Les demandes qui semblent écrites par une IA obtiennent davantage d'argent des NIH — et posent des questions plus petites
Dashun Wang et Yifan Qian, de la Kellogg School de Northwestern, ont publié hier dans PNAS une étude sur le financement fédéral américain de la recherche. Les demandes de subvention portant des signaux plus marqués de rédaction assistée par IA ont été financées par les Instituts nationaux de la santé à un taux supérieur de quatre points de pourcentage à celles qui n'en portaient pas. Ces mêmes demandes obtenaient de moins bons scores de distinctivité sémantique : elles se rapprochaient de travaux que l'agence avait déjà financés. À la National Science Foundation, les auteurs n'ont trouvé aucune relation significative entre rédaction assistée par IA et succès.
Pourquoi c'est importantC'est le cas le plus net à ce jour d'un outil d'IA qui optimise la mauvaise cible. Un modèle entraîné sur les lauréats passés rédige des demandes qui ressemblent aux lauréats passés, et les évaluateurs récompensent cette ressemblance — exactement l'inverse de ce qu'il faut à une institution dont le métier est de financer ce que personne n'a tenté. Le résultat de la NSF compte tout autant : quelle que soit la différence dans la manière d'évaluer des deux agences, l'une d'elles ne paie pas la même prime à la familiarité.
Lire dans l'app — gratuit, en 9 langues
Actus liées
Les États-Unis placent l'IA au cœur de la science avec 16 pays.2026-10-05Cinq problèmes ouverts sont tombés dans un chat ordinaire.
2026-10-05Les modèles bruts ont réussi des tâches que leur version polie rate.
2026-10-04Un modèle nourri de photos banales atteint 70% en raisonnement.
2026-10-04Google a mis ses puces d'IA en orbite pour voir si elles tiennent.
2026-10-03