L’IA et l’avenir de la recherche économique : de Galilée à Socrate
Date : 16 septembre 2026
Depuis des siècles, les innovations technologiques ont transformé notre façon de mener la recherche. L’imprimerie a réduit le coût d’accès et de diffusion des connaissances, permettant la création des premières revues scientifiques. En économie, les innovations technologiques ont orienté la discipline vers une approche plus computationnelle et axée sur les données. Ces évolutions ont permis de réduire le coût du calcul, de diminuer le coût des données et d’automatiser le travail fastidieux, libérant ainsi du temps pour les chercheurs. Depuis le début des années 1980, le volume annuel des documents de travail du CEPR et du NBER a été multiplié par huit, tandis que les soumissions aux revues de premier plan ont doublé depuis 1990.
L’IA est désormais perçue comme un catalyseur pour la recherche. Elle pourrait améliorer la communication et le partage des recherches, contribuant ainsi à diffuser plus rapidement les connaissances, un enjeu crucial pour les institutions politiques.
La contrainte de validation et la concentration
Cependant, l’IA pourrait également exacerber les défis existants dans la profession. Le temps nécessaire pour publier dans les meilleures revues d’économie a doublé depuis les années 1970, en raison d’une tendance croissante à exiger des révisions approfondies. Bien que l’IA réduise le coût marginal de la production de recherche, cela ne diminue pas nécessairement le temps et le coût de l’évaluation par les pairs. En effet, la charge sur les rédacteurs en chef et les évaluateurs pourrait s’accroître, surtout lorsque l’IA génère des résultats plausibles mais inexacts.
Avant même l’avènement de l’IA, des signes indiquaient que le processus de publication était déjà sous pression. La communauté scientifique a commencé à utiliser des documents de travail pour diffuser des recherches avant leur validation formelle, ainsi que des plateformes comme Substack et les réseaux sociaux pour une diffusion plus rapide. Bien que ces canaux augmentent le volume de connaissances, ils risquent d’uniformiser le paysage de la publication, augmentant ainsi le volume sans nécessairement approfondir les analyses.
L’IA pourrait également accroître la concentration dans le domaine de la recherche. Les modèles avancés nécessitent des coûts fixes élevés, créant des économies d’échelle qui favorisent les universités et instituts bien dotés au détriment des jeunes chercheurs et des institutions moins bien financées.
Ce que les institutions devraient faire
Il est crucial de ne pas ralentir l’adoption de l’IA, car les gains d’efficacité sont prouvés. Les institutions doivent s’adapter aux nouvelles réalités. Par exemple, l’IA pourrait aider à accélérer le processus d’évaluation par les pairs, comme l’explorent actuellement des partenariats avec l’American Economic Association et l’Econometric Society.
L’économie devrait également s’inspirer d’autres disciplines. Le processus de publication en économie est en moyenne deux fois plus lent que dans les autres sciences sociales et quatre fois plus que dans les sciences naturelles. Pour faire face à ces défis, il est nécessaire de renforcer la transparence en imposant des exigences strictes pour la publication de données et de méthodologie dès le stade des documents de travail.
Un changement de donne ?
L’IA pourrait-elle modifier la structure même du processus scientifique ? Depuis des siècles, la science repose sur un cycle stable : observer, émettre des hypothèses, prédire, tester et réviser. Cependant, l’IA pourrait brouiller la distinction entre observation et modélisation. Par exemple, AlphaFold prédit la structure 3D d’une protéine sans fournir d’explication causale, ce qui soulève des questions sur la nature de la recherche scientifique.
Alors que l’IA améliore la prédiction, elle pourrait également créer un fossé entre prédiction et explication. La capacité humaine de douter et de reconnaître ses propres limites pourrait devenir essentielle dans un monde où les machines génèrent des réponses sans nuance.
Ainsi, le rôle des chercheurs pourrait évoluer, se concentrant davantage sur la formulation des bonnes questions, à l’image de Socrate, plutôt que sur la simple recherche de réponses.
Source : Telos
