RebuttalAgent : l'IA apprend à « lire dans les pensées » des relecteurs (et à sauver vos articles)

Publier dans les revues scientifiques de premier plan et dans les conférences du niveau de l'ICLR est devenu depuis longtemps un duel psychologique sophistiqué, que les chercheurs eux-mêmes appellent « danser avec des chaînes aux pieds ». On passe des années à concevoir une architecture, des semaines à entraîner des modèles et des mois à peaufiner le texte, pour finir face au verdict d'un Relecteur n° 2 anonyme qui a lu le travail en diagonale. L'étape de réponse aux critiques, ou rebuttal, est le moment de vérité : soit vous convainquez votre contradicteur que vous avez raison, soit votre travail part aux oubliettes jusqu'à l'an prochain.

Le problème, c'est que les relecteurs écrivent rarement de façon explicite ce qui les gêne, et les auteurs doivent deviner entre les lignes.

Des chercheurs de l'Université des sciences et technologies de Hong Kong ont estimé qu'il était temps de changer les règles de ce jeu et ont présenté RebuttalAgent. Ce n'est pas un énième module complémentaire de ChatGPT pour corriger la grammaire, mais un système complexe fondé sur les principes de la « théorie de l'esprit » (Theory of Mind). En psychologie, ce terme désigne la capacité à comprendre qu'une autre personne a ses propres croyances, intentions et connaissances, qui peuvent différer des vôtres. RebuttalAgent tente de reconstituer l'état mental du relecteur : il analyse le texte de l'avis pour déterminer si la critique découle d'une incompréhension sincère, d'un manque de données ou d'un désaccord de fond avec la méthodologie.

Le système repose sur une analyse en plusieurs étapes. D'abord, l'agent déconstruit chaque commentaire du relecteur et repère les biais cognitifs et les attentes cachés. Ensuite, il modélise les trajectoires possibles du dialogue : que se passe-t-il si nous répondons de manière agressive, et si nous reconnaissons une erreur. On pense à un moteur d'échecs qui calcule les variantes d'une partie, sauf qu'à la place des pièces, il y a des arguments et des faits scientifiques. RebuttalAgent choisit des formulations qui ne se contentent pas de répondre à la question, mais « referment » la gestalt psychologique du critique, rendant sa position plus vulnérable à une révision de la note à la hausse.

Pourquoi est-ce important maintenant ? Avec la croissance exponentielle du nombre de soumissions aux conférences d'IA, la qualité des évaluations baisse inévitablement. Les relecteurs sont surchargés, se trompent et passent souvent à côté de l'essentiel. Dans ce contexte, ce n'est pas le plus brillant qui l'emporte, mais le plus convaincant. RebuttalAgent démocratise de fait l'accès à « l'art de la persuasion », ce qui est particulièrement crucial pour les scientifiques dont l'anglais n'est pas la langue maternelle.

D'un autre côté, nous entrons dans une zone dangereuse où le discours scientifique devient une bataille d'algorithmes. Si un article est écrit par une IA, évalué (souvent) par une IA et désormais défendu aussi par une IA, où reste-t-il, dans cette chaîne, de la place pour un véritable progrès de la connaissance humaine ?

L'industrie a déjà vu des tentatives d'automatiser la rédaction d'articles, mais le travail des chercheurs de Hong Kong va plus loin. Ils s'attaquent au saint des saints : la réputation académique et le processus d'évaluation par des experts. Si RebuttalAgent démontre son efficacité sur la durée de l'ICLR 2026, nous pourrions faire face à une crise de confiance envers l'institution même de l'évaluation par les pairs. Car si l'on peut « retourner » n'importe quel critique avec un script bien choisi, une telle critique ne vaut plus rien.

L'essentiel : la communauté scientifique a obtenu un code de triche légal pour franchir la censure des grandes conférences. Deviendra-t-il un outil de justice ou enterrera-t-il définitivement l'objectivité de l'évaluation par les pairs ?