Introduction à la recherche

À l'issue des deux séances, vous rendez une note de recherche de trois à cinq pages sur la piste que vous aurez choisie.

Elle comporte une introduction d'une à deux pages, une revue de littérature de deux à trois pages, une bibliographie, et une courte annexe sur la façon dont vous avez cherché.

Le tableau ci-dessus est le plan de ce site et le plan de votre travail.

La moitié du travail est de la lecture : c'est la partie qu'aucun outil ne fera à votre place.

Aujourd'hui je présente les dix étapes une fois, en montrant les outils ; la seconde séance sert à avancer et à me poser des questions, sujet par sujet.

Un article scientifique n'est pas un texte publié parce que son auteur l'a écrit : il est publié parce que deux ou trois chercheurs anonymes du même domaine ont passé des mois à le critiquer et que la revue a fini par l'accepter.

Le processus dure entre un et trois ans, avec plusieurs allers-retours, et la majorité des soumissions est refusée : dans les meilleures revues de marketing, plus de neuf sur dix.

C'est ce filtre, et lui seul, qui distingue un article scientifique d'un billet de blog très documenté.

Quand vous citez un article publié dans une bonne revue, vous vous appuyez sur un travail que des experts ont déjà essayé de démolir.

Une revue est un titre avec un comité éditorial et une ligne scientifique, par exemple le Journal of Marketing, le Journal of Consumer Research ou Recherche et Applications en Marketing.

Un éditeur est l'entreprise qui la publie, la diffuse et la vend : Elsevier, Springer, Wiley, Sage, Taylor & Francis, ou des sociétés savantes comme l'American Marketing Association et INFORMS.

Le marché est très concentré et très rentable, ce qui explique le prix d'accès aux articles et la colère qu'il suscite dans le monde académique.

Retenez la distinction : on juge une revue, pas un éditeur, et un même éditeur publie le meilleur comme le pire.

Puisque toutes les revues ne se valent pas, la discipline les classe, et vous devez savoir lire ces classements.

En gestion, la référence française est le classement FNEGE, qui va du rang 1★, une poignée de revues mondiales, au rang 4.

Le document le plus pratique est la Journal Quality List d'Anne-Wil Harzing, un seul PDF qui aligne, pour chaque revue, son rang FNEGE, CNRS, ABS et une dizaine d'autres.

Scimago donne autre chose : des quartiles calculés sur les citations, utiles hors gestion, mais indulgents, car presque tout ce qui existe y est classé Q1 ou Q2 dans son propre petit domaine.

Pour votre note, la règle est simple : pour définir un concept ou fonder un raisonnement, citez du FNEGE 1★, 1 ou 2 ; pour illustrer un phénomène récent, vous pouvez descendre plus bas, en le sachant.

Le digital object identifier est l'identifiant unique et permanent d'un article, de la forme 10.1093/jcr/ucx105.

Écrit en adresse, il devient doi.org/10.1093/jcr/ucx105 et mène toujours à l'article, même si la revue change de site.

Un DOI est donc la preuve qu'un article existe : collez-le dans votre navigateur, vous tombez sur sa page officielle.

Une référence sans DOI n'est pas forcément fausse — les vieux articles et les actes de colloque n'en ont pas — mais une référence récente sans DOI mérite une vérification.

C'est aussi la clé qui fait tout le reste : Zotero, les cartes d'articles et les bases de données travaillent à partir d'un DOI.

Un preprint est un texte déposé par ses auteurs avant, ou sans, évaluation par les pairs : c'est ce que sont arXiv, SSRN et une bonne partie de HAL.

On peut les lire et parfois les citer, mais il faut alors écrire qu'il s'agit d'un document de travail, et vérifier s'il n'a pas été publié depuis dans une revue.

ResearchGate et Academia.edu ne sont pas des revues du tout : ce sont des réseaux sociaux où les auteurs déposent leurs PDF ; on y récupère un texte, on ne cite jamais « ResearchGate » comme source.

Les revues prédatrices publient contre paiement, sans évaluation réelle, avec des noms qui imitent ceux des vraies revues.

Le test en trente secondes : cherchez le titre de la revue dans la liste Harzing ; s'il n'y est pas, cherchez son comité éditorial et ses frais de publication, et méfiez-vous.

Un article en accès libre est lisible sans abonnement, soit parce que la revue l'a voulu, soit parce que les auteurs ont déposé une version dans une archive.

L'accès libre n'est ni un gage de qualité ni un défaut : il existe d'excellentes revues en accès libre et des revues prédatrices qui n'existent que pour ça.

Le modèle courant est que l'auteur, ou son laboratoire, paie de mille à cinq mille euros pour que l'article soit gratuit pour le lecteur.

Pour vous, l'accès libre est surtout une bonne nouvelle pratique : une part croissante de ce dont vous avez besoin se télécharge légalement, et je vous montre plus bas comment.

Un article de recherche en marketing suit presque toujours le même plan, et le connaître vous fait gagner des heures.

Tout commence par le résumé, l'abstract : cent cinquante à deux cent cinquante mots qui contiennent, dans cet ordre, le phénomène étudié, la question posée, les données et la méthode, le résultat principal et ce qu'il implique.

C'est un article en miniature, et c'est presque toujours la seule partie accessible gratuitement, même quand le texte est payant : c'est donc sur lui que vous triez.

Un abstract bien écrit vous dit en trente secondes si l'article parle de votre sujet, s'il est empirique ou théorique, et sur qui il a été fait — étudiants américains, clients d'une banque coréenne, avis d'un magasin d'applications.

Juste en dessous, les mots-clés donnés par les auteurs sont un cadeau : ce sont les termes exacts que la discipline emploie, à réutiliser tels quels dans vos équations de recherche.

Deux avertissements, tout de même.

L'abstract annonce toujours un résultat net, parce qu'il sert aussi à vendre l'article : les nuances, les limites et les cas où ça ne marche pas sont dans la discussion, jamais là.

Et on ne cite pas un article qu'on n'a lu que par son abstract : il sert à décider si on ouvre le texte, pas à le remplacer.

L'introduction pose le phénomène, dit ce que la littérature ignore, annonce la question et les apports.

La revue de littérature définit les concepts et fait le point de ce qu'on sait, puis les hypothèses annoncent ce que l'article va tester.

La méthode décrit les données et les traitements, les résultats donnent les tests, la discussion interprète, et les contributions disent ce que l'article ajoute.

Vous écrivez aujourd'hui les deux premières parties de cette structure — l'introduction et la revue de littérature — exactement dans cet ordre.

On ne lit jamais un article de la première à la dernière ligne, du moins pas au début.

Premier passage, deux minutes : le titre, le résumé, et les figures — vous saurez déjà s'il vous concerne.

Deuxième passage, dix minutes : l'introduction et la conclusion, qui contiennent à elles deux presque tout le raisonnement.

Troisième passage, seulement pour les articles qui comptent vraiment : la revue de littérature, pour les définitions, et la méthode, pour comprendre ce que les résultats autorisent à dire.

Sur vingt-cinq articles retenus, vous en lirez cinq en entier et vous survolerez les vingt autres, et c'est le bon dosage.

De chaque article, vous notez cinq choses, toujours les mêmes, et rien d'autre.

Le concept qu'il traite et la définition qu'il en donne, avec la page si vous la citez.

La relation qu'il teste, c'est-à-dire ce qui influence quoi, et le résultat obtenu, y compris quand l'effet est nul.

Le contexte enfin : quel pays, quel secteur, quel public, quelle année — c'est ce qui vous servira à repérer un manque.

Cinq lignes par article suffisent : c'est ce qui va remplir votre tableau de synthèse.

Vous n'avez pas encore de stage, et c'est très bien : ce travail ne porte pas sur une entreprise mais sur un phénomène.

Je vous impose donc un terrain commun, les applications mobiles, et sept pistes à l'intérieur.

Le choix n'est pas arbitraire : sur un magasin d'applications, tout est public et gratuit — les descriptions, les prix, les abonnements, les permissions demandées, les notes et des milliers d'avis d'utilisateurs.

Vous avez donc, dès le premier jour, un phénomène sous les yeux, des chiffres à citer et de quoi illustrer votre introduction.

Et ces sept pistes ont toutes une littérature scientifique abondante en marketing et en systèmes d'information, ce qui n'est pas le cas de n'importe quel sujet.

Deux étudiants peuvent prendre la même piste, ils n'aboutiront pas à la même question.

Les concepts de la troisième colonne sont votre porte d'entrée dans la littérature : tapez-les en anglais, ce sont eux que les chercheurs emploient.

Une piste n'est pas encore un domaine d'étude : « les applications de rencontre » est un secteur, personne n'a écrit d'article là-dessus en tant que tel.

Le domaine apparaît quand vous ajoutez le mécanisme : la confiance envers une application de rencontre, le risque perçu au moment de payer un abonnement, l'effet des notes sur le choix.

Un chercheur qui travaille sur la confiance entre inconnus a peut-être étudié Airbnb, Vinted ou le covoiturage : ses résultats vous servent, même si le secteur diffère.

C'est pour cela qu'on cherche des concepts et non des secteurs, et c'est le point de départ de toute la suite.

Un thème est vaste et ne se mesure pas : « l'intelligence artificielle », « les réseaux sociaux », « la fidélité ».

Un concept est une notion définie par la littérature, que quelqu'un a déjà mesurée : la confiance envers la marque, la charge cognitive, l'intention de recommandation, la valeur perçue de la personnalisation.

Visez trois ou quatre concepts, pas davantage : un déclencheur, une ou deux variables intermédiaires, un comportement à la fin.

Le bon test est de vous demander comment on mesurerait la chose : si vous n'imaginez aucune question de questionnaire ni aucune donnée, ce n'est pas encore un concept.

Une fois vos concepts nommés, la question devient : comment les reliez-vous ?

La réponse tient dans un schéma de boîtes et de flèches, et il n'y en a pas cent : un déclencheur, un mécanisme qui transmet, un résultat, et parfois quelque chose qui renforce ou atténue le passage.

Le vocabulaire est fixe, et c'est celui des articles que vous allez lire : la variable indépendante est ce qui déclenche, le médiateur est le mécanisme par lequel ça passe, le modérateur est ce qui change la force du lien, la variable dépendante est ce qu'on observe à la fin.

Andrew Hayes a numéroté ces schémas — quatre-vingt-douze modèles dans sa macro PROCESS, que vous verrez cités dans les parties méthode sous la forme « Hayes, model 7 » — et le modèle 7 ci-dessus, la médiation modérée, est l'un des plus utilisés en marketing.

Sa lecture est simple : X passe par M pour atteindre Y, et W agit sur le premier maillon seulement ; le chemin c′ en pointillés est ce qui reste de l'effet de X quand M est pris en compte.

Vous n'avez rien à tester cette année : dessiner le schéma suffit, et c'est un excellent test de votre domaine.

S'il vous manque le mécanisme du milieu, vous avez un thème et non une question ; si vous ne savez pas quoi mettre à droite, vous n'avez pas encore de comportement à expliquer.

Pour aller voir : la notion de médiation et le manuel de référence, Hayes, Introduction to Mediation, Moderation, and Conditional Process Analysis (Guilford, 3e éd.).

Ne cherchez pas cent articles tout de suite : cherchez-en trois, très bons, sur le cœur de votre sujet.

Un bon article noyau est publié dans une revue FNEGE 1★, 1 ou 2, et il a été cité plusieurs dizaines de fois.

Ces trois articles vous donneront le vocabulaire exact du domaine, les définitions à reprendre, et surtout leurs propres bibliographies.

À partir d'eux, tout le reste se déroule ; sans eux, vous cherchez à l'aveugle avec vos propres mots, qui ne sont pas ceux de la littérature.

Google Scholar reste le point de départ le plus rapide, à condition de ne pas s'en servir comme d'un moteur de recherche ordinaire.

Les guillemets imposent l'expression exacte, AND et OR combinent, et l'opérateur source: filtre par titre de revue.

recherche"personalization" AND "privacy" AND (source:"marketing" OR source:"consumer")

Le bouton Cité par sous chaque résultat est le plus utile de la page : il donne les articles plus récents qui s'appuient sur celui-là.

Ses limites : Scholar indexe aussi des thèses, des diapositives et des textes non évalués, ne dit rien de la qualité de la revue, et ne permet ni export ni filtre sérieux.

OpenAlex est un catalogue ouvert de plus de deux cents millions de publications, avec leurs auteurs, leurs revues, leurs citations et leurs références, interrogeable gratuitement, y compris par un programme.

Crossref est l'organisme qui attribue les DOI : c'est la source officielle des métadonnées d'un article, celle qui permet de vérifier qu'une référence existe vraiment.

Semantic Scholar ajoute des résumés et des résumés automatiques, et PubMed couvre tout le biomédical.

Pour cette note, vous n'aurez pas besoin d'écrire de programme : ces bases ont toutes une interface de recherche, et Claude sait les interroger pour vous si le volume le justifie.

Ce qu'il faut retenir, c'est qu'elles existent, qu'elles sont gratuites, et qu'elles voient des choses que Scholar ne montre pas.

Une fois que vous tenez un bon article, une carte vous montre son voisinage : ce qu'il cite, ce qui le cite, et ce que citent ceux qui le citent.

Litmaps part d'un DOI et construit cette carte ; c'est celui que j'utilisais, il est devenu payant au-delà de quelques cartes.

Connected Papers fait la même chose avec un graphique très lisible et quelques recherches gratuites par mois.

Inciteful est gratuit, moins joli, et accepte plusieurs articles de départ à la fois.

Ces outils ne lisent rien : ils cartographient des citations, ce qui est exactement ce dont vous avez besoin à cette étape.

Consensus et Elicit sont des moteurs qui interrogent des bases d'articles et vous rendent une réponse rédigée, avec les références qui la soutiennent.

Consensus est bâti pour répondre à une question fermée, du type « la personnalisation augmente-t-elle l'intention d'achat ? », et affiche combien d'articles vont dans chaque sens.

Elicit ressemble davantage à un tableur : il extrait d'un lot d'articles les colonnes que vous demandez, population, méthode, résultat.

Je vous en parle parce que vous les croiserez, et parce qu'ils font gagner du temps au tout début, quand on ne connaît pas encore le vocabulaire du domaine.

Leurs limites sont réelles : ils travaillent sur des résumés, pas sur le texte intégral, ils aplatissent les nuances et les contextes, ils ne disent rien de la qualité des revues, et l'essentiel de leurs fonctions est payant.

Ils ne vous dispensent donc jamais d'ouvrir les articles : traitez-les comme une première liste de pistes, pas comme une revue de littérature.

Une équation de recherche est une phrase logique qui décrit ce que vous cherchez, et elle s'écrit en blocs.

Un bloc par concept, les synonymes réunis par OR à l'intérieur du bloc, les blocs reliés par AND.

Les guillemets sont indispensables pour les expressions de plusieurs mots, faute de quoi la base cherche les mots séparément et vous noie.

exemple("user generated content" OR "brand content" OR "influencer marketing")
AND ("brand trust" OR "consumer trust")
AND ("purchase intention" OR "willingness to buy")

Écrivez-la une fois, gardez-la dans un fichier, et notez ce qu'elle vous a donné : elle fera partie de votre méthode.

La boule de neige consiste à partir d'un article et à suivre ses liens, dans les deux sens.

En arrière, vous lisez sa bibliographie : vous y trouverez les articles fondateurs du domaine, ceux que tout le monde cite.

En avant, vous regardez qui le cite, grâce au « Cité par » de Scholar ou à une carte d'articles : vous y trouverez les travaux récents et les angles neufs.

C'est le geste le plus rentable de toute la recherche documentaire.

Deux tours suffisent : au troisième, vous revenez sur des articles déjà vus, ce qui est le signe que votre domaine est couvert.

À la fin de cette étape, vous devez avoir entre cent et cent cinquante candidats, et c'est normal d'en avoir trop.

Il vaut toujours mieux collecter large et éliminer ensuite sur des critères écrits, que de chercher étroit et rater l'article central du domaine.

Gardez tout dans un seul tableau, ou directement dans Zotero, avec le titre, les auteurs, l'année, la revue et le DOI.

Ce tableau est la matière de l'étape suivante.

Ces proportions se mesurent.

Voici les miennes, sur le corpus mHealth.

Quatre millions d'articles ramenés, cent trente-six mille au-dessus de 2 : trois pour cent de ce qui entre survit au tri.

Et le plus gros canal n'est pas le plus rentable : l'équation de mots-clés sur OpenAlex rend 2,5 %, les concepts de la base en rendent 30 %, les noms d'applications 1,6 %.

Je garde pourtant le canal à 1,6 % : il a ramené 420 articles pertinents que aucun autre canal n'avait vus, et je ne pouvais pas le savoir avant de l'avoir fait.

C'est tout l'argument de cette étape : on ratisse large parce qu'on ignore où sont les bons, et on ne trie qu'ensuite, sur une règle.

À votre échelle, les mêmes proportions tiennent en plus petit : cent cinquante candidats, vingt-cinq gardés.

Un article se juge sur deux dimensions indépendantes : est-il pertinent pour votre question, et est-il de qualité.

Un article passionnant publié dans une revue prédatrice reste inutilisable ; un article du Journal of Marketing qui ne parle pas de votre sujet ne vous sert à rien.

Jugez donc les deux séparément, dans cet ordre : d'abord la pertinence, sur le titre et le résumé, puis la qualité, sur le nom de la revue.

Beaucoup d'articles sont payants, autour de quarante euros l'unité, ce que personne ne paie.

Commencez par Unpaywall, une extension de navigateur qui cherche automatiquement une version libre et légale de l'article que vous regardez.

Passez ensuite par la bibliothèque de l'UCA : votre compte étudiant ouvre des milliers de revues auxquelles l'université est abonnée, dont les bases EBSCO en gestion.

ISTEX donne accès, avec vos identifiants universitaires, à des archives éditeurs très complètes jusqu'aux années récentes.

Enfin, écrivez à l'auteur : trois lignes polies, votre statut d'étudiant, le titre de l'article — un chercheur sur deux répond et envoie son PDF, parce que cela lui fait plaisir.

Des sites de contournement existent et tout le monde les connaît ; ils sont illégaux et je n'en donne pas l'adresse ici.

Sur vingt-cinq articles, vous en obtiendrez une vingtaine : remplacez les autres, ne bloquez pas dessus.

Ce nombre théorique que vous pourriez attendre existe, mais il n'est pas unique : chaque canal a son gisement, c'est-à-dire ce qu'il a en magasin, qui n'est ni ce qu'on lui demande ni ce qu'il rend.

Sur mon corpus mHealth, voici les huit canaux que j'ai utilisés, leur gisement et ce qu'ils ont réellement donné.

Aucun ne dépasse la moitié de son gisement : l'accès ouvert automatique rend 51 % de ce qu'il annonçait libre, la bibliothèque 34 %, ISTEX 20 %.

Mis bout à bout, ces huit canaux donnent 60 % du corpus visé ; les quarante pour cent manquants sont du payant récent, et aucun outil ne les ouvrira.

Le reliquat se récupère à la main, un PDF à la fois — j'en ai déposé une trentaine, ça ne passe pas à l'échelle.

C'est la bonne nouvelle pour vous : avec vingt-cinq articles, la main suffit, et l'ordre à suivre est celui du tableau — l'extension d'abord, la BU ensuite, ISTEX pour l'ancien, le mail à l'auteur pour finir.

Zotero est un gestionnaire de références, gratuit et libre, et c'est le seul outil de cette page que je vous demande vraiment d'installer.

Son extension de navigateur enregistre un article en un clic, avec ses métadonnées et son PDF ; vous pouvez aussi coller un DOI pour créer la référence.

Ses modules pour Word et Google Docs insèrent les citations dans le texte et génèrent la bibliographie toute seule, au format APA, et la mettent à jour quand vous ajoutez une référence.

C'est ce qui règle d'un coup le problème le plus visible d'une bibliographie faite à la main : les entrées incomplètes et les formats qui se mélangent.

Créez une collection par sujet, et prenez l'habitude d'y déposer chaque article au moment où vous le trouvez, jamais après.

Ouvrez un tableur : une ligne par article, une colonne par information — concept traité, définition retenue, relation testée, résultat, contexte.

Remplissez-la au fil de vos lectures, en cinq lignes par article, sans chercher à rédiger.

Quand elle est pleine, triez-la par concept : les articles se regroupent d'eux-mêmes, et ces groupes sont les paragraphes de votre revue de littérature.

C'est le passage le plus important de tout ce cours : la revue ne s'écrit pas article par article, elle s'écrit concept par concept.

Une revue écrite article par article se reconnaît tout de suite : elle ressemble à une liste de résumés.

Un manque, ou gap, n'est pas un sujet vierge.

Ne cherchez pas le terrain que personne n'aurait exploré : sur les sujets qui nous occupent, il n'en reste pas, et quand vous croyez en tenir un, c'est presque toujours que vous n'avez pas encore trouvé les bons mots-clés.

C'est un endroit précis où ce que la littérature a établi ne couvre pas votre cas, et où l'on peut donc légitimement poser une question.

Il s'énonce toujours de la même façon : on sait que… mais on ne sait pas si…

Cette phrase, avec ses références des deux côtés, est le cœur de votre introduction et la justification de votre question.

Le manque de population : l'effet a été montré sur des étudiants américains, jamais sur des acheteurs professionnels français.

Le manque de contexte : on l'a montré en grande distribution, pas dans un secteur très réglementé comme le médicament.

Le manque de méthode : tout le monde a interrogé des gens par questionnaire, personne n'a observé leur comportement réel.

La contradiction : deux articles sérieux trouvent l'inverse l'un de l'autre, et personne n'a expliqué pourquoi.

Le lien jamais testé : A influence B, B influence C, mais personne n'a regardé A sur C.

Les deux dernières formes donnent les meilleures questions, la première est la plus accessible.

Un manque affirmé n'est rien ; un manque prouvé est une contribution.

On le prouve en montrant ce qu'on a cherché : votre équation, vos bases, votre nombre de résultats, et ce que vous n'avez pas trouvé.

Une phrase suffit dans l'introduction : parmi les articles publiés depuis 2015 sur tel et tel concept, aucun ne traite de telle situation.

C'est là que votre tri écrit et votre tableau paient : vous êtes le seul à pouvoir dire précisément ce que vous avez regardé.

Une question de recherche est une question, avec un point d'interrogation, et elle tient en une phrase.

Elle est précise : on voit les concepts et le lien qu'elle interroge, pas un thème général.

Elle est délimitée : on sait sur qui, où, quand.

Elle est non triviale : la réponse n'est pas évidente avant l'étude, sinon il n'y a rien à chercher.

Elle est répondable : on voit avec quelles données on y répondrait, un questionnaire, une expérience simple, les avis d'un magasin d'applications.

Elle est enfin neutre : elle ne contient pas déjà la réponse qu'on espère.

« Comment le marketing digital peut-il améliorer la performance d'une entreprise ? » est un thème, pas une question : rien n'est délimité, et la réponse est oui.

« L'intelligence artificielle va-t-elle remplacer les marketeurs ? » n'est pas répondable par une étude de M1.

« Comment notre marque peut-elle augmenter ses ventes sur Instagram ? » est une question de consultant, pas de recherche : elle ne s'appuie sur aucun manque de la littérature.

« Dans quelle mesure la divulgation du recours à l'IA dans un visuel publicitaire affecte-t-elle la confiance envers la marque, chez des consommateurs de prêt-à-porter ? » est précise, délimitée et testable.

« Le sentiment d'appartenance à une communauté de marque médiatise-t-il l'effet d'une communication participative sur l'intention de recommandation ? » nomme les concepts et le mécanisme.

« La cohérence perçue entre les réseaux sociaux et le point de vente influence-t-elle la fréquentation en magasin d'une petite enseigne de prêt-à-porter ? » relie un concept à un comportement observable.

Votre tableau trié par concept donne directement le plan : un concept par sous-partie, dans l'ordre où le lecteur en a besoin.

Chaque paragraphe commence par une phrase qui le résume, puis définit, puis rapporte ce que la littérature a trouvé, puis conclut ce qu'on en retient.

On définit un concept avant de l'utiliser, avec la meilleure référence disponible, et on ne définit chaque concept qu'une fois.

La dernière sous-partie fait la synthèse : ce que la littérature établit, ce qu'elle laisse ouvert, et donc votre question.

Deux à trois pages, c'est court : trois ou quatre concepts, huit à douze paragraphes, pas davantage.

Voici ce squelette à vide, valable quel que soit le sujet.

Chaque paragraphe, où qu'il soit, obéit à la même mécanique : une phrase qui annonce ce qu'il va montrer, ce que disent les travaux avec leurs références, une phrase qui conclut ce qu'on en retient.

Trois plans donnent l'air de la revue sans en être une : un paragraphe par article, un déroulé chronologique, un classement par auteur.

Dans les trois cas le lecteur lit des résumés à la file et ne voit jamais d'argument se construire.

Le test, à la fin : si une sous-partie ne sert pas la question finale, elle saute, même si elle vous a coûté trois heures de lecture.

Une citation se place au moment précis de l'affirmation qu'elle soutient, pas en fin de paragraphe pour faire joli.

En APA, on écrit l'idée puis la source entre parenthèses, par exemple (Puntoni et al., 2021), ou on intègre le nom dans la phrase : selon Puntoni et al. (2021)…

Les trois façons de mal citer sont toujours les mêmes : citer un article qu'on n'a pas ouvert, citer une source qui ne dit pas ce qu'on lui fait dire, et affirmer sans citer du tout.

Toute référence appelée dans le texte est dans la bibliographie, et toute référence de la bibliographie est appelée dans le texte — Zotero s'en charge si vous l'utilisez correctement.

On écrit l'introduction à la fin, parce qu'elle annonce ce que le texte contient, et qu'on ne le sait vraiment qu'une fois écrit.

Elle suit cinq mouvements, dans cet ordre, en une à deux pages.

D'abord un fait observable et chiffré, qui montre que le sujet compte : un chiffre de marché, une pratique qui se répand, une décision d'entreprise.

Ensuite ce que la littérature a établi sur ce phénomène, en quelques lignes et quelques références.

Puis le manque, énoncé par la phrase « on sait que… mais on ne sait pas si… ».

Puis votre question de recherche, telle quelle, et ce que votre travail apporte.

Enfin, une phrase d'annonce du plan : ce que contiennent les parties suivantes.

Ouvrez chaque DOI de votre bibliographie, un par un : s'il ne mène nulle part, la référence est fausse ou mal saisie.

Vérifiez que chaque référence appelée dans le texte figure dans la liste, et l'inverse.

Relisez chaque affirmation forte de votre revue et demandez-vous d'où elle sort : si la réponse est « je le sais », il manque une source.

Vérifiez chaque revue de votre bibliographie dans la liste Harzing : on ne garde que du classé, et ce qui n'est classé nulle part sort du corpus.

Les chiffres et les rapports institutionnels qui servent à poser le phénomène dans l'introduction sont à part : ils se citent, mais ils ne comptent pas comme littérature.

Vérifiez enfin que votre introduction contient bien les cinq mouvements, et que votre question de recherche est écrite noir sur blanc, en une phrase.

Un modèle de langage ne va pas chercher des articles : il produit du texte plausible, et une référence plausible ressemble beaucoup à une vraie.

Une étude publiée dans Scientific Reports a montré qu'une part importante des références produites par ces outils étaient fabriquées ou inexactes.

Il ne vous donnera donc jamais votre bibliographie, et une référence qu'il invente vous coûtera plus cher qu'une référence manquante.

Il ne choisira pas non plus votre domaine, votre question ni votre manque : ce sont les seuls endroits où vous apportez quelque chose.

Il traduit et reformule : écrire votre équation de recherche en anglais avec les bons synonymes, comprendre une phrase de méthode obscure.

Il lit ce que vous lui donnez, un ou deux articles à la fois : vous déposez le PDF, il remplit la ligne de votre tableau — concept traité, définition, relation testée, résultat, contexte.

Il critique : donnez-lui votre question de recherche et demandez-lui pourquoi elle serait triviale, mal délimitée ou impossible à mesurer.

Il vérifie : donnez-lui votre bibliographie et demandez-lui de contrôler chaque DOI auprès de Crossref, ce qu'il fait en une minute.

Dans tous ces cas, il travaille sur votre matière : c'est la différence entre un assistant et une source.

Il y a une chose qu'on lui demande tout le temps et qu'il fait mal : avaler vos vingt articles d'un coup et en sortir un tableau juste.

Tout ce que vous lui donnez tient dans une seule mémoire de travail, et vingt articles pèsent quelques centaines de milliers de mots.

Même quand ça rentre, la qualité baisse : il survole le milieu, mélange deux articles, attribue à l'un le résultat de l'autre.

Les numéros de page qu'il donne sont souvent faux, parce qu'un PDF converti en texte n'a plus de pages.

Le test est facile et vous pouvez le faire ce soir : posez deux fois la même demande, dans deux conversations, et comparez les deux tableaux.

La parade a un nom, le RAG — génération augmentée par la recherche.

On découpe chaque article en paragraphes, et on transforme chaque paragraphe en une suite de nombres qui capte son sens.

La question subit le même traitement, on remonte les paragraphes dont les nombres sont les plus proches, et le modèle ne reçoit que ceux-là, avec leur origine.

Il n'a donc plus rien à retenir, et chaque phrase produite arrive avec le paragraphe qui la soutient : vous vérifiez au lieu de croire.

Sur mon propre corpus, ce mécanisme tourne sur 976 592 paragraphes tirés de 20 410 articles, et il a fallu une machine dédiée pour le construire.

À votre échelle, vous n'avez rien à construire : un article à la fois, une ligne de tableau, et vous obtenez la même chose pour vingt-cinq articles.

Si vous voulez la version toute faite, NotebookLM et les Projets de Claude font exactement cela sur les documents que vous y déposez — et répondent en citant le passage.