Polluants : un projet d’IA ravive le débat sur l’expertise scientifique

L’intelligence artificielle peut aider à parcourir des milliers d’études, à repérer une incohérence statistique ou à formuler une question méthodologique. Mais elle peut aussi devenir un puissant instrument rhétorique lorsque sa mission consiste à fragiliser, de manière répétée, des connaissances scientifiques gênantes pour certains intérêts économiques. C’est le risque soulevé, le 28 juin 2025, par un projet porté par Louis Anthony « Tony » Cox Jr, analyste des risques basé à Denver.

Selon les éléments rendus publics, Cox développe une application d’IA consacrée à l’examen des recherches sur les dangers sanitaires des polluants. Son objectif affiché est de mettre en évidence ce qu’il considère comme des confusions entre corrélation et causalité dans les études épidémiologiques. L’initiative est financée par l’American Chemistry Council, une organisation représentant l’industrie chimique. Cette combinaison, entre un outil d’analyse automatisée, un sujet directement lié à la santé publique et un financeur industriel, pose une question centrale : qui définit les questions auxquelles l’IA doit répondre, et dans quel but ?

Un assistant d’IA pour contester les preuves épidémiologiques

Dans des courriels adressés à des chercheurs de l’industrie, Cox a expliqué que son projet visait à éliminer ce qu’il qualifie de « propagande » dans la recherche épidémiologique. Cette formulation est significative. L’épidémiologie ne se résume pas à additionner des corrélations : elle étudie la fréquence, la distribution et les déterminants des problèmes de santé dans les populations. Elle est notamment indispensable lorsque l’on ne peut pas, pour des raisons éthiques évidentes, exposer volontairement des personnes à des substances potentiellement dangereuses.

L’outil envisagé par Cox se présente comme un assistant d’analyse critique à grande échelle. Il serait testé sur des articles soumis à des revues académiques, y compris Risk Analysis, une revue que Cox édite. Il pourrait donc intervenir très en amont du débat scientifique, au moment où des travaux sont évalués avant publication.

Le principe d’un contrôle méthodologique n’a rien d’illégitime en soi. Les études peuvent comporter des limites, les méthodes statistiques doivent être discutées et les conclusions excessives doivent être corrigées. Le problème apparaît lorsque l’examen critique est conçu pour aller systématiquement dans une seule direction : trouver des raisons de douter des risques, plutôt que d’évaluer avec la même exigence les arguments qui les minimisent.

Corrélation et causalité : une distinction nécessaire, pas une échappatoire

Cox insiste sur le fait que son application doit clarifier les implications objectives des données. Il affirme que les méthodes utilisées ne sont pas teintées d’idéologie et reconnaît publiquement les financements reçus. Il présente aussi l’assistant comme un moyen d’aider les chercheurs à se prémunir contre les biais humains dans leur lecture des données.

L’argument mérite d’être pris au sérieux, car il touche à une difficulté réelle de la science. Une association statistique entre une exposition et une maladie peut être influencée par de nombreux facteurs : niveau de revenus, tabagisme, conditions de travail, accès aux soins, lieu d’habitation ou qualité des mesures disponibles. Les chercheurs cherchent précisément à identifier et à contrôler ces facteurs susceptibles de fausser les résultats.

Cependant, exiger une certitude absolue avant toute décision publique serait une erreur de raisonnement. Dans le monde réel, les autorités doivent parfois agir sur la base d’un niveau de preuve solide mais imparfait, notamment lorsque l’exposition concerne des millions de personnes et que les effets potentiels sont graves. La prévention n’implique pas de prétendre que toute question est définitivement close. Elle consiste à proportionner une décision au niveau de risque et au coût de l’inaction.

Le cas des particules fines PM2,5, évoqué dans les échanges autour de l’outil, l’illustre. Ces particules d’un diamètre inférieur ou égal à 2,5 micromètres pénètrent profondément dans l’appareil respiratoire. Interroger les degrés de certitude d’un lien entre PM2,5 et cancer du poumon peut être scientifiquement pertinent. Mais une telle interrogation devient problématique si elle ignore délibérément les résultats qui vont dans le sens d’un risque ou si elle traite chaque incertitude résiduelle comme la preuve que rien ne peut être établi.

Pourquoi le financement industriel inquiète

Le développement de l’application est financé par l’American Chemistry Council, ou ACC. Ce soutien ne démontre pas, à lui seul, qu’un outil produira des résultats erronés. Les financements privés sont présents dans de nombreux domaines de recherche et ne rendent pas automatiquement une étude invalide. En revanche, ils imposent des garanties particulièrement fortes de transparence, d’indépendance et de contrôle externe.

La question n’est pas seulement de savoir qui paie le logiciel. Elle concerne les données sélectionnées, les consignes données au modèle, les critères utilisés pour qualifier une étude de robuste ou de fragile, ainsi que la manière de présenter les réponses. Un assistant peut donner une apparence de neutralité technique à des choix profondément éditoriaux.

Par exemple, un système à qui l’on demande systématiquement de rechercher les failles des études associant produits chimiques et maladies peut produire une longue liste d’objections. Cette liste peut être utile à un comité de lecture. Elle devient trompeuse si elle est publiée ou relayée sans préciser que les mêmes travaux disposent aussi de forces, de réplications et d’éléments convergents. L’IA ne supprime pas le jugement humain : elle peut l’automatiser, le multiplier et le rendre moins visible.

Des antécédents qui renforcent les doutes

Les critiques du projet s’appuient aussi sur les activités antérieures de Cox. Celui-ci a régulièrement collaboré avec des entreprises du tabac et des groupes de lobbying, parmi lesquels l’American Petroleum Institute. Il a également contesté des études établissant des liens entre l’exposition à certains produits chimiques et des problèmes de santé.

Ces antécédents ne permettent pas de préjuger automatiquement de chaque analyse produite par l’outil. Ils expliquent toutefois pourquoi des scientifiques et des spécialistes de santé publique demandent une vigilance particulière. Lorsqu’un même acteur intervient depuis longtemps dans des controverses où les résultats scientifiques peuvent conduire à renforcer des normes sanitaires, son nouveau dispositif ne peut pas être évalué comme un simple instrument technique détaché de tout contexte.

Les travaux et prises de position de Cox ont par ailleurs été associés à une vision réglementaire moins contraignante pour l’industrie. Or les règles sur les émissions, l’air ambiant ou les substances chimiques sont souvent bâties à partir d’évaluations complexes du risque. Retarder la reconnaissance d’un danger, ou relever artificiellement le niveau de preuve exigé, peut avoir des effets concrets : normes moins protectrices, contrôles différés et prévention repoussée.

Une IA peut-elle vraiment évaluer la qualité d’une étude ?

Un modèle d’IA peut être utile pour assister une lecture scientifique. Il peut résumer un protocole, comparer des résultats, signaler qu’une variable importante semble absente, détecter une incohérence de forme ou aider à retrouver des travaux contradictoires. Ces fonctions permettent potentiellement de gagner du temps, surtout face à un volume important de publications.

Mais l’outil ne possède ni expérience de laboratoire, ni responsabilité médicale, ni compréhension autonome des conditions sociales et environnementales dans lesquelles les données ont été recueillies. Sa réponse dépend des documents qu’il reçoit, de la formulation de la demande et de règles de classement qui ont été choisies par des personnes. Même lorsqu’il paraît convaincant, il peut omettre un contexte décisif, reproduire un biais présent dans ses données ou produire une explication plausible mais insuffisamment fondée.

C’est pourquoi l’IA ne devrait pas servir d’arbitre solitaire dans l’évaluation des risques sanitaires. Une expertise sérieuse suppose une pluralité de disciplines : épidémiologie, toxicologie, biostatistique, médecine, sciences de l’environnement et, selon les cas, sciences sociales. Elle suppose aussi des procédures contradictoires, où les objections sont examinées sans que l’objectif soit fixé à l’avance.

Dans le cas décrit, la difficulté est accrue par l’usage potentiel de l’outil sur des soumissions académiques. Une revue scientifique repose sur une évaluation par les pairs qui doit être indépendante, confidentielle et justifiée. Si un assistant d’IA est mobilisé à cette étape, ses conditions d’emploi, ses limites et la responsabilité finale du décideur devraient être clairement définies.

Le risque d’une incertitude fabriquée

Les scientifiques et experts en santé publique qui critiquent cette initiative redoutent moins une discussion méthodologique normale qu’une stratégie d’amplification du doute. Dans les débats environnementaux, il n’est pas nécessaire de démontrer que tous les travaux sont faux pour ralentir une décision. Il peut suffire d’insister continuellement sur les zones grises, d’isoler une faiblesse réelle mais limitée, puis de la présenter comme si elle annulait l’ensemble des connaissances disponibles.

L’IA change l’échelle possible de cette méthode. Elle peut générer rapidement des commentaires, des synthèses, des contre-arguments et des formulations apparemment savantes. Si ces productions sont utilisées hors de leur contexte, elles risquent de donner l’impression que la recherche est beaucoup plus divisée qu’elle ne l’est réellement.

Cette situation appelle à distinguer deux démarches. La première cherche à améliorer la science en soumettant toutes les hypothèses, y compris celles favorables à l’industrie, à des tests comparables. La seconde utilise le langage de la rigueur pour contester principalement les résultats susceptibles de justifier une réglementation. La frontière se situe dans la symétrie de l’examen, la publicité des méthodes et l’acceptation de résultats défavorables au commanditaire.

Ce qu’il faut surveiller

Le projet de Cox rappelle que le débat sur l’IA ne porte pas seulement sur ses capacités, mais aussi sur sa gouvernance. Un système peut paraître sophistiqué tout en étant orienté par des objectifs étroits. Dans le domaine des polluants, cette orientation peut peser sur des décisions qui touchent directement à la qualité de l’air, aux conditions de travail et à la prévention des maladies.

Plusieurs éléments seront donc déterminants pour juger ce type d’initiative : la publication des méthodes employées, l’identité et la diversité des experts associés, la possibilité pour des chercheurs indépendants de tester l’outil, ainsi que la manière dont ses conclusions sont présentées aux revues et aux décideurs publics. Il faudra aussi vérifier si l’IA applique le même niveau de scepticisme aux études qui minimisent les risques qu’à celles qui les documentent.

La pensée critique est indispensable à la science. Elle ne consiste pas à douter de tout de manière uniforme, ni à confondre l’existence d’incertitudes avec l’absence de danger. Face aux risques environnementaux, l’enjeu est de conserver une expertise exigeante, transparente et indépendante, afin que l’IA améliore la qualité du débat plutôt qu’elle ne serve à brouiller les preuves disponibles.