Lorsque nous commençons à faire des recherches sur quelque chose, nous avons tendance à vouloir davantage de matière. Nous lisons des articles, recueillons des chiffres, cherchons des avis d’experts et demandons à l’IA de résumer. Nous avons l’impression qu’une plus grande quantité d’informations devrait rendre notre jugement plus fiable. Bien sûr, si nous disposons de trop peu de matière, nous pouvons passer à côté de faits importants. Mais l’augmentation de la quantité de documents n’équivaut pas à comprendre la question. Même après avoir lu dix sources, si chacune reste séparée des autres, ce que nous devons réellement juger peut encore rester flou.
Supposons que nous étudiions une région qui a introduit un nouveau mode de transport. Nous pouvons recueillir de nombreux chiffres : nombre d’usagers, coût, temps de trajet, impact environnemental, sécurité, etc. Mais aucun chiffre pris isolément ne détermine son propre sens. Même si l’utilisation a augmenté, il importe de savoir si les usagers ont simplement quitté un autre mode de transport ou si des personnes qui ne pouvaient auparavant pas se déplacer ont désormais accès au transport. Même si les coûts ont baissé, l’évaluation change si la zone de service s’est réduite. La recherche exige non seulement de recueillir des faits, mais aussi d’examiner les relations entre eux.
L’IA peut réduire considérablement le temps nécessaire pour trouver des documents et en organiser le contenu. C’est un avantage important pour la recherche. Dans le même temps, lorsque la synthèse devient plus rapide, plusieurs sources peuvent être condensées vers des conclusions similaires et leurs différences devenir moins visibles. Même des sources portant sur le même sujet ne peuvent pas simplement être fusionnées si elles diffèrent par la région, la période, les conditions ou les méthodes de mesure. La qualité de la recherche dépend non seulement de la capacité à condenser l’information, mais aussi de notre capacité à déterminer quelles différences influent sur la question.
Examiner les relations change aussi le sens des éléments de preuve contraires. Lorsque nous trouvons un résultat qui diffère de notre point de vue, nous pouvons l’écarter comme une exception. Mais si nous demandons : « Pourquoi le résultat opposé s’est-il produit dans ces conditions ? », une nouvelle question apparaît. Les éléments de preuve contraires ne font pas qu’entraver une conclusion ; ils peuvent nous montrer jusqu’où cette conclusion est valable. La recherche ne consiste pas seulement à accumuler des informations allant dans le même sens. Elle consiste aussi à rechercher les différences de conditions qui se trouvent derrière des résultats différents.
Ce que nous pouvons attendre de l’IA ici ne se limite pas à « trouver davantage de documents pertinents ». Elle peut aussi séparer les éléments qui étayent une affirmation de ceux qui la contredisent, comparer les conditions dans lesquelles les résultats changent et signaler des relations qui n’ont pas encore été confirmées. Mais ces connexions ne deviennent pas automatiquement correctes. Les humains doivent encore examiner la source, la population, la période et la méthode de mesure, et déterminer si les informations reliées par l’IA répondent réellement à la même question.
À mesure que la recherche progresse, la question initiale peut changer. Nous pouvons commencer par demander : « Cette méthode fonctionne-t-elle ? » et découvrir que la véritable question est : « Pour qui, et dans quelles conditions, fonctionne-t-elle ? » Ce n’est pas un échec de la recherche. Voir les relations entre les éléments d’information a révélé que la question initiale était trop grossière. Une bonne recherche ne force pas une réponse à rentrer dans la première question ; lorsque c’est nécessaire, elle actualise la question elle-même.
C’est aussi pourquoi Sai＊aus Labo traite les connaissances à travers leurs relations. Au lieu d’isoler un article comme une réponse achevée, il peut être relié à d’autres questions, à des contre-preuves, à des conditions et à des connaissances acquises plus tard. Ainsi, lorsqu’une nouvelle recherche commence, un article antérieur peut être utilisé non pas simplement en le répétant, mais en examinant « ce qui a changé par rapport à notre compréhension précédente ». La valeur des connaissances ne réside pas seulement dans le fait qu’elles sont conservées, mais aussi dans le fait qu’elles restent ouvertes à un réexamen à travers la question suivante.
La recherche commence par la collecte d’informations, mais elle ne doit pas nécessairement s’arrêter là. En examinant les relations entre les faits, entre les preuves et les contre-preuves, entre les résultats et les conditions, ainsi qu’entre les questions passées et présentes, l’information se rapproche d’un savoir capable d’étayer le jugement. À mesure que l’IA accélère la collecte, l’endroit où la pensée humaine est nécessaire se déplace du nombre de sources vers le sens des relations. La profondeur de la recherche varie non seulement selon la quantité que nous recueillons, mais aussi selon les relations que nous découvrons.
Pas des réponses. La compréhension.