Cet article fait partie des mises à jour hebdomadaires sur les nouveaux développements dans l’utilisation des méthodes et outils d’IA pour les enquêtes (ménages, individus, exploitations agricoles…) et les données administratives pour les statistiques officielles.

Période couverte : 24–30 novembre 2025

Mots-clés : IA, recherche par sondage, statistiques officielles, apprentissage automatique, qualité des données, enquêtes auprès des ménages, analyse de données

Résumé

Cette mise à jour hebdomadaire fournit un résumé des développements récents dans l’application de l’intelligence artificielle (IA) dans la recherche par sondage et les enquêtes auprès des ménages. Le rapport couvre les domaines clés, notamment l’édition, le nettoyage, le traitement, l’analyse, la production de rapports et la diffusion des données, en mettant l’accent sur les implications pour les chercheurs et les offices nationaux de statistique [1].

Développements clés cette semaine

Les développements de cette semaine soulignent une tendance significative et accélérée : l’intégration rapide de l’IA à toutes les étapes du cycle de vie des enquêtes. Du traitement automatisé des données aux modèles analytiques sophistiqués et aux nouvelles méthodes de diffusion, l’IA remodèle le paysage de la recherche par sondage. Cependant, cette adoption rapide s’accompagne de préoccupations croissantes concernant l’intégrité de la recherche, la qualité des données et le potentiel d’utilisation abusive.

De récentes enquêtes auprès de professionnels de la recherche révèlent une augmentation spectaculaire de l’utilisation des outils d’IA pour diverses tâches. Une enquête mondiale menée par Research Professional News auprès de plus de 1 100 membres du personnel de bureaux de recherche et de 1 400 chercheurs a révélé que l’IA est désormais un moteur clé du changement dans le domaine [1, 2]. Le rapport indique que 57 % du personnel des bureaux de recherche considère désormais l’IA comme l’un des trois principaux moteurs de changement, une augmentation significative par rapport à 25 % en 2023 [2].

Les applications les plus courantes de l’IA dans les bureaux de recherche comprennent l’identification d’opportunités de financement (35 %), l’édition et l’amélioration des demandes de subvention (33 %) et la gestion des données (30 %) [1]. Parmi les chercheurs, près de la moitié déclarent utiliser l’IA pour les recherches bibliographiques, la rédaction de manuscrits et l’analyse de données [1].

Malgré l’adoption généralisée, une majorité significative du personnel des bureaux de recherche (60 %) identifie l’IA comme la plus grande menace pour l’intégrité de la recherche, citant des préoccupations concernant l’érosion de la pensée critique et le risque de dépendance excessive aux systèmes automatisés [1, 2]. Cela souligne un besoin critique de cadres de gouvernance robustes et de programmes de formation pour garantir une utilisation responsable et éthique de l’IA dans la recherche.

L’essor de l’IA dans l’analyse des enquêtes auprès des ménages

Une nouvelle étude publiée dans Archives of Public Health démontre l’application pratique des modèles d’apprentissage automatique pour l’analyse de données d’enquêtes auprès des ménages à grande échelle [5]. En utilisant des données des Enquêtes Démographiques et de Santé (EDS) dans 34 pays d’Afrique subsaharienne, l’équipe de recherche a réussi à prédire l’accès aux installations d’assainissement des ménages avec un degré élevé de précision. Le modèle Random Forest s’est avéré le plus efficace, atteignant une précision de 80,61 % [5].

Cette recherche souligne le potentiel de l’apprentissage automatique non seulement pour prédire les résultats des enquêtes, mais aussi pour identifier les facteurs les plus influents qui déterminent ces résultats. L’utilisation des Shapley Additive Explanations (SHAP) a permis d’interpréter l’importance des caractéristiques, fournissant des informations exploitables pour les interventions politiques [5]. Cette étude sert de modèle précieux pour les offices nationaux de statistique qui cherchent à tirer parti de l’apprentissage automatique pour une analyse plus granulaire et plus percutante des données d’enquêtes auprès des ménages.

Les LLM révolutionnent l’analyse des données qualitatives et posent de nouvelles menaces

Les grands modèles linguistiques (LLM) émergent comme une force transformatrice dans l’analyse des données d’enquêtes qualitatives. Un article récent paru dans Scientific Reports a révélé que les LLM surpassent constamment les codeurs humains externalisés dans les tâches d’analyse textuelle complexes, y compris la reconnaissance d’entités nommées et l’analyse des sentiments [3]. Cela suggère que les LLM peuvent fournir une solution rentable et très précise pour le codage des réponses ouvertes aux enquêtes à grande échelle.

Cependant, la sophistication croissante des LLM présente également un défi important pour la qualité des données d’enquête. Un article paru dans les Proceedings of the National Academy of Sciences met en garde contre une « menace existentielle » pour la recherche par sondage en ligne, démontrant que les agents d’IA peuvent générer des réponses d’enquête plausibles et cohérentes qui sont indiscernables des réponses humaines et peuvent échapper aux contrôles de qualité des données actuels [4]. Ce développement nécessite une réévaluation fondamentale des méthodes de collecte de données en ligne et le développement de nouvelles techniques de validation.

Innovations dans le traitement, la production de rapports et la diffusion des données

Au-delà de l’analyse des données, l’IA est également un moteur d’innovation dans les dernières étapes du cycle de vie des enquêtes. De nouveaux outils et techniques émergent pour le nettoyage, la production de rapports et la diffusion automatisés des données.

Nettoyage et traitement automatisés des données : Des outils basés sur l’IA sont désormais disponibles pour automatiser les tâches traditionnellement laborieuses de nettoyage et de préparation des données. Ces outils peuvent identifier et corriger les erreurs, gérer les données manquantes et détecter les valeurs aberrantes, améliorant considérablement l’efficacité et la qualité du traitement des données d’enquête [7].

Génération de données synthétiques : Une étude publiée dans JAMIA Open explore l’utilisation de modèles génératifs, tels que le Conditional Tabular GAN (CTGAN), pour créer des ensembles de données synthétiques à partir de données de santé et démographiques sensibles [6]. Cette approche permet la diffusion publique de données précieuses tout en préservant la confidentialité des individus. L’étude a révélé que les données synthétiques générées par CTGAN maintenaient un degré élevé de fidélité et d’utilité, sans perte statistiquement significative de performance prédictive par rapport aux données réelles [6]. Cela a des implications significatives pour les offices nationaux de statistique qui cherchent à élargir l’accès aux données sans compromettre la confidentialité.

Production de rapports et visualisation automatisées : Le processus de génération de rapports et de visualisations à partir de données d’enquête est également transformé par l’IA. Les interfaces visuelles en langage naturel (V-NLI) permettent aux utilisateurs d’interroger des données et de générer des visualisations en utilisant le langage naturel, ce qui rend l’exploration des données plus intuitive et accessible [8]. L’IA générative peut également être utilisée pour automatiser la rédaction de sections de rapports, de résumés exécutifs et de résumés narratifs des principales conclusions, réduisant les délais de production de rapports de 40 à 60 % [9].

Le U.S. Census Bureau adopte l’IA dans son enquête auprès des entreprises

Dans un développement significatif pour les statistiques officielles, le U.S. Census Bureau a ajouté de nouvelles questions sur l’intelligence artificielle à son enquête sur les tendances et les perspectives des entreprises (BTOS) [10]. Cette enquête à grande échelle, bihebdomadaire, menée auprès de 1,2 million d’entreprises, recueillera désormais des données sur l’adoption de l’IA et son impact sur l’économie. L’inclusion de ces questions signale la reconnaissance croissante de l’importance de l’IA dans les opérations commerciales et la nécessité pour les statistiques officielles de suivre son impact.

Conclusion

Les développements de la semaine dernière démontrent une tendance claire et accélérée de l’intégration de l’IA dans l’ensemble du cycle de vie de la recherche par sondage. Bien que le potentiel de gains d’efficacité et d’informations plus approfondies soit immense, le domaine doit également faire face aux défis importants posés par l’IA, en particulier dans les domaines de l’intégrité de la recherche et de la qualité des données. Pour les chercheurs et les offices de statistique, la clé sera d’adopter ces nouvelles technologies tout en développant simultanément les cadres de gouvernance, les techniques de validation et les directives éthiques nécessaires pour assurer la production continue de données fiables et de haute qualité.

Références

[1] Anadolu Agency. (2025, November 20). AI use surges in global research offices but staff warn it poses