Claude a « découvert » quelque chose. La vraie question n'est pas s'il a raison, c'est comment vous le vérifiez

Le fil s'ouvre sur une capture d'écran. « Claude a trouvé une preuve. » Trois commentaires plus bas, quelqu'un a déjà partagé. Personne n'a ouvert le dépôt. Personne n'a demandé si c'était une observation, une conjecture, ou une démo. Le débat vrai/faux a commencé trop tôt, et trop fort.

Les laboratoires publient des avancées. Les titres accélèrent. Entre les deux, il reste un travail que personne ne peut sous-traiter entièrement à un modèle : la vérification. Vous n'avez pas besoin d'être expert du domaine pour refuser une conclusion trop rapide. Vous avez besoin d'une checklist et du courage d'attendre.

Pourquoi le vrai/faux arrive trop tôt

Une IA peut proposer une structure, une hypothèse, un enchaînement qui ressemble à une découverte. Ça n'est pas rien. Ça n'est pas non plus une publication. Nature rappelle que l'évaluation par les pairs reste le filtre avant de traiter un résultat comme établi. arXiv, de son côté, est un archive de prépublications : utile, daté, citable comme préprint, pas comme verdict final.

OpenAI, dans Why language models hallucinate, documente des modèles qui affirment des faits biographiques faux avec le même ton qu'un fait vrai. Si un modèle invente une date de naissance, il peut aussi inventer une « preuve » qui sonne scientifique. Le style ne porte pas la charge de la preuve. Le matériau, si.

Le Lab a déjà traité un cas précis, le blow-up de Navier-Stokes, en séparant ce que l'IA a vraiment montré de ce que les titres ont raccourci. Ce guide généralise la méthode, pour n'importe quelle « découverte » qui vous arrive par un chat, un fil, ou un communiqué.

Un protocole en cinq gestes, avant de répéter

1. Séparer l'annonce et la preuve. Qu'est-ce qui est revendiqué, mot à mot ? Une observation ? Une démonstration ? Une hypothèse générée ? Une démo sur un cas jouet ? Les mots comptent. « A trouvé » n'est pas « a prouvé ». « Sur cet exemple » n'est pas « en général ».

2. Exiger le matériau rejouable. Y a-t-il des données, un protocole, un code, un dépôt public, un préprint daté ? Sans matériau, vous n'avez qu'un communiqué, ou une capture. Un dépôt GitHub avec un README d'une page et zéro test n'est pas un matériau. C'est une intention mise en ligne.

3. Chercher la lecture critique. Un autre laboratoire, un chercheur du domaine, un article de revue avec réserves, un commentaire sur le préprint. Le silence total des pairs n'est pas une validation. C'est souvent un délai. Attendre 48 heures n'est pas du cynisme. C'est le rythme réel d'un champ qui lit.

4. Tester une implication petite. S'il y a une conséquence simple et falsifiable, tentez-la ou trouvez qui l'a tentée. Une grande affirmation qui refuse le petit test mérite la prudence. « Ça marche sur ce notebook colab » est un début. Ce n'est pas la fin.

5. Décider de votre niveau de confiance, pas de la vérité absolue. « Intéressant, à suivre » est souvent plus honnête que « révolution confirmée ». Vous avez le droit de ne pas trancher. Vous n'avez pas le droit de relayer une certitude que vous n'avez pas vérifiée.

Calibrer sa confiance, pas décréter la vérité

Sauf que le partage social récompense la vitesse. Le premier qui poste « on y est » gagne le fil. Le second qui demande le dépôt a l'air rabat-joie. Inversez l'échelle : le rabat-joie est celui qui vous évite de répéter une erreur avec votre nom dessous.

Les quatre questions du guide sur les réponses trop sûres s'appliquent aussi ici, surtout la première (la source) et la troisième (ce qui rendrait l'affirmation fausse). Pour une découverte, ajoutez le matériau rejouable. Sans code, sans données, sans protocole, vous n'êtes pas en science. Vous êtes en communication.

Un communiqué d'entreprise peut ouvrir le dossier. Il ne le ferme pas. Un modèle peut proposer une piste utile. La découverte au sens fort passe encore par la validation humaine, les données, et la reproduction. Garder cette phrase en tête vous évite 90 % des partages trop rapides.

Questions fréquentes