L’intelligence artificielle (IA) a fini de faire son lit dans le monde numérique et les outils qui intègrent cette technologie transforment profondément nos méthodes de travail, notamment dans le domaine de la recherche scientifique. Open Knowledge Maps, un outil (novateur) propulsé par l’IA, s’inscrit pleinement dans cette dynamique en révolutionnant la manière dont les chercheurs, les étudiants et les professionnels accèdent à l’information scientifique. En permettant de visualiser les connaissances de manière intuitive et structurée, il aide à surmonter les défis de la surcharge informationnelle. Ce billet-ci, qui s’inscrit dans ma série dédiée à l’impact de l’IA dans nos pratiques professionnelles, se veut guide, pas à pas, pour découvrir le potentiel de cet outil et pourquoi il est intéressant pour les acteurs de l’information documentaire que nous sommes.
Étape 1 : Accéder à Open Knowledge Maps
La première étape consiste à se connecter à la plateforme. Celle-ci exploite les algorithmes d’IA pour analyser et organiser des ensembles complexes de données scientifiques. Contrairement aux outils traditionnels de recherche documentaire, Open Knowledge Maps va au-delà d’une simple liste de résultats en proposant une visualisation graphique des articles liés à un sujet donné. L’interface est simple, gratuite et accessible à tous, le rendant idéal pour « démocratiser » l’accès à l’information.
Étape 2 : Sélectionner une base de données et saisir le sujet de recherche
Pour démarrer, choisissez une base de données parmi celles proposées :
- PubMed, spécialisée dans les sciences de la vie et de la santé ;
- BASE, une base multidisciplinaire qui couvre un large éventail de sujets académiques.
Une fois la base choisie, entrez votre thème de recherche dans la barre de recherche. Par exemple, pour explorer l’usage de l’intelligence artificielle en Afrique, nous pourrions taper : « Intelligence artificielle » AND Afrique (réflexe Googlien quant à la formule de recherche 🙂 ). L’IA d’Open Knowledge Maps se charge alors d’analyser les publications pertinentes et de structurer les informations en un seul clic.
Étape 3 : Visualiser une carte cognitive des résultats
Après la recherche, la plateforme génère une carte cognitive visuelle composée de bulles interconnectées. Ces bulles représentent les grands thèmes liés à notre sujet et regroupent les 100 articles les plus pertinents. L’IA détecte automatiquement les relations entre les concepts, ce qui se traduit par des bulles qui se chevauchent, indiquant une interconnexion entre les sous-domaines. Cette visualisation facilite non seulement la compréhension rapide des tendances actuelles, mais ouvre également la voie à l’identification de nouvelles pistes de recherche.
Étape 4 : Explorer les groupes thématiques
Cliquer sur une bulle spécifique pour explorer en détail les articles liés à ce thème. Par exemple, pour notre exemple sur l’intelligence artificielle en Afrique, les sous-thèmes pourraient inclure :
- L’enseignement du français à l’aune de l’intelligence artificielle ;
- La traduction et l’intelligence artificielle ;
- Intelligence artificielle et transformation de l’Afrique.
Cette approche thématique est particulièrement utile pour les chercheurs souhaitant approfondir rapidement un domaine spécifique, sans avoir à naviguer à travers des centaines d’articles non pertinents.
Étape 5 : Rechercher et filtrer avec des mots-clés
La plateforme offre la possibilité d’effectuer des recherches ciblées à l’intérieur de la carte en ajoutant des mots-clés supplémentaires. Par exemple, si on cherche des études sur « les risques » en lien avec notre sujet, l’outil affine les résultats en temps réel pour nous fournir une sélection d’articles encore plus pertinente.
Étape 6 : Télécharger les articles pertinents
La plateforme fournit aussi des liens directs pour télécharger les articles, lorsque le texte intégral est disponible en accès libre. Cette fonctionnalité est particulièrement précieuse pour les chercheurs ayant un accès limité à des bases de données payantes.
En perspective de médiation informationnelle
Pour les bibliothécaires et les médiateurs de l’information scientifique, l’essor d’outils comme O.K.M souligne encore une fois, pour moi, une évolution incontournable de nos compétences professionnelles. À l’ère de l’IA, les acteurs que nous sommes doivent maîtriser ces technologies pour apporter une véritable plus-value dans tous les contextes documentaires, qu’il s’agisse de bibliothèques universitaires, de centres de documentation ou d’environnements professionnels spécifiques.
En tant que guides de (vers) la connaissance, nous ne pouvons plus nous limiter à fournir un accès simple et fade aux ressources. Nous devons être capables d’accompagner les chercheurs en exploitant les outils boostés à l’IA et :
- faciliter l’accès aux informations pertinentes en fonction des besoins spécifiques ;
- offrir une expertise sur les méthodologies de recherche assistées par l’IA ;
- contribuer activement à la formation des chercheurs et étudiants, en leur apprenant à utiliser ces engins logiciels pour optimiser leurs recherches.
La maîtrise d’outils comme Open Knowledge Maps constitue non seulement un levier d’efficacité pour les utilisateurs, mais renforce également notre rôle central de médiateur dans la chaîne de production et de diffusion des savoirs.
L’intelligence artificielle n’est plus une option, mais une nécessité dans le monde de l’information scientifique et technique qui nous est dévolue comme matière première de gestion. Open Knowledge Maps, avec sa capacité à organiser, connecter et visualiser des connaissances complexes, s’impose comme un allié incontournable pour les chercheurs et les médiateurs que nous sommes. Il simplifie la recherche documentaire, stimule l’exploration thématique et enrichit les pratiques professionnelles des bibliothécaires et documentalistes.
Toutefois, on peut y noter quelques limites, bien qu’il soit effectivement un dispositif précieux pour démarrer une recherche académique. En effet, il se base sur les 100 documents les plus pertinents issus de la source de données sélectionnée pour générer la carte, ce qui peut entraîner l’exclusion de documents importants en raison de cette restriction. La qualité des informations peut également être influencée par l’algorithme utilisé, la couverture de la source de données et la qualité des métadonnées. Il est donc recommandable d’en compléter l’utilisation par d’autres bases de données pour mener une revue de littérature approfondie, que ce soit dans le cadre d’un projet de recherche ou d’un devoir académique.
Ceci étant dit, il demeure qu’adopter ce type d’instrument, nous fait gagner en pertinence et en valeur ajoutée dans nos environnements respectifs. Pour les chercheurs, Open Knowkedge Maps transforme la revue de littérature en un processus simple, rapide et visuel, ouvrant la voie à de nouvelles découvertes. Intégrons-le, dès à présent, dans nos pratiques et explorons encore plus l’avenir de la recherche documentaire à l’ère de l’IA.
antoninbenoitdiouf.com 