Le temps est loin où il suffisait de publier dans une revue reconnue pour signaler qu’on existait, tant les publications scientifiques étaient une denrée rare, chronophage à produire et chère à consulter. En vingt ans, la production scientifique mondiale a été multipliée par quatre mais le vrai basculement date de 2022 avec l’arrivée des grands modèles de langage. En 2024, une analyse d’un million de résumés scientifiques révèlait qu’environ une sur sept portaient la trace d’une réécriture par IA générative et en 2026… cette proportion semble continuer à augmenter ! Aujourd’hui, le problème n’est donc plus de produire du savoir, mais de survivre dans un paysage saturé où le signal se noie dans le bruit. Et l’IA amplifie les deux : les contributions solides comme les médiocres.
Du « Publish or Perish » à la saturation scientifique
Dans ce contexte, un article rigoureux mais introuvable n’a aucun impact. Un code non documenté ne sera jamais réutilisé. Un résultat non reproductible devient difficilement exploitable pour la communauté. La qualité intrinsèque d’un travail ne suffit plus à garantir qu’il compte. C’est pourquoi mes collègues Rodrigo Amaro e Silva, Nicolas Fichaux et moi-même avons cherché à considérer l’excellence scientifique comme un système à construire plutôt que comme une propriété constatée a posteriori*.
Une équation multiplicative, pas additive
L’idée est simple mais radicale : les dimensions de l’impact ne se compensent pas, elles se multiplient. Nous avons identifié quatre fondations (Rigueur, Transparence, Visibilité, Adoptabilité) et trois amplificateurs (Collaboration, Ouverture, Signification sociétale), ce qui donna la formule suivante pour l’impact ou excellence : E ∝ (R × T × V × A) × (1 + C + O + S). Si l’une des fondations tombe à zéro, tout s’effondre, par exemple un article brillant sans code partagé (Transparence = 0) ou un outil parfaitement documenté mais absent des dépôts ouverts (Visibilité = 0). Les amplificateurs, eux, ne sauvent rien si la base est fragile : ils amplifient du bruit, pas du signal.
Le nouveau défi : être lisible par les machines
La Visibilité ne signifie plus seulement « être cité par des humains ». Les systèmes d’IA générative synthétisent désormais la littérature scientifique à partir de sources structurées, dotées d’identifiants persistants, de métadonnées cohérentes, liées à leurs données et à leur code. On est passé du SEO (Search Engine Optimization) au GEO (Generative Engine Optimization) : un travail invisible aux algorithmes est, structurellement, un travail dont la visibilité scientifique devient très limitée. Pour y recourir, le réseau d’entités structurées que sont les métadonnées explicites (JSON-LD), les identifiants persistants, les dépôts ouverts, les knowledge graphs et la redondance contrôlée entre plateformes permet aux algorithmes d’identifier, de relier et de réutiliser l’information.
Un miroir, pas un classement
Attention : le cadre RTVACOS n’est pas un score à maximiser ni un outil d’évaluation institutionnel. C’est un miroir. Déposer du code sans documentation pour cocher une case, multiplier les co-auteurs de prestige sans contribution réelle, remplir des métadonnées vides de sens : ce serait vider le cadre de son sens. L’histoire de l’évaluation scientifique est largement une histoire d’indicateurs détournés dès qu’ils deviennent institutionnels. RTVACOS pose des questions, il ne distribue pas de notes.
Attention à ne pas creuser les inégalités
Ce que ça change concrètement pour un chercheur : maintenir une identité numérique cohérente (ORCID), déposer systématiquement codes et données avec des métadonnées structurées, documenter les échecs autant que les succès, utiliser l’IA comme levier de réflexion, jamais comme substitut. Pour les institutions : cesser de compter les publications et commencer à évaluer la robustesse, la réutilisabilité, l’ouverture. Et investir dans les compétences transversales (gestion de données, versionnement, métadonnées) car ces savoir-faire sont inégalement distribués. Laisser cette charge aux seuls chercheurs creuse les inégalités.
La saturation n’abolit pas l’excellence
La rigueur reste le socle absolu, sans elle, rien ne tient. Mais la rigueur seule ne suffit plus. Dans un monde où l’attention est rare et la médiation algorithmique omniprésente, l’excellence scientifique devient aussi une question d’architecture du savoir : organiser, structurer et diffuser les connaissances pour qu’elles circulent réellement. Au fond, tout cela relève d’une logique d’ingénierie, un domaine dans lequel la France possède une longue tradition d’excellence.
* Une publication est en cours de préparation.