Comment importer des collections de PDF et configurer des étiquettes de concepts dans Lateral pour accélérer le criblage systématique de la littérature

Les chercheurs universitaires, doctorants et spécialistes réalisant des revues systématiques de la littérature (Systematic Literature Reviews) se heurtent fréquemment à un goulet d'étranglement méthodologique : les logiciels de gestion bibliographique classiques (tels que Zotero, Mendeley ou EndNote) gèrent parfaitement les métadonnées de citation, mais s'avèrent peu adaptés lorsqu'il s'agit d'extraire, de confronter et de synthétiser des données empiriques précises réparties dans des dizaines ou des centaines d'articles PDF. Les chercheurs se retrouvent contraints d'ouvrir les documents un par un, d'exécuter des recherches récurrentes par mots-clés avec Ctrl+F et de copier-coller manuellement des citations dans de volumineuses feuilles de calcul.

Lateral a été spécialement conçu pour surmonter cette difficulté de synthèse inter-documents. Plutôt que de traiter chaque PDF comme un bloc de texte indivisible affublé d'étiquettes globales peu précises, Lateral décompose les documents dès l'importation en extraits textuels de la taille d'un paragraphe (snippets) et les organise au sein d'une matrice comparative dénommée Table View. En substituant aux mots-clés rigides des « Concepts » à base sémantique, le moteur d'intelligence artificielle de Lateral apprend des premiers extraits sélectionnés pour suggérer de manière proactive des passages équivalents à travers l'ensemble du corpus documentaire.

(Remarque : Lateral a mis fin à son offre SaaS hébergée le 26 juin 2025, son équipe se consacrant désormais au projet de science décentralisée et ouverte coordination.network. Néanmoins, l'architecture élaborée par Lateral — associant découpage sémantique, labellisation par concepts et matrice de criblage — demeure un modèle de référence pour les revues scientifiques assistées par IA.)

1. Mise en place de l'espace de travail et importation par lots de collections PDF

La conduite d'une revue documentaire dans Lateral débute par la création d'un projet et l'intégration du corpus d'articles à analyser. La plateforme propose deux modes d'incorporation adaptés aux usages académiques :

Téléversement groupé de fichiers PDF locaux

Lorsque le chercheur dispose déjà des textes intégraux issus de bases de données bibliographiques telles que Web of Science, Scopus, PubMed, IEEE Xplore ou Google Scholar :

1. Dans le tableau de bord du projet, cliquez sur le bouton Add documents (au centre de l'espace de travail ou dans la barre supérieure).
2. Glissez-déposez le lot de fichiers PDF dans la fenêtre de téléversement, ou sélectionnez plusieurs documents à l'aide de l'explorateur de fichiers.
3. Cliquez sur le bouton bleu Upload pour lancer le traitement et l'indexation.

Pendant l'importation, Lateral prend automatiquement en charge les opérations suivantes :

• Décomposition en extraits (Snippet Decomposition) : Le texte de chaque PDF est subdivisé en segments cohérents à l'échelle du paragraphe (snippets). Cette granularité fine constitue le fondement des recherches globales simultanées et des recommandations sémantiques ciblées.
• Extraction des métadonnées bibliographiques : Le système détecte le titre de l'article, les auteurs, l'année d'édition et la revue d'origine. Ces informations peuvent être vérifiées et modifiées à tout moment en cliquant sur le titre du document dans la vue en tableau.
• Traitement OCR des documents numérisés : Si un PDF provient d'une numérisation d'image sans couche de texte sélectionnable, le système le signale. Dans le visualiseur (Document View), il suffit de cliquer sur Use OCR en bas à gauche pour convertir les pages numérisées en extraits exploitables à l'aide des crédits OCR associés au compte.
• Consommation du forfait de pages : L'importation décompte le nombre de pages du solde du compte (par exemple, le forfait standard Premium attribuait 1 800 pages par mois, ou 21 600 pages en facturation annuelle). Le traitement automatique mobilisant des calculs d'apprentissage automatique irréversibles, la suppression ultérieure d'un article ne recrédite pas les pages consommées.

Importation directe en ligne via « Find Papers »

Pour élargir la sélection documentaire sans télécharger préalablement de fichiers en externe :

1. Accédez à l'onglet Find Papers.
2. Cette fonction interroge directement la base Unpaywall (qui référence plus de 30 millions d'articles scientifiques en accès ouvert). Renseignez vos termes de recherche.
3. Utilisez les opérateurs booléens usuels pour cibler les résultats :
   • Guillemets "Quoted text" : Restreint la recherche aux correspondances exactes dans le titre.
   • Opérateur OR : Recherche l'un ou l'autre des termes (l'espace fait office de AND par défaut).
   • Signe moins - (NOT) : Écarte les termes indésirables du titre.
4. Après consultation du résumé et des détails bibliographiques, cliquez sur l'icône + pour que Lateral télécharge l'article en libre accès, le segmente et l'intègre au projet.

2. Concepts versus étiquettes traditionnelles : l'atout du marquage sémantique

Dans les démarches habituelles de gestion documentaire, les chercheurs attribuent des mots-clés au niveau du fichier complet, tels que #méthodologie, #taille_échantillon ou #effets_indésirables. Cette pratique présente deux limites majeures :

1. Résolution insuffisante : Attribuer une étiquette à une publication de 35 pages ne permet pas de retrouver immédiatement les deux phrases qui détaillent les critères d'éligibilité ou les protocoles d'administration.
2. Rigidité lexicale : Les recherches par correspondance textuelle stricte ignorent les synonymes et variantes terminologiques (rechercher « effets secondaires » exclut les passages mentionnant « toxicité médicamenteuse » ou « réactions indésirables »).

Le fonctionnement des « Concepts » dans Lateral

Dans Lateral, un Concept fonctionne comme un surligneur sémantique interactif et un modèle d'apprentissage :

• Attribution à l'échelle de l'extrait : Les concepts sont associés à des extraits textuels précis (snippets) ou à des passages surlignés, et non au document dans son ensemble.
• Moteur sémantique propriétaire (LIP API) : Lateral repose sur l'API de sa propre plateforme d'intelligence (LIP API) ; il ne s'agit pas d'un simple habillage de modèles GPT génériques, et les documents des utilisateurs ne sont pas exploités pour entraîner des modèles publics tiers. Le système comprend les synonymes, les nuances de registre et les proximités thématiques universitaires.
• Formulation descriptive en texte intégral : Le nom d'un concept ne se limite pas à un mot isolé. Le chercheur peut rédiger une phrase explicative complète ou une règle d'inclusion (par exemple : « Critères d'exclusion des patients adultes présentant des antécédents de complications cardiovasculaires »). Lateral mobilise toute la teneur sémantique de l'énoncé pour identifier les correspondances.
• Réutilisabilité inter-projets : Les concepts définis et éprouvés dans un projet peuvent être enregistrés dans la bibliothèque centrale de l'espace de travail et réutilisés dans de futures revues de la littérature.

3. Trois méthodes pour configurer les étiquettes de concepts

En fonction de la phase de travail, le chercheur dispose de trois interfaces pour créer et appliquer des Concepts :

Méthode A : Configuration via Super Search (Exploration transversale)

Pour évaluer rapidement la manière dont une thématique est abordée dans l'ensemble des articles importés :

1. Ouvrez la barre de recherche globale Super Search de votre projet.
2. Saisissez votre question de recherche ou votre variable d'intérêt.
3. Lateral affiche simultanément les extraits pertinents identifiés dans tous les documents.
4. Identifiez l'extrait le plus représentatif, cliquez sur le menu déroulant de la carte, indiquez l'intitulé du nouveau Concept et cliquez sur Create.
5. Le concept est alors créé et l'extrait lui est instantanément rattaché.

Méthode B : Configuration dans Document View (Lecture détaillée et étalonnage)

Lors de l'examen approfondi d'un article de référence dans le visualiseur intégré :

1. Ouvrez le document souhaité dans Document View.
2. Surlignez au curseur le passage contenant la donnée empirique, la précision méthodologique ou le résultat clé.
3. Dans le panneau latéral droit, ouvrez le menu déroulant Create or select concept.
4. Saisissez un nouveau nom de concept (ou choisissez-en un existant) et cliquez sur Save.
5. Cet extrait constitue désormais une référence sémantique sur laquelle l'IA s'appuiera pour rechercher des passages équivalents dans les autres publications.

Méthode C : Configuration dans Table View (Structuration descendante de la matrice)

Lorsque le protocole de revue systématique (de type PICO ou PRISMA) dispose déjà de dimensions d'analyse définies :

1. Rendez-vous dans la vue principale Table View (où chaque ligne représente un article).
2. Cliquez sur le bouton + dans l'en-tête du tableau ou sur le bouton Concepts.
3. Créez les axes d'évaluation sous forme de colonnes de concepts distinctes (par exemple : Critères d'inclusion et d'exclusion, Modalités de l'intervention, Indicateurs de résultat principaux, Risque de biais et limites).
4. La matrice d'extraction comparative est immédiatement prête pour le criblage.

4. Accélérer le criblage systématique grâce aux suggestions sémantiques

Dès lors que les concepts sont créés et que 1 ou 2 extraits représentatifs y sont rattachés, le moteur de suggestion active de Lateral entre en jeu pour fluidifier le traitement des articles restants.

La structure matricielle de la Table View

La vue en tableau organise le travail sous la forme d'une grille à deux dimensions :

• Lignes : Tous les articles scientifiques au format PDF intégrés au projet.
• Colonnes : Les concepts configurés par le chercheur.
• Cellules : Les extraits de preuve identifiés dans un document donné pour un concept particulier.

Suggestions sémantiques cellule par cellule (Suggested Snippets)

Au lieu de lire intégralement de la première à la dernière page l'article suivant :

1. Cliquez sur une cellule vide de la matrice (par exemple, à l'intersection entre le Document 4 et le concept Modalités de l'intervention).
2. Le volet latéral affiche immédiatement les Suggested Snippets. Il s'agit de paragraphes extraits du Document 4 que l'IA a repérés en raison de leur proximité conceptuelle avec les extraits déjà enregistrés dans d'autres articles.
3. Le chercheur lit ces quelques lignes ciblées et clique sur Save pour les valider dans la matrice, ou les écarte si elles ne sont pas concluantes.
4. Dans Document View, la barre latérale affiche également en temps réel les suggestions correspondant à chaque concept, permettant de sauter directement aux passages pertinents du PDF sans parcourir de sections inutiles.

Signalement qualitatif et prise de notes

Pour préserver la traçabilité exigée lors d'une revue systématique :

• Drapeaux de couleur (Flags) : Lors de l'enregistrement d'un extrait, il est possible de lui attribuer un drapeau vert, jaune ou rouge. En équipe, cet outil permet de classifier les éléments (« Conforme aux critères d'inclusion (vert) », « À discuter / incertain (jaune) » ou « Motif d'exclusion (rouge) »).
• Notes d'analyse (Notes) : Chaque extrait dispose d'un champ de texte libre permettant d'inscrire des remarques méthodologiques, des chiffres clés ou une reformulation critique en regard de la citation source.

5. Exportation des résultats et intégration dans la chaîne de rédaction

À l'issue de l'extraction et du criblage, les résultats structurés doivent pouvoir être transférés vers des traitements de texte, des outils d'analyse statistique ou des gestionnaires de références. Lateral propose plusieurs formats d'exportation depuis la Table View :

1. Microsoft Word (.docx) :
   • Génère un rapport structuré par concept.
   • Sous chaque concept figurent les extraits intégraux, les données de citation et les notes rédigées par le chercheur.
   • Intègre une bibliographie complète à la fin du document, servant de base directement exploitable pour la rédaction de l'article.
2. Microsoft Excel (.xlsx) et CSV :
   • Produit une feuille de calcul bidimensionnelle reproduisant fidèlement la matrice de criblage.
   • Idéal pour colliger des tailles d'effet dans le cadre d'une méta-analyse, consigner le diagramme de flux PRISMA ou alimenter des bases de données Notion.
3. BibTeX (.bib) pour les gestionnaires de références :
   • Exporte les métadonnées vérifiées des documents au format standard .bib.
   • Permet une importation directe dans Zotero ou Mendeley pour assurer l'exactitude des clés de citation lors de la finalisation du manuscrit.
4. Partage de tableau public (Public Table) :
   • Crée un lien web consultable en lecture seule.
   • Offre aux directeurs de thèse, relecteurs ou pairs la possibilité d'examiner en ligne la matrice d'extraction et les preuves textuelles, sans nécessiter la transmission des fichiers PDF sources.

Évaluation pratique et arbitrages méthodologiques

En décomposant les collections de PDF en extraits maniables, en formulant les questions de recherche sous forme de concepts sémantiques et en vérifiant les preuves cellule par cellule grâce aux suggestions de l'IA, les chercheurs peuvent convertir plusieurs semaines de lectures fastidieuses en une démarche de criblage méthodique, rigoureuse et reproductible.

Références

• Lateral
• Lateral - Help Pages
• 2. Add Documents
• 3. Search across all your Documents
• 4. Save text to concepts
• 5. Get text suggestions
• Forget tags. Use Concepts to find text fast.
• How can I export my findings?
• What is Lateral?
• Terminology
• Does Lateral use GPT? No.
• How can I get more pages?
• Can I pay monthly? Yes.