Les chercheurs font face à une production scientifique exponentielle. Lors de l'exploration de la littérature sur les moteurs de recherche académiques traditionnels, deux obstacles majeurs ralentissent le travail : le décompte brut des citations, qui favorise les articles anciens sans mesurer leur impact méthodologique réel, et les lecteurs de PDF statiques, qui imposent des allers-retours permanents entre le texte et la bibliographie.
Développé par l'Allen Institute for AI (Ai2), Semantic Scholar résout ces difficultés en substituant à la recherche par mots-clés une analyse sémantique fondée sur l'apprentissage automatique. La plateforme s'articule autour de deux piliers : les métriques d'influence des citations (Citation Influence Metrics), qui distinguent les filiations scientifiques majeures des simples mentions, et Semantic Reader, un environnement de lecture de PDF enrichi qui intègre directement l'intelligence contextuelle au sein du document.
Ce guide présente la méthode pour exploiter les filtres d'influence, le lecteur Semantic Reader et les flux personnalisés Research Feeds afin d'identifier la littérature fondatrice et d'assurer une veille scientifique continue.
1. Comprendre les métriques d'influence des citations
Les métriques traditionnelles accordent la même valeur à toutes les références : une simple mention en introduction pèse autant qu'un article appliquant ou modifiant le code source d'une étude préalable. Semantic Scholar utilise des modèles d'apprentissage automatique entraînés sur le texte intégral pour évaluer l'impact et l'intention de chaque citation.
Citations totales versus citations hautement influentes (Highly Influential Citations)
Sur chaque fiche de publication de Semantic Scholar figurent deux données complémentaires :
- Total Citations (Citations totales) : L'ensemble des articles indexés qui mentionnent la publication.
- Highly Influential Citations (HIC / Citations hautement influentes) : Une sélection établie par un modèle de classification par IA. Celui-ci détermine si le document cité a exercé une influence déterminante sur la méthodologie, le protocole expérimental ou les conclusions de l'article citant.
Le modèle évalue plusieurs indicateurs dans le texte intégral :
- Fréquence d'apparition : Le nombre d'occurrences de la référence tout au long du document.
- Section du manuscrit : Une citation placée dans les sections « Méthodes » ou « Résultats » reçoit un poids bien supérieur à une citation en introduction.
- Contexte syntaxique et sémantique : Les tournures de phrases indiquant l'adoption d'un algorithme, la reproduction d'une expérience ou l'extension d'un cadre théorique.
Grâce au filtre « Highly Influential », le chercheur élimine les mentions secondaires pour se concentrer sur les travaux qui ont véritablement fait progresser la recherche.
Classification de l'intention de citation (Citation Intent)
Semantic Scholar répartit la finalité de chaque citation en trois catégories distinctes :
- Background (Contexte) : Références fournissant un cadrage historique, justifiant la problématique ou résumant l'état de l'art.
- Method (Méthode) : Citations où les auteurs reprennent, adaptent ou comparent directement un algorithme, un protocole expérimental, un jeu de données de référence ou un logiciel.
- Result (Résultat) : Citations comparant des mesures quantitatives, confirmant des observations antérieures ou analysant des divergences expérimentales.
En filtrant la liste des citations par « Method », on repère immédiatement les études ayant réellement mis en œuvre la technique, en les distinguant des simples citations conceptuelles.
Vitesse et accélération des citations (Citation Velocity & Acceleration)
Pour éviter que les avancées récentes soient éclipsées par des publications classiques cumulant des années de citations passives, Semantic Scholar intègre des indicateurs dynamiques :
- Citation Velocity : Moyenne pondérée des citations obtenues au cours des trois dernières années, reflétant l'intérêt actuel de la communauté pour le sujet.
- Citation Acceleration : Taux d'évolution de la vitesse de citation dans le temps, permettant de repérer les publications émergentes en forte phase d'adoption.
2. Identifier la littérature fondatrice : démarche de traçage bidirectionnel
Dans un domaine nouveau, les publications pionnières sont souvent masquées par une multitude d'articles dérivés. Structurer un traçage bidirectionnel — rétrospectif et prospectif — permet de reconstituer efficacement la généalogie d'un sujet.
+-------------------------------------------------------------------+
| Article source / Publication de référence |
+-------------------------------------------------------------------+
|
+------------------------+------------------------+
| |
v v
Traçage rétrospectif (References) Traçage prospectif (Citations)
- Filtrer par Method et Background - Filtrer par Highly Influential
- Consulter les résumés TLDR - Évaluer la Citation Velocity
- Découvrir les précurseurs fondamentaux - Identifier les extensions majeures
Étape 1 : Choisir un article source représentatif (Seed Paper)
Recherchez votre thématique pour identifier un article de référence reconnu. Dans la liste des résultats, appuyez-vous sur les TLDR (Too Long; Didn't Read). Ces résumés d'une seule phrase, générés par IA, synthétisent l'objectif central et les conclusions principales pour évaluer la pertinence d'un travail en quelques secondes.
Étape 2 : Traçage rétrospectif via les références (Backward Tracing)
Consultez la fiche de l'article source et ouvrez l'onglet References :
- Examinez les travaux sur lesquels les auteurs se sont appuyés.
- Filtrez par Method pour isoler les architectures fondamentales, les jeux de données initiaux ou les modèles théoriques sous-jacents.
- Repérez les publications signalées par le badge HIC, qui constituent les fondations méthodologiques indispensables de l'étude.
Étape 3 : Traçage prospectif via les citations (Forward Tracing)
Basculez sur l'onglet Citations du même article :
- Activez le filtre Highly Influential Citations pour écarter les citations de courtoisie et retenir uniquement les études qui ont substantiellement prolongé les travaux originaux.
- Combinez avec le filtre Citation Intent: Result pour repérer les publications ayant validé, éprouvé ou comparé empiriquement les résultats initiaux.
- Triez par Citation Velocity pour identifier les développements récents les plus actifs des deux à trois dernières années.
Cette double analyse permet de cartographier les origines et les prolongements contemporains d'un domaine sans avoir à lire manuellement des dizaines d'articles de synthèse génériques.
3. Lecture approfondie avec Semantic Reader
Lire un article technique au format PDF classique demande de continuelles interruptions pour consulter la bibliographie ou vérifier des termes complexes. Semantic Reader transforme le document en un espace de travail interactif.
La fonctionnalité est disponible directement sur Semantic Scholar pour des millions d'articles en accès ouvert, notamment la quasi-totalité des prépublications d'informatique et de physique sur arXiv. Cliquez sur Semantic Reader ou View PDF pour lancer l'interface.
Cartes de citation contextuelles (In-Situ Citation Cards)
Dans Semantic Reader, chaque citation du texte devient interactive :
- Cliquer ou survoler un appel de citation ouvre un encart contextuel directement au-dessus du paragraphe.
- La carte affiche le titre complet, les auteurs, l'année, la revue ou conférence, le nombre total de citations et le résumé TLDR généré par IA.
- Le lecteur prend connaissance de l'essentiel de la référence et peut l'enregistrer dans sa bibliothèque personnelle sans quitter sa ligne de lecture.
Mode survol intelligent (Skim Mode)
Pour analyser rapidement plusieurs documents, Semantic Reader intègre un mode de lecture rapide issu des recherches Scim d'Ai2. Accessible dans le volet latéral, ce mode met en relief les éléments rhétoriques majeurs selon un code couleur :
- Goal (Objectif) : Passages énonçant la problématique de recherche ou l'hypothèse centrale.
- Method (Méthode) : Sections décrivant le protocole expérimental, l'architecture du modèle ou le recueil des données.
- Result (Résultat) : Phrases résumant les données chiffrées et les observations quantitatives.
L'intensité et le nombre de surlignages sont ajustables dans la barre latérale pour extraire la substance d'un article en quelques minutes.
Définitions contextuelles à la demande (Definitions On-Demand)
Lorsque le manuscrit emploie des acronymes spécialisés, des notations mathématiques ou un lexique pointu, Semantic Reader fait appel à la technologie ScholarPhi. Les termes soulignés en pointillés affichent au clic une définition générée par IA adaptée au sens précis du concept dans l'article.
Indicateurs de bibliothèque personnalisés (CiteSee)
Lorsqu'un chercheur est connecté et dispose d'articles enregistrés dans sa bibliothèque, Semantic Reader active CiteSee :
- Les citations renvoyant à des publications déjà présentes dans sa collection sont signalées visuellement.
- Si le travail cité est déjà mentionné par d'autres articles de sa bibliothèque, l'outil met en lumière cette relation implicite pour relier lectures passées et nouveaux textes.
Annotations et synchronisation avec les gestionnaires bibliographiques
- Intégration de Hypothesis : Possibilité de surligner le texte et de consigner des notes marginales directement dans Semantic Reader, avec option de partage en équipe.
- Compatibilité Zotero : L'extension Zotero pour navigateur reconnaît l'interface de Semantic Reader et enregistre en un clic les métadonnées, le lien du PDF et le résumé TLDR.
4. Veille continue : bibliothèque personnelle et Research Feeds
La veille scientifique ne saurait se limiter à des recherches ponctuelles. Semantic Scholar s'appuie sur des modèles neuronaux de représentation de documents (comme SPECTER et SciNCL) pour proposer un système de recommandation automatisé et ciblé.
+-------------------------------------------------------------------+
| Dossiers de la bibliothèque personnelle |
| (Ajouter 5 articles sources ou plus par thème) |
+-------------------------------------------------------------------+
|
v
+-------------------------------------------------------------------+
| Research Feeds IA |
| (Calcul quotidien de similarité sémantique par vecteurs) |
+-------------------------------------------------------------------+
| |
v v
[Calibrage actif] [Distribution automatisée]
- Signaler les articles « Not relevant » - Tableau de bord Research Dashboard
- Enregistrer les recommandations utiles - Synthèses périodiques par e-mail
Organisation de la bibliothèque personnelle
- Connectez-vous à votre compte et accédez à l'onglet Library.
- Créez des dossiers thématiques pour chaque projet ou sujet (par exemple : « Modèles de diffusion en imagerie médicale » ou « Attention pour contextes longs dans les LLM »).
- Ajoutez des articles représentatifs via Save to Library depuis les résultats de recherche ou Semantic Reader.
- Recommandation méthodologique : Conservez une stricte homogénéité thématique dans chaque dossier. Mélanger des sujets distincts altère la pertinence des recommandations de l'algorithme.
Activation et affinage des flux Research Feeds
- Dans votre dossier, activez l'interrupteur Research Feed sur On.
- Le système s'appuie sur les vecteurs sémantiques des articles enregistrés pour analyser les nouvelles publications indexées et vous soumettre des suggestions quotidiennes.
- Ajustement par rétroaction négative : Au démarrage du flux, si une publication ne correspond pas au sujet, cliquez sur Mark as not relevant. Indiquer seulement trois articles hors sujet permet de supprimer efficacement le bruit et d'affiner les suggestions ultérieures.
Paramétrage des alertes ciblées
En complément des flux par dossier, des alertes spécifiques peuvent être activées :
- Alertes sur un article (Paper Alerts) : Sur une publication charnière, cliquez sur Create Alert pour être averti par e-mail lors de chaque nouvelle citation de ce travail.
- Alertes sur un auteur (Author Alerts) : Sur le profil de chercheurs majeurs de votre discipline, sélectionnez Follow Author pour suivre leurs nouvelles prépublications et parutions.
- Revendication du profil d'auteur (Claim Author Page) : Permet de suivre l'évolution des citations de ses propres travaux.
L'ensemble des recommandations et alertes converge sur le Research Dashboard, qui fait office de synthèse scientifique personnalisée en début de journée.
5. Tableau comparatif : Semantic Scholar versus outils traditionnels
| Fonctionnalité | Semantic Scholar | Google Scholar | Bases de données commerciales (Scopus / Web of Science) |
|---|---|---|---|
| Coût et accessibilité | Totalement gratuit ; initiative à but non lucratif (Ai2) | Gratuit | Nécessite des abonnements institutionnels onéreux |
| Métriques de citation | Citations totales, Highly Influential (HIC), intention (méthode/résultat/contexte), vitesse | Simple décompte global brut | Décompte brut, impact normalisé par discipline (FWCI) |
| Expérience de lecture de PDF | Semantic Reader (cartes contextuelles, TLDR, mode survol, définitions) | Lecteur PDF standard du navigateur | Consultation locale après téléchargement |
| Moteur de recommandation | Research Feeds basés sur les plongements de dossiers avec rétroaction négative | Recommandations larges fondées sur l'historique général | Alertes configurées manuellement par équations booléennes |
| Disciplines de prédilection | Informatique, biomédecine, neurosciences | Couverture globale exhaustive toutes langues et disciplines | Couverture stricte en sciences et technologies ; restreinte en sciences humaines |
6. Limites et bonnes pratiques
Pour tirer le meilleur parti de l'outil, il convient de garder à l'esprit certaines contraintes opérationnelles :
- Dépendance au texte intégral : L'identification des citations hautement influentes et les fonctions de Semantic Reader dépendent de l'accès au texte intégral en accès ouvert. Pour les articles sous abonnement sans prépublication ouverte, la plateforme ne peut fournir que les métadonnées et un décompte de citations standard.
- Spécialisation disciplinaire : Bien que le corpus dépasse 214 millions de documents, les fonctionnalités avancées d'IA (comme le mode survol et les définitions dynamiques) sont principalement optimisées pour les publications anglophones en informatique, biologie et médecine.
- Vérification des contenus d'IA générative : Les synthèses TLDR et les définitions sont élaborées par des modèles linguistiques et peuvent omettre certaines nuances. Il est recommandé de vérifier les points méthodologiques critiques directement dans le texte original.
7. Routine quotidienne de recherche recommandée
- Tour d'horizon matinal (10 min) : Ouvrir le Research Dashboard pour passer en revue les suggestions issues des Research Feeds de chaque dossier.
- Tri rapide (15 min) : Utiliser les TLDR pour sélectionner les publications prioritaires, les classer dans les dossiers de projet correspondants et marquer les articles hors sujet pour calibrer l'algorithme.
- Lecture approfondie : Ouvrir les articles retenus dans Semantic Reader. Activer le Skim Mode pour appréhender les objectifs et méthodes, et consulter les cartes contextuelles pour vérifier les références sans rompre la lecture.
- Exploration du réseau de citations : Sur une référence centrale, exploiter les filtres Highly Influential Citations et l'intention Method pour cartographier les publications pionnières et les prolongements les plus récents.
En combinant l'évaluation sémantique des citations et un lecteur de documents augmenté et fluide, Semantic Scholar allège la charge cognitive de la veille scientifique et permet aux chercheurs de se concentrer sur l'essentiel : la création de connaissances.