Érudit - Quels futurs ?

Alexia Schneider

alexia.schneider@umontreal.ca

Louis-Olivier Brassard

louis.olivier.brassard@umontreal.ca

2026-11-11

Table of contents

• Présentation du laboratoire et des recherches en cours
  • Le laboratoire et Revue3.0
  • Revue3.0
  • Problématiques liées à l’IA pour le ‘futur d’érudit’
  • Les enjeux
• Automatisation de la structuration sémantique
  • La question de l’enrichissement sémantique
  • Les avenues explorées pour le pré-traitement
  • Structuration par application à base de LLM
• Questions ?
• De nouvelles formes d’appropriation de la littérature savante
  • Rappels sur les RAG
  • Alternatives aux chatbots pour l’exploration de vaste corpus
  • Visualisation par graphe de réseaux:
  • Quelles alternatives ? Quelles demandes de la part des utilisateur.ices ?

Présentation du laboratoire et des recherches en cours

Le laboratoire et Revue3.0

Marcello Vitali-Rosati en 2015 à l’Udem constitue une cellule de recherche sur l’éditorialisation, puis sur les usages du numérique pour l’édition scientifique et notamment l’écriture savante. Approche philo plus que littérature.

2024 Revue3.0, projet de partenariat (Érudit, Huma-Num, OpenEdition, Zotero) incluant des revues en SHS:

Louis-Olivier : 8 ans de collaboration avec MVR, direction. intérêts de recherche : le post-humain en littérature, et intérêt pour l’outil technique dans une approche low-tech/retro-computing.

Alexia : arrivée en 2025 pour travailler sur l’IA, notamment pour développer un outil exploitant IEML, qui deviendra IEML-RS. Sujet prend un tournant plus théorique sur la question des pratiques de l’IA générative pour la recherche documentaire en contexte scientifique.

Revue3.0

Quelques projets actuels qui peuvent intéresser érudit:

1. Référentiel des pratiques des revues

2. Projet sur les pratiques de découvrabilité

Entretiens des revues partenaires (en SHS). Typologie des stratégies employées.

3. Reflexion sur l’adoption de déclaration d’usage de l’IA pour les auteur.ices auprès des revues

Problématiques liées à l’IA pour le ‘futur d’érudit’

Situation d’érudit ? - érudit devenu simple dépôt exploité par les robots des produits IA -> bloquer l’accès ? - proposer ses propres outils pour la recherche documentaire basée sur des requêtes en langue naturelle (RAG) ? - enrichissement et structuration automatique des articles ? -> utilisation du plain texte vs. données structurées ?

Les enjeux

2 Questions :

• Côté diffuseur : Pertinence de la structuration des données (faite manuellement) ?
• Côté chercheur..ses : Nouveaux modes d’appropriation de vastes jeux de données

Automatisation de la structuration sémantique

La question de l’enrichissement sémantique

Intérêt pour les chercheur..ses et pour les revues

Simon van Bellen (Érudit), “Do Scholarly Article Views Reflect a “Social Impact” of SSH Research? Analyzing Users and Usage Patterns of Érudit’s Collections”

Presence of abstracts impacts after year 1 the number of downloads.

Les avenues explorées pour le pré-traitement

1. La structuration sémantique des données bibliographiques dans un mode Single Source Publishing

Ex: passage de Zotero à une bibliographique stylée = perte d’informations sémantiques

2. Intérêt d’avoir du BibTeX ou format bibliographique (RDF, CSL) et/ou XML-TEI ou XML-érudit avec métadonnées riches

![Screenshot]

Question : qui doit ou peut produire ces données structurées ?

Structuration par application à base de LLM

Les modèles specialisé pour al structuration de la bibliographie sont imparfaits, pourtant les applications grand public (des système agentique à base de LLM) sont très performants.

Une inévitabilité ?

Produit une bibliographie structurée en XML-TEI, identifie des erreurs dans la bibliographie qui a été corrigée manuellement.

Questions ?

De nouvelles formes d’appropriation de la littérature savante

Rappels sur les RAG

La tendance actuelle est au RAG : Retrieval Augmented Generation ou Recherche Augmentée par Génération.

RAG

Forces et faiblesses: - Nécessite accès au texte brut -> pré-traitement important (chunking, vectorisation) - Dimension persuasive des synthèses générées, délégation cognitive etc. - Paradigme de la trouvabilité (vs. découvrabilité incluant sérendipité) - Amalgame des questions de recherche (ex: quoi, pourquoi, quand).

Alternatives aux chatbots pour l’exploration de vaste corpus

Conception d’outils de recherche alternatifs: recherche par mots-clés dans un espace sémantique déterminé + exploration par relation sémantique +/- explicitées

Ex 1: IEML-RS

Ex 2 : Flux RSS

Force et faiblesse: - conception à rebours des interfaces sans friction, - renouvelle l’implication des chercheur..ses. - Pas d’application de grande échelle, application limitée par les termes annotés (limite de l’automatisation pour la structuration sémantique à ce niveau de granularité), appropriation difficile, intégration aux pratiques très peu probable.

Visualisation par graphe de réseaux:

Force et faiblesse: - Visualisation et navigation favorise les démarches exploratoires - Pas toujours évident d’expliciter les liens entre les noeuds - Limite fine entre pistes nouvelles et bruit (le graphe devient une masse)

ex: citation tree

Citation Tree

ex: research Rabbit

Research Rabbit

ex: Démo Cosma pour exploration à partir de la biblio ou des mots-clés (controlés, Rameau)

Cosma

Quelles alternatives ? Quelles demandes de la part des utilisateur.ices ?

• Quelles seraient les outils de mises à disposition de la connaissance de la recherche pour vous ?
• Quelle est votre utilisation des assistants de recherche IA ?
• Est-ce que ça vaut le coup de structurer des données ? De développer des outils hors RAG ?