Revue de littérature avec l’IA : rechercher et vérifier les sources
L’IA peut aider à rechercher, classer et organiser des articles, mais la fiabilité d’une revue dépend de la couverture documentaire et de la possibilité de rattacher chaque affirmation à sa source. Considérez le résultat de l’IA comme un brouillon à vérifier : conservez les motifs d’inclusion et les pages justificatives, puis contrôlez les articles originaux avant de rédiger la synthèse.
Deux prépublications récentes montrent les possibilités et les limites. SurveyWeave répartit le travail entre collecte des articles, plan, classement des preuves et synthèse, avec des retours qui peuvent corriger les étapes précédentes. Une autre étude a testé des outils d’IA à partir d’un corpus connu de 102 articles de météorologie. Ces évaluations sont circonscrites et ne représentent pas toutes les disciplines ni tous les outils.
Ce que montrent les études récentes
Sur 36 sujets d’informatique et d’apprentissage automatique, SurveyWeave rapporte un score moyen WeaveEval de 87,5, contre 81,3 pour la meilleure référence de génération automatique de revues. La production d’une revue prenait environ 113 minutes et coûtait 27,80 dollars US aux tarifs catalogue des API. L’évaluation comprend des jugements par modèles et porte sur un ensemble limité de sujets ; ce score ne constitue pas une mesure universelle d’exactitude factuelle.
Dans le benchmark de 102 articles, cinq outils d’IA ont trouvé 57 articles distincts du corpus connu ; aucun n’en a trouvé plus de 42 lors de sa première recherche. Avec l’accès à la bibliothèque universitaire, Codex en a trouvé 82 contre 42 sans cette session, et Claude Code 79 contre 15. Lorsque le corpus complet leur était fourni, les outils reconnaissaient les 18 articles traitant réellement du sujet, mais classaient aussi à tort comme substantiels 40 à 79 % des simples mentions. Cette étude porte sur un seul sujet météorologique, des versions précises des outils et des conditions d’accès données.
Illustration du processus, et non capture du produit ou reproduction des systèmes étudiés.
Un processus de revue avec des preuves traçables
1. Définir la question et le périmètre
Avant la recherche, notez la question, la période, les termes, les types d’étude et les critères d’inclusion et d’exclusion. Ajoutez les synonymes et les sujets voisins susceptibles de produire du bruit. Pour une revue systématique ou exploratoire, conservez le protocole et consignez tout changement ainsi que sa raison.
2. Rechercher par plusieurs voies
Choisissez des bases adaptées au domaine, puis complétez si nécessaire avec des dépôts de prépublications ou les moteurs des éditeurs. Enregistrez la base, la requête complète, la date, les filtres et les conditions d’accès au texte intégral ou via l’établissement. Suivez les références des articles clés dans les deux sens. Dédupliquez par DOI, puis vérifiez le titre normalisé et l’année. Les résultats sont des candidats, pas un corpus complet par défaut.
3. Sélectionner les articles et garder les raisons
Appliquez les mêmes critères aux titres et résumés, puis aux textes intégraux. Conservez pour chaque notice un identifiant, la référence, la décision, la raison et l’emplacement de la source. Si l’article est inaccessible, notez-le comme tel au lieu de le déclarer non pertinent. Le benchmark cité montre que l’accès institutionnel peut modifier fortement les résultats d’un agent.
4. Construire une matrice de preuves avant de rédiger
Pour chaque article, consignez la question, la méthode et le contexte, l’échantillon ou les données, le résultat, les limites et les pages qui étayent chaque affirmation. Distinguez les résultats des auteurs de votre interprétation transversale. Une citation brève aide à retrouver le passage, mais doit être vérifiée dans le PDF et ne remplace pas la synthèse.
Modèle indicatif uniquement. Les lignes et libellés sont des exemples, pas des résultats extraits des études.
5. Synthétiser autour de la question
Regroupez les résultats selon les mécanismes, méthodes, populations, résultats ou désaccords pertinents. Comparez les conditions et mesures réellement utilisées. Signalez les contradictions, les populations non étudiées et les lacunes de preuve. N’annoncez pas de consensus si les sources ne l’établissent pas.
6. Vérifier les sources soi-même
Contrôlez chaque affirmation centrale — ou toutes pour une petite revue — dans l’article cité. Vérifiez l’existence de la référence, la page justificative et le respect de la population, de la méthode et de l’incertitude dans la paraphrase. Examinez aussi les publications anciennes, la couverture des éditeurs, les textes inaccessibles et les doublons. L’assurance du modèle ne constitue pas une preuve.
Une consigne réutilisable pour extraire les informations
Utilisez un schéma fixe, article par article ou par petits lots traçables. Demandez au modèle de ne pas compléter les informations absentes.
Use only the supplied paper. Return these fields:- Paper ID and full citation details visible in the source- Research question and study design- Population, data, or setting- Main result, preserving units and conditions- A short supporting quotation and PDF page number- Stated limitations- Relevance: core, background, or exclude, with a reasonIf a detail is absent, write "Not reported".Do not infer causality, consensus, statistical significance, or missing values.Separate the paper's conclusion from your interpretation.List unresolved questions separately.Vérifiez les nombres, dénominateurs, sous-groupes et citations dans les PDF. Pour un grand corpus, faites contrôler les critères et un échantillon des extractions par une autre personne.
Relier les preuves et la bibliographie en LaTeX
Cet exemple associe une question, un tableau de preuves et des citations BibTeX. Les lignes du tableau sont des exemples fictifs de mise en forme : remplacez-les par des données vérifiées.
\documentclass{article}\usepackage[margin=1in]{geometry}\usepackage[numbers]{natbib}\usepackage{booktabs}\begin{document}\section{Review question}How should an AI-assisted literature review track search coverage and evidence?\begin{table}[htbp]\centering\small\caption{Illustrative evidence ledger; verify each entry against its source.}\begin{tabular}{@{}p{0.15\linewidth}p{0.31\linewidth}p{0.43\linewidth}@{}}\topruleSource & Question & Evidence to verify \\\midruleStudy A & How does search access affect coverage? & Database, query, access route, and omitted records \\Study B & How well does synthesis reflect papers? & Claim, supporting page, limitations, and reviewer judgment \\\bottomrule\end{tabular}\end{table}Treat each cited statement as a claim that must be checked in the source \citep{zhang2026surveyweave,alkalbani2026benchmark}.\bibliographystyle{plainnat}\bibliography{references}\end{document}Enregistrez le bloc suivant dans references.bib et vérifiez les métadonnées avec les sources originales :
@misc{zhang2026surveyweave, author = {Zhang, Franklin and Yang, Xiao and Dong, Xin Luna and Hu, Juhua}, title = {SurveyWeave: An Agentic Framework for Automated Survey Generation}, year = {2026}, eprint = {2611.19029}, archivePrefix = {arXiv}}@misc{alkalbani2026benchmark, author = {Al Kalbani, Abdullah and Schultz, David M. and Anderson-Frey, Alexandra K. and Zheng, Zhonghua and McGuire, Catherine}, title = {Can Large Language Models Review the Scientific Literature? A Test Against a 102-Article Benchmark}, year = {2026}, eprint = {2611.05459}, archivePrefix = {arXiv}}Compilez avec pdflatex main.tex, bibtex main, puis deux nouvelles exécutions de pdflatex main.tex. Vérifiez .blg et .log pour les clés manquantes et les erreurs bibliographiques. Un modèle de revue peut exiger d’autres commandes ou paramètres.
Des notes documentées au brouillon
Demandez à un assistant de rédiger une section à partir d’une matrice vérifiée et d’associer chaque affirmation factuelle à un identifiant de source. Comparez le texte à la matrice, puis révisez vous-même l’argumentation. EasyLaTeX permet de modifier et compiler un projet .tex préparé : consultez le guide du projet au PDF et le processus de vérification des références. EasyLaTeX ne prétend pas intégrer ni exécuter SurveyWeave ou les agents évalués.
Sources et portée
- Zhang, Yang, Dong et Hu, SurveyWeave: An Agentic Framework for Automated Survey Generation, arXiv:2611.19029, soumis le 14 novembre 2026. Prépublication.
- Al Kalbani et al., Can Large Language Models Review the Scientific Literature? A Test Against a 102-Article Benchmark, arXiv:2611.05459, soumis le 3 novembre 2026. Prépublication.
SurveyWeave porte surtout sur l’informatique et l’apprentissage automatique et utilise des évaluations par modèles. L’étude des 102 articles se limite à un sujet météorologique et à certaines versions d’outils. Ces résultats décrivent ces évaluations et ne garantissent pas une performance générale.