Anglicismes, laboratoires, disciplines : ce que disent huit mille publications

Le corpus Francophon-IA compte 8 225 publications scientifiques en français sur l'intelligence artificielle, de 2015 à aujourd'hui. Six graphiques, mis en ligne cette semaine, en tirent des lectures sur le vocabulaire, la géographie, les disciplines, la posture critique, les objets qui se croisent et les laboratoires les plus actifs.

Le français résiste mieux sur les mots fondateurs que sur le vocabulaire technique. Le terme « intelligence artificielle » reste très majoritairement français (32% d'anglais seulement), y compris en informatique. Mais dès qu'on descend aux sous-domaines techniques - apprentissage automatique, apprentissage profond, traitement automatique des langues - la proportion s'inverse : plus de la moitié des mentions basculent en anglais, dans toutes les disciplines où ce vocabulaire est assez présent pour être mesuré. Ce qui varie surtout d'une discipline à l'autre, ce n'est donc pas la langue employée, mais le simple fait de recourir à ce vocabulaire technique : le droit le cite à peine, l'informatique dans une notice sur trois environ.

La recherche francophone reste majoritairement centrée sur la France, avec un biais de mesure documenté. Parmi les notices dont le pays est identifié (81% du corpus), 83% ne mentionnent que la France ; les 17% restants se répartissent sur 86 pays, en tête desquels le Canada, le Maroc, les États-Unis et la Belgique. Ce chiffre sous-estime toutefois la présence hors de France : la source qui complète le plus les pays hors de l'Hexagone (OpenAlex) en trouve deux fois et demie plus qu'une source alternative (31% contre 12%) - un biais de mesure à garder en tête plutôt qu'un fait acquis sur le terrain.

La structure disciplinaire dépend beaucoup de l'axe secondaire qu'on choisit de compter ou non. Informatique domine largement le corpus, suivie du droit et de l'ingénierie. Mais deux disciplines sont nettement sous-représentées si l'on ne retient que leur discipline principale : santé et médecine, ingénierie - toutes deux gagnent plus de 100% de notices supplémentaires dès qu'on compte aussi leur discipline secondaire déclarée. Un signe que ces champs abordent l'IA en complément d'un autre sujet plus souvent qu'à titre principal.

La posture critique de la recherche varie fortement selon ce dont elle parle. Les publications qui traitent de société et d'éthique sont critiques dans 69% des cas ; celles qui traitent de la technique elle-même ne le sont que dans 8 à 12% des cas, une proportion qui progresse lentement depuis 2015 sans jamais s'approcher du premier chiffre. Une lecture par petits groupes plutôt que par une seule moyenne, précisément parce qu'une moyenne aurait masqué cet écart.

Certains sujets se croisent bien plus souvent que le hasard ne le voudrait, et cette association ne date pas d'hier. Éducation et formation d'un côté, langue et traduction de l'autre, se retrouvent ensemble 4,4 fois plus souvent qu'une répartition indépendante ne le laisserait attendre - et cette association reste stable entre la première moitié du corpus (2015-2019) et la seconde (2020-2025). À l'inverse, application à un domaine et langue et traduction se croisent 8,5 fois moins souvent que l'indépendance ne le voudrait : deux sujets qui, dans ce corpus, s'ignorent largement.

Un petit nombre de laboratoires concentre une part significative, mais pas écrasante, de la production repérée. Sur les 79% de notices qui mentionnent au moins une affiliation, le CNRS arrive largement en tête (9% des mentions), suivi de la Comue de Toulouse, d'Inria, de l'IMT et de l'UGA. Les vingt premières affiliations réunissent 31% des mentions : ni une poignée de laboratoires qui dominerait tout le champ, ni une dispersion totale. Ce chiffre est probablement légèrement sous-estimé - les noms de laboratoires sont saisis sous forme de sigles bruts, parfois écrits de plusieurs façons pour le même établissement.

Chaque chiffre cité ici est recalculé directement depuis le corpus, daté et cité en tête de chaque page de graphique - le corpus lui-même est déposé et citable (DOI Zenodo). Le billet précédent revient sur la façon dont ces chiffres ont été vérifiés avant publication.

Note : la réflexion et les choix de ce billet sont d'origine humaine ; une IA (Claude) en a assuré la relecture et la mise en forme, certains points ayant été rediscutés avec elle avant validation finale.