Les articles renés, un nouveau format pour rendre la science lisible par machine

La science produit chaque année une quantité considérable de résultats, mais une large part de cette connaissance reste enfermée dans des documents conçus avant tout pour être lus à l’écran ou imprimés. Un article en PDF est pratique pour suivre un raisonnement, consulter une figure ou citer une conclusion. Il l’est beaucoup moins lorsqu’un chercheur souhaite récupérer automatiquement une série de mesures, comparer des tableaux ou réexécuter une analyse. C’est ce décalage que les « articles renés » cherchent à réduire.

Portée par une équipe du TIB, le Centre de recherche Leibniz en science et technologie, cette proposition invite à changer le point de départ de la publication scientifique. Plutôt que de demander ensuite à des logiciels, parfois dopés à l’intelligence artificielle, de deviner ce que contient un texte, il s’agirait de produire dès l’origine des résultats structurés, compréhensibles par une machine et utilisables par un humain. Les travaux de l’équipe ont été publiés dans la revue Scientific Data.

Pourquoi le PDF reste un obstacle à la réutilisation scientifique

Le PDF a permis de dématérialiser la diffusion des revues scientifiques. Mais sa logique demeure celle de la page imprimée : titres, paragraphes, notes, graphiques et tableaux sont mis en forme pour le regard humain. Un logiciel peut ouvrir un PDF et en extraire du texte, sans pour autant savoir de manière fiable si une valeur est une moyenne, une unité de mesure, une référence bibliographique, une légende ou le résultat d’une expérience.

La différence est importante. Pour une personne, un tableau de résultats contient généralement assez de contexte pour être interprété : elle lit son titre, repère les colonnes et comprend les notes. Pour un ordinateur, ce contexte est souvent implicite. Transformer ce tableau en données réellement exploitables suppose de le récupérer, de corriger sa mise en forme, de reconstruire les en-têtes et de vérifier chaque valeur.

Ce travail peut sembler secondaire, mais il absorbe du temps et introduit des risques d’erreurs. Le copier-coller depuis un PDF peut déplacer une décimale, séparer une colonne au mauvais endroit ou supprimer une information de contexte. Lorsqu’il faut réutiliser les résultats de nombreux articles, l’obstacle devient encore plus conséquent.

La difficulté grandit à mesure que s’accumulent les publications. Des millions d’articles scientifiques paraissent chaque année dans le monde. Retrouver une information dans cette masse, la comparer à d’autres travaux, puis vérifier la façon dont elle a été obtenue est devenu une tâche centrale pour la recherche. Les moteurs de recherche, les bases bibliographiques et les outils d’extraction automatique apportent une aide réelle, mais ils travaillent souvent après coup sur un matériau pensé pour la lecture humaine.

Le principe des articles renés : produire des résultats structurés dès le départ

Les chercheurs du TIB proposent une voie différente : ne plus considérer la donnée structurée comme une annexe facultative de l’article, mais comme une composante de la publication elle-même. Les « articles renés » sont conçus pour que les résultats produits pendant l’analyse puissent être publiés dans un format exploitable directement par une machine, tout en restant accessibles à la lecture.

Le terme ne désigne pas une nouvelle revue ni un logiciel unique. Il décrit une approche de la production scientifique. L’idée est de conserver la structure des résultats tout au long du processus, depuis l’analyse jusqu’à la mise à disposition. Une valeur publiée ne doit donc pas seulement être visible dans une phrase ou une figure : elle doit pouvoir être récupérée avec les informations qui lui donnent un sens.

Concrètement, cette démarche s’appuie sur des environnements d’analyse déjà très répandus dans la recherche, tels que R et Python. Ces langages servent à préparer des données, réaliser des calculs, construire des tableaux et générer des graphiques. Puisque les résultats sont déjà produits sous forme de données au cours de ce travail, l’ambition consiste à éviter qu’ils soient ensuite figés uniquement dans une page statique.

Un autre chercheur pourrait ainsi télécharger les éléments sous forme de fichiers CSV ou Excel, deux formats plus adaptés à la manipulation de tableaux qu’une image de tableau intégrée à un PDF. Il pourrait les contrôler, les intégrer à une autre analyse ou, lorsque les éléments nécessaires sont disponibles, reproduire l’analyse qui a conduit au résultat.

De la lecture à la réutilisation : ce que change ce format

La proposition des articles renés ne remet pas en cause le besoin d’explications, de méthodes détaillées ou de discussion scientifique. Un article reste indispensable pour exposer une hypothèse, décrire un protocole et situer un résultat dans l’état des connaissances. Le changement concerne surtout la façon dont les résultats circulent entre les personnes et les logiciels.

Dans le modèle traditionnel, la publication constitue souvent le point final d’un flux de travail. Les données ont été analysées dans des outils spécialisés, puis les résultats sont transposés dans un document. Toute personne qui veut les exploiter doit ensuite effectuer le chemin inverse : retrouver les données, les extraire et les restructurer.

Avec l’approche défendue par le TIB, les résultats gardent leur caractère structuré au moment de la publication. La publication peut alors devenir un point de départ pour de nouvelles vérifications, des synthèses ou des comparaisons à grande échelle.

L’intelligence artificielle ne résout pas à elle seule le problème

Face à l’abondance des PDF, une réponse fréquente consiste à améliorer les systèmes capables de lire des documents. La reconnaissance de caractères, le traitement automatique du langage et les modèles d’intelligence artificielle peuvent repérer des noms, des valeurs, des méthodes ou des relations dans un texte. Ces outils sont utiles, en particulier pour explorer un vaste corpus.

Ils rencontrent toutefois une limite de principe : ils tentent de reconstituer l’information après sa publication. Or, une mise en page ambiguë, une note de bas de tableau ou une convention propre à une discipline peut conduire à une mauvaise interprétation. Une IA peut également extraire une valeur sans relier correctement cette valeur à l’unité, au groupe expérimental ou à la méthode statistique correspondante.

Les articles renés ne cherchent donc pas à remplacer l’IA. Ils proposent plutôt de lui fournir une matière première plus fiable. Une donnée publiée avec sa structure et son contexte réduit la nécessité de l’inférer. C’est un enjeu pratique pour les chercheurs, mais aussi pour les outils automatisés appelés à aider la science : recherche documentaire, comparaison de résultats, création de catalogues ou construction de graphes de connaissances.

Quels bénéfices pour les chercheurs et pour la science ouverte ?

Le premier bénéfice attendu est la reproductibilité. Dans l’idéal, un résultat scientifique doit pouvoir être examiné et, lorsque cela est pertinent, reproduit par d’autres équipes. La disponibilité de résultats structurés facilite la vérification des calculs, la comparaison avec d’autres jeux de données et l’identification d’éventuelles divergences.

Le deuxième concerne la réutilisation. Les résultats publiés peuvent alimenter des revues de littérature, des méta-analyses ou de nouveaux travaux. Lorsqu’ils existent déjà sous un format structuré, les barrières techniques baissent. Cela ne dispense évidemment pas de respecter les conditions d’accès, les règles éthiques et les contraintes de confidentialité qui s’appliquent à certaines données, notamment dans les domaines sensibles.

Le troisième avantage est celui de la traçabilité. Un résultat ne se limite pas à un chiffre. Pour être interprété correctement, il faut connaître son origine, son unité, les paramètres de l’étude et, souvent, la méthode qui a servi à le calculer. Préserver ces liens au moment de publier rend les connaissances plus robustes pour les lecteurs comme pour les machines.

Cette vision rejoint plusieurs objectifs de la science ouverte : rendre les résultats plus accessibles, faciliter leur contrôle et éviter de perdre de l’information lors du passage entre la production des données et leur diffusion. Elle ne promet pas une automatisation totale de la recherche. Une machine ne remplace ni l’évaluation critique d’un protocole, ni le débat entre spécialistes. Mais elle peut réduire une part des manipulations répétitives qui ralentissent la circulation des connaissances.

Une adoption qui dépendra des pratiques et des infrastructures

La simplicité mise en avant par les promoteurs des articles renés tient au fait que R et Python sont déjà employés dans de nombreux domaines. Pourtant, adopter une nouvelle façon de publier demande davantage que l’usage de deux langages. Les équipes doivent organiser leurs données, documenter leurs méthodes et prévoir les métadonnées nécessaires pour que les résultats soient compris en dehors de leur laboratoire.

Les revues, universités, bibliothèques et infrastructures de données ont également un rôle à jouer. Elles doivent pouvoir héberger, conserver et citer durablement les éléments associés aux publications. Les systèmes d’évaluation de la recherche comptent aussi : si seule la version PDF est valorisée, les chercheurs auront peu d’incitation à consacrer du temps à la structuration de leurs résultats.

La démarche ne se prête pas de la même manière à toutes les disciplines. Les études qui s’appuient fortement sur des analyses quantitatives et des tableaux de données peuvent y trouver un usage immédiat. Dans d’autres domaines, les matériaux de recherche sont davantage textuels, visuels ou qualitatifs. Le principe demeure pertinent, mais la structuration devra s’adapter aux objets étudiés.

Selon Markus Stocker, l’un des responsables de l’initiative, le moment est venu d’envisager des approches plus disruptives pour la publication scientifique. Son constat rejoint une critique ancienne : améliorer sans cesse l’extraction d’informations ne remplace pas une production de connaissances pensée, dès l’origine, pour être partagée et interrogée.

Ce qu’il faut surveiller

Les articles renés ouvrent une perspective ambitieuse : faire de la publication scientifique non seulement un document à lire, mais aussi une ressource que les logiciels peuvent interroger, relier et réemployer de manière fiable. Si cette approche se diffuse, elle pourrait contribuer à organiser les résultats publiés sous la forme de bases de connaissances mieux connectées.

Plusieurs questions détermineront toutefois son impact réel. Il faudra observer la facilité avec laquelle les chercheurs peuvent adopter ces pratiques sans alourdir leur travail quotidien, la capacité des revues à accueillir des publications structurées et l’existence de standards partagés entre disciplines. La qualité des métadonnées sera décisive : des données ouvertes mais mal décrites restent difficiles à réutiliser.

Le succès de cette proposition ne se mesurera donc pas seulement au nombre d’outils compatibles. Il dépendra de sa capacité à rapprocher trois exigences souvent séparées : une science lisible, une science vérifiable et une science techniquement réutilisable. C’est sur ce terrain, bien plus que sur la seule modernisation du PDF, que les articles renés pourraient faire évoluer durablement la circulation des découvertes.