Les algorithmes d’IA pour maximiser les répercussions de la recherche universitaire sur le marché
Un article de Nature signale que la recherche universitaire américaine pourrait accroître son impact social si les universités utilisaient des outils d’intelligence artificielle (IA) pour maximiser les répercussions des travaux de leurs scientifiques.
En effet, les algorithmes d’IA pourraient analyser aisément les données massives disponibles dans les millions de propositions de subventions, de prépublications et de documents de recherche qui sont produits chaque année – ce à quoi il faudrait ajouter des brevets, des essais cliniques et des approbations de médicaments. Ce faisant, il serait possible de mieux comprendre comment la science et la technologie progressent, en plus d’identifier les lacunes et les goulots d’étranglement qui entravent les percées scientifiques.
L’article mentionne le cas d’une chercheuse en biologie – autrice de centaines d’articles et bénéficiaire de dizaines de millions de dollars en financement de recherche – qui ignorait complètement l’impact de ses travaux sur le marché. En retraçant l’utilisation de sa production intellectuelle, on s’est aperçu que le résultat de ses recherches avait été largement utilisé par des entreprises privées du monde entier, même si elle n’avait jamais collaboré avec le bureau de transfert de technologie de son université. Conséquemment, la chercheuse a déposé sa première déclaration d’invention auprès de l’université.
Apparemment, cette situation ne serait pas exceptionnelle, car les travaux préliminaires suggèrent qu’il serait fréquent de trouver des scientifiques ayant un potentiel d’innovation inexploité. Il y aurait tout d’abord un biais de genre, car en comparant la fréquence à laquelle les professeurs brevetaient leur travail, les chercheurs ont constaté que les hommes brevetaient généralement leurs recherches de deux à dix fois plus souvent que les femmes.
De plus, l’analyse a révélé que les publications scientifiques des deux groupes, hommes et femmes, étaient citées par les brevets à une fréquence semblable. Cela veut dire que le travail des femmes scientifiques est tout aussi proche de la frontière technologique que celui de leurs homologues masculins.
Bref, les données et les outils d’IA peuvent aider les établissements à identifier les personnes et les idées négligées, tant au sein d’un établissement de recherche qu’à l’échelle mondiale. L’article souligne que certains peuvent s’inquiéter des effets d’une recherche scientifique qui serait motivée principalement par les applications pratiques plutôt que par la curiosité des chercheurs. D’autres pourraient signaler que les scientifiques n’ont pas besoin de commercialiser eux-mêmes leurs idées, car l’industrie peut accomplir cette tâche plus efficacement.
Cependant, cette nouvelle approche deviendrait pertinente alors que de nombreuses questions d’actualité – allant des pandémies au changement climatique – sont étroitement liées au progrès scientifique. Bref, selon l’article, la dichotomie entre recherche fondamentale et recherche appliquée s’avère réductrice.
Un article de Nature signale que la recherche universitaire américaine pourrait accroître son impact social si les universités utilisaient des outils d’intelligence artificielle (IA) pour maximiser les répercussions des travaux de leurs scientifiques.
En effet, les algorithmes d’IA pourraient analyser aisément les données massives disponibles dans les millions de propositions de subventions, de prépublications et de documents de recherche qui sont produits chaque année – ce à quoi il faudrait ajouter des brevets, des essais cliniques et des approbations de médicaments. Ce faisant, il serait possible de mieux comprendre comment la science et la technologie progressent, en plus d’identifier les lacunes et les goulots d’étranglement qui entravent les percées scientifiques.
L’article mentionne le cas d’une chercheuse en biologie – autrice de centaines d’articles et bénéficiaire de dizaines de millions de dollars en financement de recherche – qui ignorait complètement l’impact de ses travaux sur le marché. En retraçant l’utilisation de sa production intellectuelle, on s’est aperçu que le résultat de ses recherches avait été largement utilisé par des entreprises privées du monde entier, même si elle n’avait jamais collaboré avec le bureau de transfert de technologie de son université. Conséquemment, la chercheuse a déposé sa première déclaration d’invention auprès de l’université.
Apparemment, cette situation ne serait pas exceptionnelle, car les travaux préliminaires suggèrent qu’il serait fréquent de trouver des scientifiques ayant un potentiel d’innovation inexploité. Il y aurait tout d’abord un biais de genre, car en comparant la fréquence à laquelle les professeurs brevetaient leur travail, les chercheurs ont constaté que les hommes brevetaient généralement leurs recherches de deux à dix fois plus souvent que les femmes.
De plus, l’analyse a révélé que les publications scientifiques des deux groupes, hommes et femmes, étaient citées par les brevets à une fréquence semblable. Cela veut dire que le travail des femmes scientifiques est tout aussi proche de la frontière technologique que celui de leurs homologues masculins.
Bref, les données et les outils d’IA peuvent aider les établissements à identifier les personnes et les idées négligées, tant au sein d’un établissement de recherche qu’à l’échelle mondiale. L’article souligne que certains peuvent s’inquiéter des effets d’une recherche scientifique qui serait motivée principalement par les applications pratiques plutôt que par la curiosité des chercheurs. D’autres pourraient signaler que les scientifiques n’ont pas besoin de commercialiser eux-mêmes leurs idées, car l’industrie peut accomplir cette tâche plus efficacement.
Cependant, cette nouvelle approche deviendrait pertinente alors que de nombreuses questions d’actualité – allant des pandémies au changement climatique – sont étroitement liées au progrès scientifique. Bref, selon l’article, la dichotomie entre recherche fondamentale et recherche appliquée s’avère réductrice.