IA à l’université : objet et outil de recherche et d’apprentissage
Maître de Conférences HDR (IAE Paris-Sorbonne) · Membre de l’Observatoire de l’IA · Université Paris 1 Panthéon-Sorbonne
Pourquoi cette page ? Parce que je fais partie de l’écosystème IA : lorsque l’on s’intéresse au digital, forcément, le pont entre les deux mondes existe. Je suis membre de l’Observatoire de l’IA de la Sorbonne. Voici mon profil sur cette plateforme : pantheonsorbonne.fr/page-perso/maguerin.
Mon parcours IA en publications
J’ai d’abord utilisé l’IA pour étudier les images sur les réseaux sociaux. Je me suis penchée sur Google Cloud Vision, ce qui m’a permis d’écrire mon premier article utilisant des méthodes IA. J’ai ensuite participé à un ouvrage collectif sur la compétition entre intelligence humaine et IA, puis à deux livres centrés sur le sujet : Web Crash (2023) et Marketing digital, SEO, SEA et ChatGPT (2024).
Mercanti-Guérin M., De Lassus C., Bezes C. — Quand l’expérientiel en luxe se construit sur Instagram : synergie ou bataille entre marques et directeurs artistiques ?, Revue Management et Avenir, 141-160. Lire sur Google Scholar →
Mercanti-Guérin M. — De la créativité perçue au biais de Statu Quo : le cas des jumeaux numériques dans l’habitat, in Intelligence artificielle & Intelligence humaine, Bonnet D. et Pluchart J.J. (dir), Éditions ESKA, Paris, 25-32.
Mercanti-Guérin M. — Web Crash : Le jour où le Web a fait faillite, Éditions EMS. L’IA est l’une des protagonistes de l’ouvrage, qui alerte sur le tsunami qu’elle allait provoquer sur le marché du digital.
Mercanti-Guérin M., Roussel P., El Hana N. — Éditions Vuibert, septembre 2024. Une réflexion sur la façon d’enseigner le marketing digital à l’ère de l’IA.
Conférences. Je fais régulièrement des conférences (IA & Banque, IA & Art). Vous les trouverez en libre accès sur ma page Actualités. Ces conférences sont désormais réservées aux institutions éducatives : ministères, écoles de commerce, universités, sociétés savantes. Après de multiples déboires avec les entreprises et les monétiseurs de conférences (drafts multiples, nom utilisé sans rémunération), je refuse toute proposition en dehors de mon champ académique.
Presse & médias. Je suis disponible pour parler IA en presse, TV ou radio, mais pas sur tous les médias, et pas toujours dans les délais impartis.
Ma routine IA
Claude (Anthropic)
À lire : le billet passionnant « Dans la tête de Claude » sur l’interview de Dario Amodei.
ChatGPT · Scite AI · Elicit AI · Mistral AI
Pour la recherche documentaire, la vérification de citations, l’exploration bibliographique. Je me penche en ce moment sur Elicit AI et Mistral AI.
Google NotebookLM
Je suis émerveillée par ses possibilités pour agréger des sources et générer des synthèses audio.
Gamma AI
Utilisé au quotidien pour générer des supports de cours. Visionnez l’usage que j’en fais via le petit-déjeuner Aunege consacré à l’utilisation de l’IA.
Mes sources quotidiennes
Un grand merci à Christophe Fournier (Aunege) et Jérôme Caby (Fnege) dont le travail de vulgarisation de l’IA auprès des enseignants-chercheurs est essentiel. Je suis aussi attentivement les excellents posts de Jean-Philippe Galan sur LinkedIn et ceux de mon ami Laurent Flores avec qui je discute régulièrement du sujet.
Mes newsletters préférées :
- L’Éclipse — cerveaufute@substack.com
- Génération IA — generationia@mail.beehiiv.com
Et les livres dans tout ça ? Pas le temps non plus — je ne lis que des livres d’histoire, de science-fiction (elles sont là…) et des essais d’économie, de prospective ou de politique (mais elles sont là aussi !). Bref, on n’échappe plus à l’IA ni au sens très particulier qu’elle pourrait donner à l’histoire humaine (voir Yuval Noah Harari, Nexus).
Formation des enseignants-chercheurs
J’ai eu le plaisir de monter une formation à destination des enseignants-chercheurs de l’IAE de Paris avec mon cher collègue Nadr El Hana, avec qui je partage les bons tips IA. Cette formation de 3 heures dresse un panorama des différents outils d’IA pour les chercheurs et les enseignants.
Module doctorants
Comment faire de la recherche de façon éthique en utilisant l’IA.
Guide mémoire étudiants
Guide sur l’utilisation de l’IA dans le cadre d’un mémoire de master, testé actuellement sur plusieurs étudiants.
Point de vue
Je suis heureuse d’être née avant l’IA : mon cerveau d’enfant des années 70 a pu se nourrir de connaissances non biaisées et travailler sa mémoire. Ma maison restera remplie de livres. Je suis aussi heureuse de vivre l’arrivée de l’IA, car elle sauvera des millions de vies par les progrès fulgurants qu’elle permettra : nouveaux matériaux, diagnostics médicaux, prévisions, données au service de l’homme.
J’essaie de continuer à écrire, penser, réfléchir et apprendre sans elle. Je ne sais pas ce qu’il en sera pour les jeunes générations. Même en l’intégrant dans tous mes cours — car je préfère une utilisation transparente — il est difficile de dire qu’Homo Sapiens n’est pas en danger. Qu’est-ce-qu’Homo sans Sapiens ? Mais qu’est-ce-que Sapiens sans Homo ?
Nous n’avons pas eu le temps de nous préparer. L’IA était pourtant bien là depuis plusieurs dizaines d’années, mais les IA génératives nous ont en quelque sorte explosé à la figure. Pas de temps d’adaptation, ni de recul. Un Cloud généralisé, mondial. Une sorte de Dieu Moloch qui demande, sans cesse, de la connaissance à dévorer, transformer, recracher… Moloch n’a pas sauvé les Carthaginois.
Mais les universitaires n’ont pas le choix. Ils ne peuvent pas se dire contre l’IA. Ils ont la mission d’être toujours du côté de la science. Et puis, il ne sert à rien de vouloir légiférer, imposer des moratoires, freiner… À pleine vitesse, l’IA est là, imposant son rythme effréné. Ce n’est pas de sa faute si l’éducation s’effondre. Apprendre de façon utilitaire est la meilleure façon de rester ignorant. Apprendre de façon désintéressée pour le plaisir d’apprendre : voici un beau projet rendu paradoxalement possible grâce à l’IA. Décorréler les apprentissages des métiers — le nouveau projet de l’Homme, pendant que les robots trimeront à notre place…
L’enjeu n’est pas la fin de l’homme, mais sa transformation. Comment utiliser l’IA pour amplifier ses capacités tout en préservant ce qui fait son humanité ? Comment redéfinir l’éducation pour développer les compétences uniquement humaines ?
La vraie question n’est peut-être pas « est-ce la fin de l’homme ? » mais plutôt « quel homme voulons-nous devenir à l’ère de l’IA ? »
Les outils pour faire de la recherche
Un panorama non exhaustif des outils IA structuré par usage : rédaction, découverte d’articles, lecture, gestion de références, analyse de données, plateformes ML.
📝 Rédaction & revue de littérature
- Paperpal, ResearchPal, Review-it
- Grammarly, Overleaf
- Google Docs, LaTeX
- Scrivener, Evernote, FocusWriter
- ChatGPT-4, GPT-3.5 Turbo
- NotebookLM — environnement notebook interactif intégrant divers outils d’IA
🔍 Recherche d’articles
- Litmaps, Google Scholar, OiPub, ArXiv
- Semantic Scholar, R Discovery, PubMed
- Connected Papers, JSTOR Data for Research
- Web of Science, Scopus, BASE (Bielefeld Academic Search Engine)
- Elicit AI — aide à formuler des questions de recherche et à trouver des articles pertinents
- Iris.ai — facilite la découverte et l’exploration de la recherche scientifique
📖 Lecture d’articles
- Scholarcy, Enago Read
- SciSummary, Scribe AI, Petal AI, Outread
- Paper Digest, PubReader, DeepDyve
- ReadCube Papers, Rayyan
- Scite AI — visualise comment un article a été cité, en mettant en évidence confirmations ou contradictions
📚 Gestion des références
- Zotero, Mendeley
- EndNote, RefWorks
- CitationManager, Citavi
- Paperpile, ReadCube
📊 Extraction & analyse de données
- SciSpace, SciSummary, AnswerThis, Tabula
- Nvivo, Julius AI, MS Excel, Google Sheets, MyRA
- SPSS, R Studio
- Python avec les bibliothèques scientifiques
- Tableau Public, Power BI
🤖 Plateformes IA & Machine Learning
- Google Vertex AI — déploiement et gestion de modèles
- Amazon SageMaker — construction, formation, déploiement
- Azure Machine Learning, IBM Watson Studio
- DataRobot, H2O.ai — AutoML
- Alteryx, Looker — analyse et visualisation avancées
Ressource complémentaire. Un document d’Amira Sghari sur les principaux logiciels pour faire une revue de littérature. Son profil ResearchGate.
Le co-scientifique IA
Le concept d’IA co-scientifique désigne une IA qui raisonne, propose des hypothèses et accompagne le chercheur comme un collaborateur. Trois ressources majeures :
IA et travail
Startups françaises de l’IA — Top 10
Sélection compilée par Adrien Chaltiel (board-member, advisor & operating partner). À l’occasion du Sommet Action pour l’IA, voici un top 10 des pépites françaises qui façonnent l’avenir de l’IA — certaines qu’on ne présente plus, d’autres à découvrir.
AnotherBrain
Technologie neuromorphique reproduisant le fonctionnement du cerveau humain. Révolutionne l’IA embarquée, en collaboration avec des industriels européens pour automatiser des chaînes de production complexes.
Dust
Assistants d’IA sur mesure, connectés directement aux données des entreprises. Intègre les meilleurs modèles du marché pour une flexibilité maximale.
Gladia
API de transcription multilingue ultra-rapide, utilisée par des médias pour générer des sous-titres en temps réel.
Giskard
Garantit que les modèles d’IA respectent les normes de qualité, sécurité et conformité, notamment les exigences de l’AI Act européen.
H Company
Spécialiste des agents d’IA. Solutions capables de raisonner et planifier comme des humains, transformant l’automatisation des tâches complexes.
LightOn
Première entreprise européenne d’IA cotée en Bourse. Développe des outils permettant d’industrialiser l’IA en maximisant son ROI.
Mistral AI
Leader européen de l’IA open source. « Mistral 7B » — modèle léger et performant, largement plébiscité par les développeurs.
Nabla
Outil de diagnostic assisté par IA. Améliore le suivi des patients et la pratique des professionnels de santé ; solutions conversationnelles pour accompagner les praticiens.
Photoroom
Édition d’images optimisée par l’IA. Fonctionnalités collaboratives pour simplifier le travail en équipe des créateurs et e-commerçants.
Poolside
Accompagne les développeurs avec des modèles spécialisés pour coder plus vite grâce aux prompts en langage naturel, pour les besoins spécifiques des entreprises.
Liens ressources
Guides institutionnels & universitaires
- Best AI Tools for Universities — Coursebox
- Les petits-déjeuners de l’IA au service de la recherche — Aunege
- Bibliographie IA — Aunege
- AI Rankings — US News
- MIT Sloan EdTech — AI Resources
- Regards croisés sur les IA génératives dans l’enseignement supérieur — FNEGE
- Guide pratique IA générative — Université de Genève
Éthique, droit et régulation
Plateformes de cours & MOOC
Mes « bests » pour chercher, réfléchir et enseigner
❤️ Coups de cœur
Data Visualisation : julius.ai — coup de cœur absolu.
Pour ne pas trop dépenser : toutes les IA pour 10 € par mois via mammouth.ai.
Podcasts & veille
- Podcast : Les 10 podcasts français sur la data et l’IA — Anne Beauchart
- LinkedIn : Jean Briac Coadou (Horizon.IA)
- LinkedIn : Tom Yeh — pour faire des démos en cours
- LinkedIn : Controv3rse
- Livres blancs : leslivresblancs.fr — IA
Agents IA
What is an AI Agent?
Definition. An AI Agent is an autonomous entity that perceives its environment, takes actions, and strives to achieve specific goals.
How AI Agents work
Perception. Agents perceive their environment through sensors or by receiving information from other agents.
Action. Agents take actions to interact with their environment — moving, manipulating objects, communicating.
Goals. Agents are driven by specific goals, which guide their actions and decision-making.
Learning. Many AI Agents are capable of learning from their experiences and adapting their behavior over time.
Types of AI Agents
Simple Reflex Agents — act based on simple rules and immediate sensory input, without considering long-term consequences.
Model-Based Reflex Agents — maintain an internal model of the environment, allowing more informed decisions by considering potential outcomes.
Goal-Based Agents — have specific goals and plan/execute actions to reach their objectives.
Utility-Based Agents — consider the expected utility of different actions and choose the one maximizing expected reward.
Learning Agents — learn and improve performance over time through experience.
AI Agent System Architecture
Single Agent — agents act independently, performing tasks or providing services.
Multi-Agent — multiple agents interact and collaborate to achieve common goals.
Human-Machine — agents interact with humans to provide assistance or support.
Key Elements of AI Agent Systems
Memory. Agents may store past experiences and use them to inform future decisions.
Reactivity. Agents must react to changes in their environment in real-time.
Human Control. Human oversight is often necessary to guide and control AI Agents’ actions.
📘 ET DUST. Une référence incontournable sur les agents : docs.dust.tt
📄 L’utilité des agents IA via l’excellent Louis Graffeuil : aitools.pdf
Bibliographie — Recherche & IA
Elali, F. R., & Rachid, L. N. (2023). AI-generated research paper fabrication and plagiarism in the scientific community. Patterns, 4(3).
Perkins, M., & Roe, J. (2024). Generative AI tools in academic research: Applications and implications for qualitative and quantitative research methodologies. arXiv preprint arXiv:2408.06872.
van Dijk, S. H., Brusse-Keizer, M. G., Bucsán, C. C., van der Palen, J., Doggen, C. J., & Lenferink, A. (2023). Artificial intelligence in systematic reviews: promising when appropriately used. BMJ open, 13(7), e072254.
Gatrell, C., Muzio, D., Post, C., & Wickert, C. (2024). Here, there and everywhere: On the responsible use of artificial intelligence (AI) in management research and the peer‐review process. Journal of Management Studies, 61(3), 739-751.
Vainio-Pekka, H., Agbese, M. O. O., Jantunen, M., Vakkuri, V., Mikkonen, T., Rousi, R., & Abrahamsson, P. (2023). The role of explainable AI in the research field of AI ethics. ACM Transactions on Interactive Intelligent Systems, 13(4), 1-39.
McIntosh, T. R., Susnjak, T., Liu, T., Watters, P., & Halgamuge, M. N. (2023). From Google Gemini to OpenAI Q*(Q-star): A survey of reshaping the generative artificial intelligence (AI) research landscape. arXiv preprint arXiv:2312.10868.
Pradhan, R., Lahiri, A., Galhotra, S., & Salimi, B. (2022, June). Explainable AI: Foundations, applications, opportunities for data management research. In Proceedings of the 2022 International Conference on Management of Data (pp. 2452-2457).
Arashpour, M. (2023). AI explainability framework for environmental management research. Journal of Environmental Management, 342, 118149.
Buriak, J. M., Akinwande, D., Artzi, N., Brinker, C. J., Burrows, C., Chan, W. C., … & Ye, J. (2023). Best practices for using AI when writing scientific manuscripts: Caution, care, and consideration: Creative science depends on it. ACS Nano, 17(5), 4091-4093.
Alshami, A., Elsayed, M., Ali, E., Eltoukhy, A. E., & Zayed, T. (2023). Harnessing the power of ChatGPT for automating systematic review process: Methodology, case study, limitations, and future directions. Systems, 11(7), 351.
Perkins, M., Roe, J., Postma, D., McGaughran, J., & Hickerson, D. (2024). Detection of GPT-4 generated text in higher education: Combining academic judgement and software to identify generative AI tool misuse. Journal of Academic Ethics, 22(1), 89-113.
Geraldi, J., Locatelli, G., Dei, G., Söderlund, J., & Clegg, S. (2024). AI for Management and Organization Research: Examples and Reflections from Project Studies. Project Management Journal, 55(4), 339-351.
Martinez, B., & Ho-Dac, M. (2024). Guide pratique du respect des valeurs de l’Union européenne et systèmes d’intelligence artificielle (Doctoral dissertation, Université d’Artois).
Mahuli, S. A., Rai, A., Mahuli, A. V., & Kumar, A. (2023). Application ChatGPT in conducting systematic reviews and meta-analyses. British Dental Journal, 235(2), 90-92.
Slimi, Z., & Carballido, B. V. (2023). Navigating the Ethical Challenges of Artificial Intelligence in Higher Education: An Analysis of Seven Global AI Ethics Policies. TEM Journal, 12(2).
Bibliographie — Éthique, recherche & AI Act
🏛️ Recommandations officielles. Les recommandations de l’Institut de Recherche contre la Fraude et le Plagiat (IRAFPA) concernant l’IA.
Zhou, J., & Chen, F. (2023). AI ethics: From principles to practice. AI & SOCIETY, 38(6), 2693-2703.
Zhou, J., Müller, H., Holzinger, A., & Chen, F. (2024). Ethical ChatGPT: Concerns, challenges, and commandments. Electronics, 13(17), 3417.
Woodgate, J., & Ajmeri, N. (2024). Macro Ethics Principles for Responsible AI Systems: Taxonomy and Directions. ACM Computing Surveys.
Schuett, J., Reuel, A. K., & Carlier, A. (2024). How to design an AI ethics board. AI and Ethics, 1-19.
Kijewski, S., Ronchi, E., & Vayena, E. (2024). The rise of checkbox AI ethics: a review. AI and Ethics, 1-10.
Knight, S., Shibani, A., & Vincent, N. (2024). Ethical AI governance: mapping a research ecosystem. AI and Ethics, 1-22.
Wagner, J. K., Cabrera, L. Y., Gerke, S., & Susser, D. (2024). Synthetic data and ELSI-focused computational checklists — A survey of biomedical professionals’ views. PLOS Digital Health, 3(11), e0000666.
Smith, G., Luka, N., Osborne, M., Lattimore, B., Newman, J., Nonnecke, B., & Mittelstadt, B. (2025). Responsible Generative AI Use by Product Managers: Recoupling Ethical Principles and Practices. arXiv preprint arXiv:2501.16531.
Attard-Frost, B., De los Ríos, A., & Walters, D. R. (2023). The ethics of AI business practices: a review of 47 AI ethics guidelines. AI and Ethics, 3(2), 389-406.
Jobin, A., Ienca, M., & Vayena, E. (2019). The global landscape of AI ethics guidelines. Nature Machine Intelligence, 1(9), 389-399.
Kazim, E., & Koshiyama, A. S. (2021). A high-level overview of AI ethics. Patterns, 2(9).
Hagendorff, T. (2020). The ethics of AI ethics: An evaluation of guidelines. Minds and Machines, 30(1), 99-120.
Siau, K., & Wang, W. (2020). Artificial intelligence (AI) ethics: ethics of AI and ethical AI. Journal of Database Management (JDM), 31(2), 74-87.
Munn, L. (2023). The uselessness of AI ethics. AI and Ethics, 3(3), 869-877.
Birhane, A., Ruane, E., Laurent, T., S. Brown, M., Flowers, J., Ventresque, A., & L. Dancy, C. (2022, June). The forgotten margins of AI ethics. In Proceedings of the 2022 ACM Conference on Fairness, Accountability, and Transparency (pp. 948-958).
Borenstein, J., & Howard, A. (2021). Emerging challenges in AI and the need for AI ethics education. AI and Ethics, 1, 61-65.
Morley, J., Kinsey, L., Elhalal, A., Garcia, F., Ziosi, M., & Floridi, L. (2023). Operationalising AI ethics: barriers, enablers and next steps. AI & SOCIETY, 1-13.
Powers, T. M., & Ganascia, J. G. (2020). The Ethics of the Ethics of AI. The Oxford Handbook of Ethics of AI, 25-51.
Zohny, H., McMillan, J., & King, M. (2023). Ethics of generative AI. Journal of Medical Ethics, 49(2), 79-80.
Islam, G., & Greenwood, M. (2024). Generative artificial intelligence as hypercommons: Ethics of authorship and ownership. Journal of Business Ethics, 192(4), 659-663.
Cassar, B. (2024). Règlement sur l’intelligence artificielle — version enrichie.
Ballell, T. R. D. L. H. (2025, January). Mapping Generative AI rules and liability scenarios in the AI Act, and in the proposed EU liability rules for AI liability. In Cambridge Forum on AI: Law and Governance (Vol. 1, p. e5). Cambridge University Press.
Reuel, A., Bucknall, B., Casper, S., Fist, T., Soder, L., Aarne, O., … & Trager, R. (2024). Open problems in technical AI governance. arXiv preprint arXiv:2407.14981.
Kim, B. J., Jeong, S., Cho, B. K., & Chung, J. B. (2025). AI Governance in the Context of the EU AI Act: A Bibliometric and Literature Review Approach. arXiv preprint arXiv:2502.03468.
Guides PDF à télécharger
Une sélection de guides pratiques — éthique, pédagogie, RGPD, outils, recommandations institutionnelles.