Cette étude explore les risques pour la rigueur scientifique inhérents à l’utilisation de moteurs de recherche génératifs par les chercheurs pour accéder à des informations scientifiques. Une revue de la littérature met en évidence des politiques fréquentes de blocage des robots collectant des données pour l’entraînement des intelligences artificielles génératives. En s’appuyant sur l’analyse des fichiers robots.txt (protocole d’exclusion des robots), la recherche examine la constitution des jeux de données scientifiques et les stratégies de blocage mises en œuvre par les éditeurs de revues. Les résultats révèlent un lien entre le niveau d’autorité d’une revue et l’intensité des restrictions imposées, particulièrement chez les éditeurs commerciaux dominants. Cette étude met en évidence un biais de validation résultant de la possible surreprésentation des revues de moindre qualité dans les jeux de données d’entraînement, compromettant potentiellement la fiabilité des réponses générées par les chatbots. Une analyse approfondie des limitations des moteurs de recherche génératifs (régurgitations, hallucinations, biais) est menée, accompagnée d’une discussion sur les implications dans quatre scénarios d’utilisation typiques. Enfin, un ensemble de recommandations pratiques est proposé pour les fournisseurs et les utilisateurs de ces technologies émergentes, afin de promouvoir une utilisation responsable de ces systèmes.
