’indice traditionnel s’appuie sur des liens de citation directs et locaux, ce qui tend à regrouper la majorité des articles autour de scores proches de zéro, limitant ainsi sa capacité discriminante.
L’EDM exploite quant à lui l’ensemble de la structure du réseau de citations, captant l’influence indirecte et multigénérationnelle que les indicateurs à un seul niveau ne parviennent pas à saisir. La profondeur d’analyse permet de détecter des phénomènes complexes comme les découvertes simultanées, où plusieurs chercheurs indépendants aboutissent à des conclusions similaires à peu près au même moment.
Lors des tests de validation, la nouvelle méthode a démontré une supériorité significative. Elle s’est révélée bien plus performante pour identifier les articles ayant remporté le prix Nobel et les publications marquantes sélectionnées par l’American Physical Society. Fait notable, l’indice de disruption traditionnel n’a montré aucune capacité statistique à prédire ces catégories une fois le nombre de citations pris en compte, tandis que l’EDM est resté un prédicteur robuste.
Détecter les découvertes parallèles
La capacité à identifier les découvertes simultanées constitue l’une des avancées majeures de cette approche. L’indice traditionnel échoue dans ces situations car les citations mutuelles entre découvreurs parallèles peuvent faire s’effondrer leurs scores respectifs. L’EDM a pour sa part identifié avec succès plusieurs cas emblématiques :
- La découverte parallèle du méson J/ψ en 1974
- Le développement indépendant du mécanisme de Higgs
- La formulation concomitante de la théorie de l’évolution par Charles Darwin et Alfred Russel Wallace
La sensibilité aux phénomènes de convergence scientifique offre une perspective nouvelle sur la dynamique de l’innovation, où des idées similaires émergent simultanément dans différents contextes de recherche.
Perspectives pour la politique scientifique
Les implications potentielles de cet outil dépassent le cadre purement académique pour toucher aux mécanismes de financement et de reconnaissance de la recherche. « En disposant de mesures plus précises, nous pouvons réellement identifier où se produit la rupture dans la carte de la science », explique Sadamori Kojaku. « Cela peut avoir des implications importantes pour la politique scientifique. C’est également utile pour établir les priorités de financement. Nous disposons maintenant de mesures quantitatives pour déterminer à quel stade de la recherche les travaux disruptifs se produisent et ont le plus d’importance. »
L’approche pourrait ainsi contribuer à rééquilibrer les systèmes d’évaluation scientifique, souvent critiqués pour favoriser les travaux incrémentaux au détriment des recherches plus risquées mais potentiellement transformatrices. En offrant une mesure plus fine du caractère disruptif, elle pourrait orienter les décisions de financement vers des domaines où l’innovation est la plus susceptible d’émerger.
