— et d’un nombre croissant de références qui n’existaient pas.
Pourquoi Veracite existe
Les grands modèles de langage ont changé la manière dont les gens trouvent de la littérature. Les résultats se lisent généralement bien et la plupart des références sont réelles. Cependant, certaines présentent un auteur plausible, un titre convaincant et une revue existante, mais renvoient à un article qui n’a jamais été écrit. Les personnes qui encadrent des travaux les voient dans des mémoires. Les équipes éditoriales et les bibliothécaires les rencontrent dans des manuscrits soumis et des demandes de lectrices et lecteurs. Les chercheuses et chercheurs les découvrent dans leurs propres brouillons, parfois juste avant une échéance.
Les vérifier implique de parcourir les bibliographies à la main, référence par référence, dans des catalogues et des bases de données qu’aucune recherche unique ne couvre. Les conversations avec des collègues, des bibliothécaires et des clients aboutissaient toujours au même constat :
Personne ne voulait qu’une IA devine si une référence était fausse. Ils voulaient savoir si elle pouvait être trouvée, et où.
Veracite répond à cette question. Il recherche chaque référence dans des bases de données scientifiques et bibliographiques et indique ce qu’il a trouvé, preuves à l’appui. Il n’évalue pas le style rédactionnel et ne juge pas si un texte a été généré par une machine. Il vérifie si l’œuvre citée existe et si ses informations concordent — et montre où il a cherché, afin que le résultat reste solide lorsque quelqu’un d’autre pose la question.
Veracite est développé par thinkerlab GmbH en Suisse.
Cofondatrice, thinkerlab · Produit · Rayonnement
Chargée de cours à la FH Graubünden et fondatrice de scivia, un cabinet de conseil spécialisé dans la gouvernance des données, la gestion des données de recherche, la durabilité numérique et la culture de l’IA.
anapetrus.ch
Cofondateur, thinkerlab · Direction technique · Support client
Ingénieur en IA et responsable technique. Il a développé des infrastructures d’audioguides pour des musées et des institutions culturelles, ainsi que des pipelines de deep learning pour la classification d’images dermatologiques.
LinkedIn