L'illusion De L'agentivité : Analyse Contrastive D'un Discours Scientifique Humain Et De Sa Réplique Générée Par L'ia
Auteurs : Mansour Larbi .
Résumé
L’expansion des grands modèles de langage (LLM) interroge les fondements épistémologiques de l’écriture académique. Cette contribution compare un article scientifique original publié en 2022 (« Hiérarchie et discours entre jeux et enjeux des rapports de places : Analyse de la relation enseignants / formateurs ») et une version générée par une intelligence artificielle (IA) à partir des seules métadonnées de ce texte (titre, résumé, mots-clés et références bibliographiques). Elle répond à la question suivante : comment ces deux productions, élaborées dans des conditions documentaires différentes, construisent-elles l’énonciation et l’auctorialité, le traitement des données ainsi que l’ancrage socio-culturel, et quels enjeux éthiques et épistémologiques leurs écarts soulèvent-ils ? L’analyse montre que les deux textes mobilisent les formes attendues du discours académique, mais se distinguent dans la relation qu’ils établissent entre discours, preuve et terrain : le texte original rattache ses interprétations à une enquête située, tandis que le texte généré produit, en l’absence d’accès au corpus empirique, des formulations plus générales. Ces résultats invitent à distinguer la maîtrise formelle du genre scientifique de la traçabilité empirique du savoir et éclairent les conditions d’un usage responsable de l’IA en recherche.
Mots clés
agentivité ; analyse contrastive ; IA générative ; texte authentique ; texte artificiel
