Tag: veille technologique

On avait fini par penser que la recherche dans la littérature scientifique et les brevets était intimement et irrévocablement réalisée avec des outils de logique booléenne plus ou moins sophistiqués. Nous allons voir dans cet article qu’une approche alternative est maintenant disponible et donne des résultats intéressants. Nous allons présenter dans cet article plusieurs nouveaux outils, ainsi que d’autres à venir dans les prochains numéros de BASES.

Cinquante ans de recherche booléenne : un modèle qui n’a guère varié

On peut dater à 1972 (date de début de commercialisation du serveur Dialog au sein de la société américaine Lockheed) la mise en place de la recherche dans des corpus de littérature scientifique en utilisant une logique booléenne sur des documents préalablement indexés.

À mesure que la puissance informatique devenait disponible, l’utilisation de cette logique booléenne a permis de construire des requêtes d’une très grande complexité combinant jusqu’à plus de 100 étapes.

Durant de nombreuses décennies, ce domaine de recherche s’est étendu grâce à l’enrichissement substantiel des corpus, notamment par la création de centaines de banques de données spécialisées disponibles sur divers serveurs, ainsi que par l’émergence de systèmes globaux tels que Scopus ou Web of Science .

L’Intelligence artificielle générative investit toujours plus de secteurs. Celui des brevets n’y échappe pas.

L’annonce inattendue par PERPLEXITY d’une recherche spécifique brevet nous a incité à explorer le paysage. Nous pensions que cela serait rapide avec une offre limitée. En réalité, nous avons constaté l’inverse : il existe plus d’une quinzaine d’outils et de services à travers le monde qui proposent de réaliser des recherches de brevets en ligne, assistées par l’intelligence artificielle censée les rendre plus efficaces.

Ces outils offrent la possibilité de sélectionner réellement des documents pertinents en réponse à une requête en langage libre, constituant ainsi un état de l’art partiel. Ils ne se limitent pas à l’établissement d’un classement par pertinence sur la base d’une recherche booléenne classique, comme le propose PubMed, ni à l’extraction automatisée de codes CPC à partir d’un document, telle que réalisée par Espacenet.

Depuis plusieurs siècles les publications scientifiques sont un des fondements de l’évolution de la science. En effet, le plus ancien périodique scientifique le Journal des sçavans  est paru à Paris le 5 janvier 1665.

Aujourd’hui plusieurs signes inquiétants viennent mettre en doute la possibilité pour ce système de poursuivre son évolution de façon harmonieuse et de continuer à accompagner l’avancement de la science comme il l’a fait jusqu’à présent.

Une illustration en est la journée 2025 Science ouverte du CNRS sur le thème « La mort annoncée des publications scientifiques ? .

Une croissance incontrôlée

Le nombre de publications scientifiques croît nettement plus rapidement que le nombre de chercheurs. Par exemple, entre 2016 et 2020 les principales bases de données bibliographiques ont grossi de 50 % alors que le nombre de scientifiques n’augmentait que de 16 %. C’est ce qu’on lit dans le BlogCNRS du 16 décembre 2025 intitulé « Publications scientifiques : une surproduction fatale ? ».

La recherche sur les valeurs d’une grandeur physique à l’intérieur d’un texte, qu’il s’agisse d’un article ou d’un brevet, ne s’utilise a priori pas tous les jours.

En revanche, quand il est utile de l’employer cela apporte une plus-value certaine, car cela rajoute une possibilité de recherche de nature différente permettant de répondre à une autre série de questions.

Plusieurs systèmes proposent aujourd’hui ce type de recherche d’une façon développée. Nous en avons identifié chez trois des grands serveurs et une banque de données qui fait partie des classiques.

Le serveur STN : une offre depuis 2013 avec sa « Numerical property search » (NPS)

Elle est disponible dans 15 banques de données offrant le texte intégral des brevets (EP et PCT plus12 pays) ainsi que dans Derwent World Patent Index et RDisclosure, la base des publications défensives (voir l’article sur les publications défensives dans BASES N° 325, avril 2015).

Le serveur STN vient de mettre en ligne la banque de données CAS BIOACTIVITY (label CASBIOACTIVI). Elle vient enrichir la collection de bases de données de Chemical Abstracts liées au numéro de registre (RN) des produits chimiques, créé et maintenu par CAS et disponible sur STN dans la banque de données Registry.

Elle est présentée comme la plus grande collection de contenus normalisés et standardisés dans le domaine des sciences de la vie, disponible sur le marché.

La nouvelle base est positionnée comme une référence pour les données structurées de relations structure-activité (SAR), de pharmacocinétique (ADME) et de toxicité.

Elle offre plus de 5,5 millions de documents contenant des informations issues de brevets et de plus de 7 000 publications.

Une de ses plus-values par rapport aux banques publiques (CheMBL et PubChem) est la présence de codes de rôles de Chemical Abstracts (BAC pour Biological Activity, PAC pour Pharmacological Activity ou ADV pour Adverse Effect, etc.) Une autre est sa mise à jour bi-hebdomadaire.

Le domaine de l’IA générative évolue à un rythme effréné. Début 2023, le terme « prompt engineering » entrait dans le vocabulaire courant. La presse annonçait alors des salaires à six chiffres pour les spécialistes de la formulation de requêtes aux modèles de langage1.

Deux ans plus tard, c’est un nouveau terme qui apparaît : le « context engineering ». Entre-temps, les modèles de langage ont évolué. Leurs fenêtres de contexte se sont élargies (jusqu’à un million de tokens pour Gemini). Les premiers agents IA sont apparus, capables de simuler un raisonnement à plusieurs étapes, de rechercher des informations sur le web, d’exécuter du code ou encore d’utiliser des outils.

Le prompt engineering reste primordial. Le dossier publié par Véronique Mesguich dans les deux numéros précédents de NETSOURCES (Le prompt, un art pour la veille stratégique et la recherche d’information . Netsources , no 178 & 179 ) en présente les fondamentaux : savoir structurer une requête, guider le raisonnement du modèle, fournir des exemples pour orienter les réponses2. Ces techniques constituent la base de toute interaction efficace avec un modèle de langage.

Avec Gemini 3 et ses concurrents, l’IA générative entre dans une phase de consolidation stratégique

Après l’annonce de Gemini3 Pro le mois dernier, Gemini 3 Flash est devenu depuis la mi-décembre le modèle par défaut de Google. Ce nouveau modèle puissant et rapide est en effet intégré désormais dans l’application Gemini, l’API et les outils pour développeurs.

L’arrivée de Gemini 3 marque moins une rupture spectaculaire qu’un changement d’échelle et de maturité dans la compétition entre grands modèles d’IA. Elle illustre la volonté de Google de reprendre l’initiative face à OpenAI, non seulement sur le plan des performances, mais surtout sur celui de l’écosystème et des usages. Après la phase d’expérimentation de ces trois dernières années, le marché entre dans un cycle où non seulement la robustesse, mais aussi l’intégration dans des usages professionnels complexes deviennent déterminantes. La différenciation ne passe plus uniquement par la puissance brute, mais par la capacité à s’insérer dans des workflows réels. Commençons par préciser les avancées apportées par cette nouvelle version, avant d’étudier la réaction des concurrents et les recompositions à venir pour le marché de l’IA générative.

Depuis quelques années, les réseaux sociaux connaissent une nouvelle révolution. Après les filtres, les stories et les vidéos courtes, c’est désormais l’intelligence artificielle générative (IAG) qui s’impose comme le nouvel outil incontournable des créateurs de contenu. Fini le temps où elle faisait peur : aujourd’hui, elle inspire, elle assiste, et surtout, elle crée.

Les réseaux sociaux restent aujourd’hui les principales plateformes de création et de diffusion de contenus, avec des chiffres impressionnants qui montrent l’ampleur de cette production. Instagram publie chaque jour près de 100 millions de photos et vidéos, TikTok diffuse environ 34 millions de vidéos, YouTube enregistre 720 000 heures de visionnage quotidien, et Snapchat voit circuler pas moins de 5 milliards de snaps.

Chroniques amusées sur l’intelligence artificielle par Christian Vigne

Christian Vigne (Narra), anciennement Product Manager chez Google, s’amuse dans ses chroniques à explorer l’impact de l’IA sur nos vies. Il est amené à conseiller les entreprises sur leurs stratégies IA (cadrage, priorisation, formation, conduite du changement).

Je suis archi nul en maths. C’est pas grave, j’en ai fait mon deuil à quarante et un ans. Mais cet aprem, j’ai écrit une équation et je n’en suis pas peu fier ! 

L’intelligence artificielle ne fait plus débat, elle s’installe. Sans fracas, sans résistance visible, elle glisse dans nos flux de travail, nos navigateurs, nos processus d’écriture et d’analyse.

Paradoxalement, l’utilisateur a le sentiment de gagner en puissance et en autonomie, de piloter ou du moins « co-piloter ». Mais cette maîtrise apparente cache peut-être une délégation subtile, où l’humain croit piloter un système qui, déjà, oriente ses choix. L’IA générative n’obéit plus, elle anticipe. Elle résume, organise, « génère », discrètement. Et si, ce faisant, elle prenait le contrôle ?

Dans ce nouveau Netsources, à travers l’analyse rigoureuse du prompting, des navigateurs agentiques, de la détection de contenu généré par IA et des obstacles culturels à son adoption, émerge en toile de fond, plus que jamais, la mutation profonde du rôle de l’humain dans un environnement « de plus en plus infusé par l’IA ».

Dans la première partie de cet article, parue dans le numéro de juillet-août de Netsources, nous avons évoqué les fondamentaux et bonnes pratiques de prompt. Cette deuxième partie apporte un éclairage sur plusieurs notions complémentaires (méta-prompt, prompt injection…). Nous distinguerons des approches différenciées du prompt selon les principaux modèles, et conclurons par une réflexion sur les évolutions à l’ère de l’IA agentique.

Ne pas confondre méta-prompt et méga-prompt

Nous avons évoqué dans l’article précédent le principe du méga-prompt, c’est-à-dire un prompt de grande taille sous forme de texte long, structuré, comportant de nombreuses instructions, contextes, contraintes, rôles ou exemples.

Un méta-prompt est un prompt qui décrit la manière dont un modèle doit générer, améliorer ou analyser d’autres prompts. Le préfixe « méta » indique en effet qu’il s’agit d’une méta-instruction : ce méta-prompt est destiné à créer des instructions précises, sous forme de prompt.

En tant qu’utilisateur de longue date du navigateur Arc, l’annonce de The Browser Company de cesser son développement au profit d’un nouveau navigateur IA payant, nommé Dia, m’a laissé face à un choix. Devais-je revenir vers la familiarité d’un navigateur traditionnel comme Chrome, ou était-ce l’occasion d’adopter l’un de ces nouveaux navigateurs web dopés à l’intelligence artificielle ?

Ces navigateurs IA font actuellement la une. OpenAI vient d’annoncer Atlas, son propre navigateur IA (disponible sur Mac uniquement à ce jour). De son côté, le navigateur de Perplexity, Comet, est maintenant accessible gratuitement. Une opportunité parfaite pour tester cette nouvelle génération d’outils. Peut-il véritablement remplacer mon navigateur habituel ? Booster ma productivité au quotidien ? J’ai décidé de le découvrir par moi-même.

I. Qu’est-ce que Comet ?

Comet est le nouveau navigateur web développé par Perplexity. Initialement réservé aux abonnés de son offre «Perplexity Max» (à 200 $ par mois), il est désormais accessible gratuitement à tous les utilisateurs1. Contrairement aux navigateurs traditionnels auxquels on greffe une extension IA, Comet intègre l’intelligence artificielle au cœur même de l’expérience de navigation.

Chroniques amusées sur l’intelligence artificielle par Christian Vigne

Christian Vigne (Narra Conseil), anciennement Product Manager chez Google, s’amuse dans ses chroniques à explorer l’impact de l’IA sur nos vies. Il est amené à conseiller les entreprises sur leurs stratégies IA (cadrage, priorisation, formation, conduite du changement).

Celui qui a inventé cette formule mnémotechnique pour rassembler en une seule expression les conjonctions de coordination, terme barbare de grammairien, reçoit ce jour la gratitude de celui qui s’en souvient de nombreuses années après son apprentissage initial. Sortes de mots-ponts entre deux éléments de phrase, les conjonctions de coordination associent dans la parole et l’écriture des noms : « Michel et Augustin » ; des objets : « la peste ou le choléra » ; une causalité : « il n’y a pas école donc j’ai droit aux dessins animés » ; une explication : « j’ai droit aux dessins animés car il n’y a pas d’école » ; une justification : « j’ai regardé beaucoup de dessins animés, mais pas de film » ; le désarroi : « je n’ai vu ni Sam le pompier ni les Enquêtes sauvages » ; etc., ad lib. »

Dans notre dernier numéro, nous avons introduit l’offre LexisNexis® en matière d’information brevet, dont l’un des éléments clé est PatentSight® qui propose une méthode d’évaluation de la qualité d’une famille de brevets, basée sur plusieurs indicateurs.

Ces indicateurs sont : la Technology Relevance, basée sur les citations, le Market Coverage, basé sur la couverture pays de la famille de brevets, la combinaison des deux donnant le Competitive Impact, pour une famille de brevets, et la somme des Competitive Impact d’un lot de familles de brevets donnant pour ce lot le Patent Asset Index.

Dans ce numéro de BASES, nous traiterons de la mise en œuvre de ces indicateurs dans une démarche d’évaluation du potentiel d’une famille ou d’un groupe de familles de brevets.

Comme indiqué précédemment, PatentSight® génère divers graphes à partir d’indicateurs, regroupés par défaut dans le « Playbook » selon leur objectif (recherche de licenciés, rachat d’entreprises, gestion de portefeuilles, analyse concurrentielle, etc.). L’interface permet aussi à l’utilisateur de créer des graphes adaptés à ses besoins.

Examinons donc quelques exemples de graphes produits par PatentSight®, et les enseignements que l’on peut en déduire. Nous allons le faire en prenant des questions très basiques que peut se poser une entreprise.

L’arrivée de PubMed.ai s’inscrit dans un écosystème en pleine expansion d’outils d’intelligence artificielle dédiés à l’exploration de la littérature scientifique biomédicale. Face à ces innovations technologiques, les enjeux demeurent la sélection rigoureuse des sources et la fiabilité des réponses par rapport aux pratiques manuelles traditionnelles supervisées par des experts humains.

Une concurrence féroce dans l’IA biomédicale

Peu après le lancement remarqué d’Embase AI par Elsevier, la NCBI (National Center for Biotechnology Information) a riposté en déployant PubMed.ai en version bêta. Cet outil propose des résumés générés par IA et des analyses synthétiques.

Cependant, face au déluge de références bibliographiques, ces solutions représentent-elles véritablement l’assistant idéal pour les chercheurs, ou constituent-elles plutôt un mirage technologique ?

La mortalité élevée des outils spécialisés

L’histoire récente révèle une hécatombe d’outils alors prometteurs : AskMEDLINE lancé en 2004 par la NLM), Semantic MEDLINE (NLM 2011-12), et FACTA+ (Université de Tokyo - 2023)… Nombreux sont ceux qui ont disparu avec l’évolution technologique accélérée. Parmi les survivants comme LitVar ou LitSense, lesquels parviendront à révolutionner la recherche sur les variants génétiques sans sombrer dans l’oubli ?

Dans ce numéro, nous publions la première partie d’un dossier complet consacré au prompt engineering. La seconde partie paraîtra dans le prochain numéro de NETSOURCES

Ce dossier a pour objectif de vous accompagner dans la maîtrise du prompt engineering, discipline clé pour exploiter pleinement le potentiel des modèles de langage.

De la compréhension des mécanismes fondamentaux aux techniques les plus avancées, , ces deux articles constituent un guide complet pour maîtriser l’art du prompt engineering et tirer le meilleur parti des modèles de langage actuels et futurs.

Premier article : les fondamentaux du prompt engineering

Ce premier article récapitule les principes essentiels pour optimiser la formulation des prompts:

• Mécanismes internes des LLM : Rappel des processus clés - tokenisation (découpage du texte), embeddings vectoriels (représentation numérique) et architecture transformer (mécanismes d’attention) - pour comprendre comment les modèles traitent les prompts).
• Frameworks de structuration : Présentation de méthodologies structurantes combinant contexte, rôle et format de sortie, illustrées par des exemples concrets d’application.
• Techniques avancées : Exploration de méthodes sophistiquées comme les chaînes de pensées, ainsi que des techniques parfois méconnues comme l’utilisation de délimiteurs.
• Stratégie de longueur : Faut-il privilégier un prompt long et complet («méga-prompt») ou procéder par itérations successives ? La longueur optimale du prompt est une question cruciale.

L’été 2025 marque un virage dans l’univers des navigateurs Web, avec une intégration de plus en plus profonde de l’intelligence artificielle. La navigation devient une expérience à la fois interactive et proactive.

Fini la navigation passive : Comet, Edge, Chrome et autres redéfinissent le web. Voici les nouveautés qui bousculent le duopole Chrome/Edge.

1. Comet de Perplexity : enfin son navigateur IA !

Lancé en juillet 2025, Comet, basé sur Chromium, redéfinit la navigation avec une IA intégrée. Cet assistant répond aux requêtes en langage naturel, propose des résumés de pages Web avec sources vérifiées et automatise des tâches complexes (comparaison de produits, recherche de politiques de retour).

• Modèles : Utilise GPT-4o et Claude 3.5 pour des résultats précis.
• Accès : Réservé aux abonnés Perplexity Pro et Max.
• Impact : Une alternative audacieuse à Chrome, centrée sur la productivité.

2. Microsoft Edge : Copilot Mode, l’IA au cœur de l’expérience

En juillet 2025, Edge introduit le Copilot Mode, qui transforme chaque onglet en interface de chat IA.

• Fonctionnalités : Analyse des onglets ouverts pour comparaisons intelligentes, commandes textuelles/vocales, automatisation de réservations, filtrage (tri ciblé d’informations).
• Objectif : Passer d’un navigateur passif à un collaborateur qui anticipe vos besoins.
• Disponibilité : Expérimental, gratuit temporairement sur Windows/Mac.
• Atout : Intégration fluide, mais attention aux questions de confidentialité.

Le Knowledge Management (KM) est encore une notion abstraite. Il est fréquent de constater une difficulté à se représenter ce qu’il recouvre au juste. Cet article se propose d'en éclairer le sens et les réalisations.

Une diversité de représentations et d’expressions

Quelle est sa plus-value ? Ceux qui le pratiquent savent qu’à la longue une gouvernance des connaissances vertueuse octroie un gain de temps, de qualité et de confiance dans les connaissances mobilisées (on obtient plus vite une réponse plus fiable). L’objectif poursuivi est souvent l’excellence opérationnelle (dans les entreprises industrielles notamment), ou l’excellence tout court (dans des structures plus proches du service public et de l’intérêt général). La quête d’une plus grande performance (à condition de renoncer à ce qu’elle soit immédiate), la réduction des erreurs, le maintien d’un haut niveau d’expertise, l’innovation sont souvent visés par les organisations qui mettent en œuvre une démarche KM. Elles savent en outre que l’existence d’un dispositif de ce type favorise la préservation des connaissances, valorise les savoirs et savoir-faire des collaborateurs les plus expérimentés et constitue un facteur d’attractivité (et de rétention) pour les collaborateurs les plus jeunes.

Les initiatives qui relèvent du Knowledge management sont par ailleurs innombrables. C’est cet état de fait (le flou ou la diversité des perceptions comme celle des actions) qui nous a donné envie d’interroger les représentations et expressions du KM auprès d’un panel de professionnels curieux ou adeptes du management des connaissances (1).

Nous avons eu l’occasion de le répéter plusieurs fois déjà, le brevet est une formidable source d’informations techniques qu’il est hasardeux d’ignorer dans une démarche d’innovation. État de l’art, recherche de solutions techniques, tendances du marché, positionnement d’un concurrent… Autant de raisons qui justifient une recherche dans les bases de données brevet.

Lorsque l’on se concentre sur les aspects plus juridiques, on retrouve les recherches de brevetabilité, celles réalisées dans le cadre d’une procédure d’opposition ou d’invalidation, et les recherches de liberté d’exploitation (dénommées FTO, pour Freedom To Operate, en anglais). Comme notre titre l’indique - que Beaumarchais nous pardonne cette irrévérence -, c’est sur celles-ci que nous allons nous pencher aujourd’hui.

De l’art du géomètre : qu’est-ce qu’un brevet ?

Rappelons tout d’abord quelques fondamentaux concernant le brevet.

Il est fréquent qu’un spécialiste technique qui lit pour la première fois un brevet revienne avec un air dépité s’exclamant « qu’est-ce que ce charabia, on n’y comprend rien ». C’est une réaction compréhensible : notre spécialiste s’attendait à lire un document décrivant une technique, un peu comme une publication scientifique, et il est tombé sur un texte parfois jargonnant, utilisant une terminologie étrange, qu’il est occasionnellement bien difficile d’interpréter. C’est que le but du brevet n’est pas seulement de décrire une technique, c’est aussi et avant tout de définir un territoire technique d’accès interdit. Nous sommes en présence d’un titre de propriété, et comme tout titre de propriété, il faut définir les limites de ladite propriété afin que les tiers sachent bien où ils ne peuvent pas aller. Rédiger un brevet, c’est au fond une affaire de technicien, mais aussi un peu de géomètre expert.

L’intégration de l’intelligence artificielle dans les réseaux sociaux est une tendance de fond, entamée au début des années 2010 et qui connaît une accélération marquée depuis l’émergence de l’IA générative en fin 2022. Cette évolution redéfinit l’utilité de ces plateformes, leur modèle économique et la nature même des interactions qu’elles hébergent.

Nous explorerons comment l’IA est passée d’un outil d’optimisation fonctionnant en arrière-plan à un rôle de plus en plus central dans nos échanges. Ce changement soulève une question essentielle : à mesure que l’IA prend plus de place, que reste-t-il de « social » dans les médias sociaux et comment cela impacte-t-il nos interactions en ligne ?

I. L’IA en coulisses : l’optimisation comme premier moteur

Pendant plus d’une décennie, l’intelligence artificielle a été le moteur discret, mais essentiel, des réseaux sociaux. Son déploiement à grande échelle répondait à un objectif principal : capter l’attention de l’utilisateur pour maximiser la durée des sessions et, par conséquent, les revenus publicitaires.

La fin du fil d’actualité chronologique

Cette stratégie reposait sur la personnalisation des contenus . Dès 2009, Facebook expérimentait déjà un nouvel algorithme (nommé EdgeRank ) pour remplacer le fil d’actualité chronologique (1). C’est entre 2012 et 2016 que cette tendance se généralise. Durant cette période, la plupart des plateformes de réseaux sociaux abandonnent progressivement le fil chronologique au profit du fil algorithmique . L’objectif n’étant alors plus de montrer ce qui venait d’être publié, mais ce qui était le plus susceptible de provoquer une réaction . Twitter remplace ainsi son fil d’actualité par le flux « Home timeline » en 2016 (2), et TikTok, lancé une année plus tard, érige cette approche en modèle avec sa « For You Page » (3). Aujourd’hui, cette méthode est devenue la norme et les algorithmes n’ont fait que s’améliorer d’année en année. Meta annonçait d’ailleurs en 2023 que ses algorithmes de recommandation étaient responsables d’une hausse de 24 % du temps passé sur Instagram , notamment grâce à la suggestion de contenus issus de comptes non suivis par les utilisateurs (4).