"Les taxonomies fournissent l'échafaudage essentiel qui permet aux systèmes d'intelligence artificielle d'organiser, d'interpréter et de tirer un sens de données complexes ; sans structures taxonomiques robustes, l'IA risque de devenir une boîte noire avec un pouvoir explicatif et une fiabilité limités. " Perplexity/IA

Préambule

La taxonomie de l'IA est un système de classification structuré qui catégorise les technologies d'intelligence artificielle en fonction de leurs capacités, de leurs fonctions et de leurs domaines d'application .

Quelle est la signification de la taxonomie?

Systèmes de classification dans les modèles d'IA

Taxonomie et IA semblent être un match parfait. Clair, l'un des aspects fondamentaux de la taxonomie est le système de classification, que les modèles d'IA utilisent de plus en plus. L'IA et, en particulier, l'apprentissage automatique, comme prévu lorsque vous commencez à lire à ce sujet, reposent souvent sur des structures hiérarchiques pour catégoriser les données. Ces structures sont presque des jumeaux siamois des rangs taxonomiques en biologie, qui comprennent domaine, royaume, phylum, classe, ordre, famille, genre et espèce.

Pour peindre un tableau plus clair, en reconnaissance d'image, un modèle d'IA pourrait classer les images en fonction d'une taxonomie hiérarchique de caractéristiques visuelles. Ce processus impliquerait que la classification commence par des catégories générales comme les animaux et les plantes jusqu'aux espèces spécifiques. Évidemment, cette approche hiérarchique aide les systèmes d'IA à traiter l'information complexe de manière plus efficace. En éliminant toute trace de chaos dans les données, les systèmes d'IA sont capables de faire des classifications plus précises et fiables. Si les modèles d'IA structurent leurs données dans un format taxonomique, ils seront sûrement en mesure d'apprendre et de faire des généralisations à partir des données. Les résultats finaux sont une amélioration des performances dans plusieurs tâches telles que : le traitement du langage naturel, la détection d'objets et les systèmes de recommandation.

https://www.bureauworks.com/fr/blog/quelle-est-la-signification-de-la-taxonomie

GAIDeT : une taxonomie pratique pour déclarer l'utilisation de l'IA dans la recherche et la publication

25 août 2025 • Science et société •

https://www.leidenmadtrics.nl/articles/gaidet-a-practical-taxonomy-for-declaring-ai-use-in-research-and-publishing

Libre d'accès

La transparence de l'utilisation de l'IA dans le milieu universitaire est essentielle pour les auteurs, les éditeurs, les évaluateurs, les lecteurs et les modérateurs de dépôts.

Cet article de blog présente GAIDeT, une taxonomie pour la divulgation structurée de l'utilisation de l'IA générative (IAG) dans la recherche et la manière dont elle instaure la confiance sans alourdir la charge de travail des parties prenantes.

Les outils d'intelligence artificielle générative (IAG) comme ChatGPT s'imposent de plus en plus dans la recherche et la publication scientifique. Cette tendance pose un défi urgent : comment les universitaires peuvent-ils divulguer explicitement l'utilisation de l'IA dans leurs processus de recherche ?

À l'heure actuelle, de nombreuses informations sont soit trop vagues (par exemple, « Nous avons utilisé ChatGPT pour plus de clarté »), soit totalement absentes. Un tel manque de précision peut nuire à la transparence et à la reproductibilité, rendant plus difficile pour les lecteurs, les évaluateurs et les éditeurs d'évaluer la contribution de l'IA aux travaux. Pour répondre à ce défi, nous avons développé une nouvelle approche visant à standardiser la communication des chercheurs sur leur utilisation de l'IA.

Qu'est-ce que GAIDeT ?

GAIDeT (Generative Artificial Intelligence Delegation Taxonomy) est l'acronyme de « Generative Artificial Intelligence Delegation Taxonomy ». Ce cadre a été créé pour aider les chercheurs à décrire formellement toute assistance reçue de l'IA lors de leurs recherches ou de leurs publications.

Contrairement à d'autres approches, telles que la taxonomie CRediT (axée sur les rôles des auteurs humains) ou la taxonomie d'utilisation de l'IA du NIST (couvrant les fonctions de l'IA dans des domaines généraux), GAIDeT est spécifiquement conçu pour documenter la délégation de tâches à l'IA dans les flux de recherche. Il associe le stade de la recherche au rôle précis joué par l'IA, tout en garantissant que la responsabilité incombe toujours au chercheur humain. GAIDeT fournit une liste de contrôle structurée permettant de divulguer ce qui a été délégué à l'IA, à quel stade, comment ses résultats ont été utilisés et la version de l'IA employée.

Comment fonctionne GAIDeT ?

GAIDeT divise les processus de recherche et de publication en étapes et rôles distincts où l'IA peut être impliquée. Les auteurs sont invités à identifier l'étape à laquelle l'outil d'IA a été utilisé – par exemple, lors de la génération d'idées, de la recherche documentaire, de la rédaction du manuscrit ou même de l'analyse des données.

Indiquer l'étape permet de clarifier à quel moment du flux de travail l'IA a contribué. Ils sont également encouragés à décrire le rôle de l'IA, comme la vérification préliminaire des hypothèses, la conception de la recherche, la synthèse, la traduction, l'analyse des biais, etc. En combinant l'étape et le rôle, les informations de GAIDeT rendent transparente l'étendue de l'assistance de l'IA. Cette approche va au-delà d'une simple déclaration « J'ai/nous avons utilisé l'IA » ou « Je n'ai/nous n'avons pas utilisé l'IA » et favorise des discussions plus constructives sur l'éthique, la paternité et la responsabilité.

Le générateur de déclarations GAIDeT

Pour faciliter l'adoption de cette taxonomie, nous avons développé un générateur de déclarations GAIDeT . Cet outil en ligne guide les auteurs progressivement dans le processus de divulgation. Il pose au chercheur des questions élémentaires sur son utilisation de l'IA, couvrant toutes les catégories GAIDeT, puis génère automatiquement un texte de déclaration standardisé, prêt à être inclus dans un manuscrit. Concrètement, cela évite aux auteurs de rédiger la déclaration de toutes pièces, sans se soucier de sa mise en forme, car l'outil s'en charge pour eux. La déclaration peut également être modifiée si nécessaire pour exclure des informations superflues ou intégrer d'autres détails.

Pourquoi la divulgation structurée de l'IA est importante

Certaines revues ont commencé à exiger la déclaration de l'utilisation de l'IA et proposent même des modèles (voir Elsevier ). Cependant, dans la plupart des cas, les chercheurs continuent de les ajouter volontairement, souvent de manière vague ou incohérente. GAIDeT propose une divulgation structurée et transparente qui capture tous les détails, rendant l'utilisation de l'IA plus compréhensible et plus pertinente, plutôt que générique. Une divulgation structurée de l'IA ne se résume pas à une simple formalité administrative ; elle présente de réels avantages pour la communauté scientifique :

Pour les auteurs : cela constitue un moyen standard de démontrer une utilisation responsable et transparente de l’IA. À l’instar des chercheurs qui incluent des déclarations de conflits d’intérêts ou des remerciements financiers, une divulgation d’IA témoigne de leur transparence quant à leurs outils et assistants basés sur l’IA. Cela peut renforcer la crédibilité de leurs travaux.

Pour les éditeurs : Grâce à GAIDeT, ils peuvent distinguer plus clairement l'assistance légitime de l'IA de toute externalisation inappropriée de travaux universitaires. Autrement dit, il est plus facile de déterminer si un auteur a utilisé l'IA comme un outil utile, ou s'il s'est appuyé sur l'IA pour effectuer un travail qu'il aurait dû effectuer lui-même.

Pour les évaluateurs : cela permet de mieux comprendre les choix méthodologiques effectués au cours de l'étude. Par exemple, si un outil d'IA a été utilisé pour analyser les données ou rédiger une section de l'article, l'évaluateur en sera informé et pourra évaluer le travail en tenant compte de ce contexte. Cette transparence peut améliorer le processus d'évaluation par les pairs.

Pour les modérateurs de dépôts : grâce à GAIDeT, les dépôts peuvent mieux décider de la gestion des sorties assistées par l'IA. Des instructions claires facilitent l'évaluation de la conformité aux politiques d'auto-archivage et le maintien de la confiance dans les collections partagées.

Pour les lecteurs : Une transparence accrue est également importante pour le public plus large d’un article. Les lecteurs peuvent mieux comprendre dans quelle mesure le travail a été soutenu par l’IA et de quelle manière, ce qui les aide à interpréter les résultats dans le contexte approprié. Contrairement aux rédacteurs en chef, aux modérateurs de dépôts ou aux évaluateurs, ils n’utilisent pas ces informations pour prendre des décisions de publication. Cependant, cela peut renforcer leur confiance dans la recherche et les rassurer sur le fait que l’IA a été utilisée de manière responsable.

En résumé, GAIDeT transforme la divulgation de l'IA d'une déclaration générique en un signal explicite d'utilisation responsable, contribuant ainsi à instaurer la confiance au sein de la communauté scientifique. Cependant, une divulgation structurée n'est pas une solution miracle. GAIDeT rend l'utilisation de l'IA plus transparente, mais ne garantit pas sa vérification.

Un outil de clarté, pas d'application

Un point essentiel est que GAIDeT ne vise pas à contrôler les chercheurs, mais à leur donner les moyens d'agir. L'objectif de ce cadre est d'encourager la transparence en matière d'IA, sans alourdir la charge des auteurs ni des équipes éditoriales. L'utilisation de GAIDeT doit être similaire aux autres normes de divulgation, et non constituer un obstacle supplémentaire. Il vise à aider les chercheurs honnêtes à communiquer explicitement leur utilisation de l'IA, sans piéger personne. Son intérêt réside dans la promotion de la transparence, et non dans l'application de la conformité.

Conclusion : adopter la transparence et la confiance avec GAIDeT

Alors que les capacités de GAI (et les controverses qui l'entourent) continuent d'évoluer rapidement, la communauté scientifique a besoin d'un langage commun pour discuter de la manière dont ces outils ont été utilisés. C'est précisément ce que propose GAIDeT. En adoptant des divulgations structurées de l'IA, que l'utilisateur soit rédacteur en chef d'une revue, évaluateur, auteur ou personne déposant ses travaux sous des politiques d'auto-archivage, cet outil permet de faire un pas modeste mais significatif vers le rétablissement de la clarté et de la confiance dans les pratiques de recherche.

À l'ère de l'innovation rapide, adopter GAIDeT est une façon d'être et de rester responsable. Cela favorise une culture où l'utilisation de l'IA est acceptable (bien que toujours débattue), à condition que l'utilisateur en fasse preuve de transparence. Nous invitons les chercheurs à essayer d'intégrer GAIDeT dans leurs propres publications. Ce faisant, ils démontreraient avec assurance leur engagement en faveur d'une utilisation responsable de l'IA, préservant ainsi l'intégrité de leurs recherches.

À LIRE

IA : taxonomie et cas d'usages

Comment définir une IA ?

Esquissons une tentative de définition : l’intelligence artificielle (IA) est « l’ensemble de théories et de techniques mises en œuvre en vue de réaliser des machines capables de simuler l’intelligence ». Elle correspond donc à un ensemble de concepts et de technologies plus qu’à une discipline autonome constituée.

Souvent classée dans le groupe des sciences cognitives, elle fait appel à la neurobiologie computationnelle (particulièrement aux réseaux neuronaux), à la logique mathématique (sous-discipline des mathématiques et de la philosophie) et à l’informatique. Elle recherche des méthodes de résolution de problèmes à forte complexité logique ou algorithmique. Par extension, elle désigne, dans le langage courant, les dispositifs imitant ou remplaçant l’homme dans certaines mises en œuvre de ses fonctions cognitives.

Les capacités principales de toute solution à base d’IA

En quelques mots :

caractéristiques ia intelligence artificielle

L’acquisition de données volumineuses structurées ou non structurées
Une capacité à raisonner ou à reproduire les mécanismes de pensée humaine : classifier, trouver des motifs ou des corrélations.
Une faculté d’apprentissage constant avec « le contact humain »
Une possibilité d’interagir avec l’homme

Cette définition permet d’esquisser une taxonomie des technologies et solutions d'IA :
https://timspirit.fr/articles/ia-intelligence-artificielle/

taxo