Meilleure IA pour une revue de littérature : Elicit pour le tri, Consensus pour les réponses, et 8 autres

Quel outil d'IA choisir pour chaque étape d'une revue de littérature ?

Aucun outil ne gagne à toutes les étapes : le meilleur dispositif réunit deux ou trois outils qui se partagent chacun une tâche. Nous avons lu la page de tarifs ou la page de présentation de chaque éditeur le 25 octobre 2026. Le tableau reprend ce que chacun déclare.

Lisez la colonne du corpus avec prudence. Chaque éditeur compte à sa façon : Scite compte des extraits de citation, Consensus des articles évalués par les pairs, et ResearchRabbit des articles. Un chiffre plus grand ne signifie pas une meilleure couverture de votre domaine. Cherchez d'abord dans un outil vos trois articles de référence les plus importants. S'il en rate un, il en ratera d'autres.

ChatGPT ou Claude peuvent-ils rédiger une revue de littérature à votre place ?

Non. Un chatbot généraliste peut rédiger du texte au sujet d'articles, mais on ne peut pas lui confier la liste de références. Trois études évaluées par les pairs l'ont mesuré depuis 2023. Chacune a trouvé des articles inventés.

Le schéma est la partie utile. L'équipe de Jake Linardon, à Deakin, a demandé à GPT-4o six courtes revues en juin 2025, puis a vérifié chaque citation dans Google Scholar, Scopus, PubMed et WorldCat. Sur 176 références, 35 (19.9 %) n'existaient pas. Le taux était le plus bas pour le trouble le plus étudié et près de cinq fois plus élevé pour les moins étudiés. Parmi les 141 références réelles, 64 (45.4 %) comportaient encore des erreurs, le plus souvent un DOI erroné. Le modèle échoue donc le plus exactement là où vous avez le plus besoin d'aide : un sujet de niche que vous ne maîtrisez pas encore.

Les études antérieures vont dans le même sens. Walters et Wilder ont testé GPT-3.5 et GPT-4 dans Scientific Reports en septembre 2023 et ont écrit : « Of the 222 works cited in the GPT-3.5 papers, 55% are fabricated. » GPT-4 faisait mieux, avec 18 %. Une étude de JMIR de mai 2024, par Chelli et ses collègues, a demandé les références de vraies revues systématiques et a relevé un taux d'hallucination de 28.6 % pour GPT-4 et de 91.4 % pour Bard.

Les modes de recherche approfondie (deep research) aident parce qu'ils cherchent avant d'écrire. Le centre d'aide d'OpenAI indique : « All deep research outputs include citations or source links so you can verify the information. » Un lien sur lequel on peut cliquer vaut mieux qu'un titre retrouvé de mémoire. Ce n'est toujours pas une recherche complète et triée, et aucune des trois études n'a testé un mode deep research : ouvrez donc chaque source avant de la citer.

Elicit ou Consensus : lequel choisir pour une revue de littérature ?

Elicit convient mieux à une revue systématique, et Consensus à une réponse rapide à une seule question. Ils résolvent des problèmes différents, et l'écart de prix le montre.

Elicit est construit autour d'un tableau. Vous choisissez les articles, nommez les colonnes (taille d'échantillon, méthode, résultat), et il remplit chaque cellule à partir de l'article. Son plan Pro, $49 par mois facturés $588 par an, ajoute ce qu'Elicit appelle un « Dedicated Systematic Review Workflow that can screen 5,000 papers ». Le plan Basic gratuit garde la recherche illimitée sur plus de 138 millions d'articles et les résumés illimités, avec des rapports limités.

Consensus répond à une question par une synthèse de ce que disent les études. Demandez « la créatine améliore-t-elle la mémoire » et vous obtenez la conclusion avec les articles qui la sous-tendent. Le plan gratuit donne 10 messages Pro et jusqu'à 3 revues approfondies par mois. Pro coûte $144 par an, soit $12 par mois, avec des messages Pro illimités et 15 revues approfondies. Consensus indique que la facture annuelle fait économiser $96, donc payer au mois coûte plus cher. Le plan Deep, $540 par an ($45 par mois), porte ce nombre à 200.

Utilisez les deux, dans l'ordre. Consensus vous dit en cinq minutes si une question repose sur des preuves. Elicit trie ensuite et extrait les données des articles que vous citerez vraiment. Si vous ne pouvez en payer qu'un, un doctorant qui rédige une revue systématique a besoin d'Elicit. Un étudiant qui écrit un essai de 3 000 mots a besoin de Consensus.

Quels outils d'IA gratuits suffisent pour une revue de littérature ?

Semantic Scholar, ResearchRabbit, Zotero et Gemini Notebook couvrent ensemble toute la revue d'une thèse pour $0. Chacun est gratuit par conception, pas en période d'essai.

• Semantic Scholar interroge plus de 200 millions d'articles. Ai2, l'institut à but non lucratif fondé par Paul Allen, le gère et le décrit comme « a free, AI-powered research tool for scientific literature ».
• ResearchRabbit construit une carte de citations à partir de 50 articles de départ au maximum sur son plan gratuit et affirme qu'il « has and will always have a free offering ».
• Connected Papers dessine un graphe des travaux connexes par article. Son offre gratuite donne 5 graphes par mois.
• Zotero conserve tous vos articles et rédige la bibliographie dans Word ou Google Docs dans plus de 9 000 styles de citation. Une organisation à but non lucratif, Digital Scholar, le gère.
• Gemini Notebook (Google a renommé NotebookLM en juillet 2026) répond uniquement à partir des PDF que vous importez. Le plan gratuit autorise 100 carnets de 50 sources chacun, et une source peut atteindre 500 000 mots.

La seule lacune d'une pile gratuite est le tri à grande échelle. Relever à la main les tailles d'échantillon dans 300 résumés prend des jours, et c'est le travail que fait le plan payant d'Elicit. Pour une revue de moins de 50 articles, vous ne le regretterez pas.

Comment utiliser l'IA pour une revue de littérature sans fausses citations ?

Laissez les outils de recherche trouver les articles, et ne demandez aux chatbots que de reformuler du texte issu d'articles que vous avez déjà ouverts. Cette seule règle supprime le problème de l'invention, car le modèle n'a jamais à se souvenir d'une référence.

1. Écrivez la question en une phrase, avec la population, le résultat et les années retenues.
2. Cherchez dans Semantic Scholar ou Consensus, et enregistrez chaque candidat dans Zotero.
3. Amorcez ResearchRabbit avec vos cinq meilleurs articles pour trouver ceux que la recherche par mots-clés a manqués.
4. Triez et extrayez dans Elicit, ou dans un tableur si la revue est petite.
5. Vérifiez dans Scite les articles sur lesquels vous vous appuyez le plus : il montre si des recherches ultérieures les ont confirmés ou contredits.
6. Importez les PDF dans Gemini Notebook ou un chatbot et demandez des thèmes, en citant l'article derrière chaque affirmation.
7. Insérez les citations depuis Zotero, jamais depuis le chatbot, et cliquez une fois sur chaque DOI.

Prompt de synthèse, pour l'étape 6 : « En utilisant uniquement les articles joints, regroupe les résultats en trois à cinq thèmes. Sous chaque thème, liste les articles qui le soutiennent et ceux qui le contredisent, avec la page ou la section pour chaque affirmation. Si les articles ne répondent pas à une partie de ma question, dis-le. N'ajoute aucun article qui n'est pas joint. »

Whizi, qui publie cette page, ne convient qu'à l'étape 6. Il n'interroge pas un index scientifique comme le fait Semantic Scholar. Un projet Whizi contient jusqu'à 10 PDF épinglés de 10 Mo chacun au maximum. Pro fait tourner deux modèles côte à côte sur les mêmes articles (Claude contre GPT, par exemple), pour voir lequel cite ses sources avec le plus de fidélité.