Dans un article publié en août dernier sur son blog, Dorothy Bishop, ardente défenseuse de l’intégrité scientifique, raconte son expérience de peer-reviewing d’un article frauduleux.
L’article en question correspondait à une analyse secondaire d’un de ses jeux de données (déposé dans un entrepôt), croisé avec d’autres données. Lorsqu’elle a demandé accès aux données et au code, on lui a indiqué où trouver les données sources (son propre jeu de données), et on lui a fourni un script d’analyse Python. C’est ce qui lui a permis de conclure qu’il s’agissait d’un article frauduleux : aucune mention n’était faite du dépôt où étaient censées se trouver les autres données analysées, et le script Python ne fonctionnait pas et ne précisait pas comment les données avaient été traitées.
Dorothy Bishop se dit choquée de voir à quel point l’article semblait plausible, par contraste avec les contenus frauduleux qu’elle avait pu repérer auparavant (contenus incompréhensibles, stéréotypés, truffés de tournures alambiquées, présentant des résultats trop beaux pour être vrais…). Ici, l’article posait une question originale et intéressante, et était crédible par le fait que les résultats étaient confus, soulevant plus de questions qu’ils n’apportaient de réponses. Elle se demande même si elle aurait identifié la fraude, si celle-ci n’avait pas porté sur ses propres données.
Face à ces formes sophistiquées de fraudes générées par IA, Dorothy Bishop espère que l’expertise humaine pourra encore en détecter une partie. Elle propose donc aux reviewers une liste de points de vigilance :
- Partir du principe que l’article évalué pourrait être frauduleux, jusqu’à preuve du contraire.
- Vérifier si les données et codes qui sous-tendent l’article sont disponibles, ou en demander l’accès. Dorothy Bishop reconnaît que la vérification des données et du code peut prendre beaucoup de temps mais elle considère cela comme essentiel, car il est très facile d’inventer des résultats.
- Vérifier si les références citées existent, et sont correctement citées. Vérifier également si les citations sont en lien direct avec l’argument avancé dans le texte, et si les travaux clés du domaine sont bien cités.
- Vérifier la cohérence de l’article et de sa structure (exemple d’élément révélateur : inclusion d’une section « Methods » alors qu’il s’agit d’un article théorique), vérifier l’absence de tournures alambiquées (tortured phrases)… Ces éléments risquent cependant de devenir moins fréquents à mesure que les fraudes se perfectionnent.
- Se demander s’il est plausible que les chercheurs aient réalisé ce qu’ils affirment avoir fait dans les délais indiqués et avec les ressources mentionnées.
- Vérifier si les chercheurs et leurs affiliations sont légitimes, tout en veillant à ne pas exclure « par principe » les nouveaux venus dans le domaine.
Source : Bishop D. Acceleration of the arms race between fraudsters and honest researchers. BishopBlog [Internet]. 16 août 2026 [cité 18 sept 2026]. Disponible sur: https://deevybee.blogspot.com/2026/08/acceleration-of-arms-race-between.html
