Le risque d’une recherche optimisée pour l’évaluation

J’ai consacré une grande partie de ma carrière à travailler précisément sur ces questions : aider les acteurs de la recherche à réfléchir à l’impact, à la co-création et à l’innovation responsable de manière plus sérieuse et structurée. Au cours des dernières années, j’ai également travaillé au développement d’outils assistés par l’IA pour la préparation des propositions Horizon Europe. Au départ, cela semblait relativement simple. Les propositions européennes sont des documents très structurés, les chercheurs sont submergés par la complexité administrative, et l’IA peut véritablement aider à réduire les frictions, permettre aux consortiums de structurer plus clairement leurs chemins vers l’impact et faire gagner du temps aux chercheurs.

Mais le travail sur ces outils a progressivement révélé un problème qui précède de loin l’IA. En effet, plus les systèmes de financement de la recherche formalisent ce à quoi devrait ressembler un « bon impact », plus les acteurs adaptent eux-mêmes leur langage, leurs comportements et leurs stratégies de proposition aux cadres d’évaluation. À un certain moment, on commence à se demander si les projets sont encore conçus pour leur pertinence sociétale, ou de plus en plus pour leur lisibilité évaluative.

Quand l'impact devient un simple exercice de conformité

La plupart des propositions soumises dans le cadre d'Horizon Europe exigent désormais des sections consacrées à l'impact extrêmement sophistiquées : chemin vers l'impact, indicateurs clés de performance (KPI), plans d'engagement des parties prenantes, stratégies de diffusion, outcomes sociétaux / environnementaux et plans d'exploitation de plus en plus détaillés.

Dans le même temps, les appels à projets sont extrêmement compétitifs, les délais sont courts et les consortiums sont souvent finalisés assez tard dans le processus. Dans ces conditions, l'impact devient rapidement quelque chose que les équipes doivent produire rapidement plutôt qu'un élément qu'elles ont véritablement le temps de concevoir collectivement.

Il en résulte un paradoxe. Des systèmes conçus pour encourager une recherche socialement significative peuvent finir par générer, au contraire, des discours de plus en plus standardisés sur l’impact.

Certaines formulations deviennent récurrentes. Certaines catégories de parties prenantes apparaissent partout. Certains concepts deviennent incontournables. Les chercheurs apprennent les codes de l’évaluation. Les consultants, les modèles types et les outils d’IA renforcent progressivement ces schémas.

Peu à peu, les projets risquent de converger vers ce qui est lisible sur le plan de l’évaluation plutôt que vers ce qui est transformateur sur le plan scientifique ou social. Cela crée une situation étrange où tout le monde consacre d’énormes quantités d’énergie à produire l’apparence d’un projet à fort impact, alors que les conditions nécessaires à une réflexion collective approfondie font souvent défaut dès le départ.

Et tout le monde le sait.

Les chercheurs se sentent submergés par les lourdeurs administratives. Les chefs de projet peinent à maintenir la cohérence au sein de vastes consortiums. Les évaluateurs examinent des propositions de plus en plus homogènes. Les partenaires de la société civile sont parfois intégrés trop tardivement pour permettre une véritable co-création. Et l’impact sociétal lui-même risque d’être réduit à une rubrique formelle, déconnectée de la pratique scientifique. En d’autres termes, cocher la case « impact » ne produit pas d’impact.

Les systèmes de recherche façonnent les comportements

Les chercheurs apprennent quels types de projets, de discours, de partenariats et d’arguments sur l’impact sont considérés comme crédibles ou éligibles à un financement. Les institutions s’organisent en fonction des taux de réussite et des attentes en matière d’évaluation. Les structures de soutien, les consultants, les modèles types et, désormais, les outils d’IA contribuent progressivement à ancrer certaines façons de présenter la recherche comme légitimes.

Tout cela ne se fait pas nécessairement de manière consciente ou cynique. En réalité, de nombreux chercheurs se soucient sincèrement de l’impact sociétal. Mais au fil du temps, l’exposition répétée aux mêmes logiques d’évaluation tend à normaliser certaines formes de discours et de conception de projets.

C’est ainsi que des cultures scientifiques entières sont progressivement influencées par les indicateurs et les structures de financement. Le problème ne réside donc pas uniquement dans la surcharge administrative. Il s’agit du risque que la recherche elle-même soit de plus en plus modelée en fonction de ce qui peut être évalué efficacement.

L’ironie est que de nombreux acteurs impliqués dans le financement européen sont pleinement conscients de cette tension. Au cours des dernières années, j’ai beaucoup travaillé avec des chercheurs, des chefs de projet, des fondateurs de start-ups, des organismes de soutien à l’innovation et des institutions publiques sur ces questions. La plupart des gens ne rejettent pas du tout l’idée d’impact sociétal. Au contraire, pour beaucoup cela les motive profondément.

Ce qu’ils rejettent, c’est l’impression que l’impact est déconnecté des pratiques de recherche réelles et réduit à un simple exercice de façade. Un impact sociétal significatif nécessite souvent précisément ce que les structures de financement actuelles peinent à prendre en compte : du temps, de l’incertitude, un dialogue interdisciplinaire, l’instauration d’un climat de confiance, des conflits, de l’expérimentation et des relations à long terme avec les parties prenantes externes.

Une véritable co-création s’inscrit rarement sans heurts dans les délais serrés imposés par les appels à projets actuels.

L'IA ne résoudra pas ce problème

L'essor récent des outils d'IA générative dans la rédaction de propositions rend ces questions encore plus intéressantes. L'IA peut véritablement aider à structurer l'information, à réduire la charge administrative, à garantir la cohérence entre les documents et à soutenir des équipes débordées. Mais elle soulève également une question importante : que se passe-t-il lorsque les propositions de recherche elles-mêmes deviennent de plus en plus standardisées par le biais d'outils d'optimisation ?

Si chaque consortium utilise des systèmes d'IA similaires, entraînés sur des propositions ayant déjà abouti, il existe un risque réel d'homogénéisation. L'originalité scientifique devient plus difficile à distinguer. Certaines façons de présenter l'impact deviennent dominantes simplement parce qu'elles sont statistiquement identifiables comme étant couronnées de succès.

C'est pourquoi je suis désormais convaincu que la question n'est pas de savoir si l'IA doit ou non être utilisée dans le financement de la recherche. La véritable question est de savoir quel rôle nous voulons que ces outils jouent. Doivent-ils aider les chercheurs à penser ? (C'est le choix de conception que nous avions fait chez SoScience.) Ou doivent-ils progressivement remplacer le travail intellectuel et politique difficile qui consiste à définir collectivement ce qui compte ?

Il existe une différence majeure entre les outils qui favorisent la réflexion et ceux qui produisent un discours formaté à la place des utilisateurs. Les premiers peuvent renforcer des pratiques de recherche en faveur de plus d'impact. Les seconds risquent d'accélérer la bureaucratisation déjà en cours.

Au-delà de la conformité

En fin de compte, la question plus large dépasse le cadre de l’IA, de la rédaction de propositions ou des mécanismes de financement européens. Elle concerne la tendance croissante des systèmes d’innovation à privilégier la conformité, parfois au détriment de l’excellence. Bien sûr, les cadres d’évaluation sont nécessaires. Le financement public exige de la responsabilité, de la coordination et un certain degré de comparabilité entre les projets. Les programmes de recherche à grande échelle ne peuvent fonctionner sans procédures, indicateurs et modes d’évaluation.

Le problème commence lorsque ces mécanismes cessent de servir de soutien à une recherche significative et deviennent une fin en soi. Lorsque l’impact sociétal est traité principalement comme une rubrique à remplir dans des délais très courts, il risque de se transformer en un exercice de forme déconnecté de l’organisation réelle du travail scientifique.

Dans cette situation, tout le monde finit par être frustré. Les chercheurs perçoivent les exigences en matière d’impact comme une pression bureaucratique plutôt que comme un engagement intellectuel. Les évaluateurs lisent des récits de plus en plus standardisés. La participation de la société civile se réduit à des exercices de consultation symboliques. Et le concept même d’impact perd peu à peu de sa substance, car trop d’acteurs apprennent à reproduire son vocabulaire sans disposer des conditions nécessaires pour le mettre véritablement en œuvre.

Le défi ne consiste donc pas simplement à demander aux chercheurs d’« intégrer l’impact ». Il s’agit plutôt de mettre en place des systèmes dans lesquels un engagement sociétal significatif devienne structurellement possible, intellectuellement légitime et soutenu par les institutions. Sinon, l’impact risque de devenir ce que de nombreux chercheurs perçoivent déjà en silence : une couche narrative obligatoire ajoutée à des projets dont les orientations ont été largement définies ailleurs.