Introduction
L’intelligence artificielle (IA) transforme progressivement les pratiques de communication des organisations. De la création de contenus à l’analyse des interactions sur les réseaux sociaux, en passant par la personnalisation des messages et l’automatisation de certaines tâches, ses applications se multiplient. Les universités sont également concernées par ces évolutions, notamment dans leurs activités de communication institutionnelle, de communication numérique et de diffusion de l’information.
Dans ce contexte, il est intéressant d’étudier la production scientifique consacrée à l’intelligence artificielle et d’identifier les institutions qui apparaissent le plus fréquemment dans le corpus analysé. Pour cela, OpenAlex constitue une ressource utile : cette base de données ouverte référence des publications scientifiques et fournit des informations sur leurs auteurs, leurs institutions et leurs thématiques.
Cette analyse bibliométrique s’inscrit dans une démarche de veille scientifique visant à mieux comprendre l’environnement de recherche sur l’intelligence artificielle et à dégager des pistes de réflexion pour les pratiques de communication à l’Université Paris 8.
1. Méthodologie : une exploration des données d’OpenAlex
L’analyse repose sur un export de données provenant d’OpenAlex, consacré aux institutions associées aux publications du corpus étudié. Le fichier analysé contient 200 entrées institutionnelles, avec trois informations principales : l’identifiant de l’institution, son nom et le nombre d’occurrences qui lui est associé.
Les données ont été utilisées pour construire deux visualisations complémentaires :
- Un diagramme en camembert, afin de représenter la répartition des occurrences entre les principales institutions et les autres institutions du fichier.
- Un diagramme en barres, afin de comparer plus facilement les institutions les plus représentées.
2. Répartition des occurrences par institution
Répartition des occurrences institutionnelles
2. Classement des principales institutions
Top 8 des institutions les plus représentées
Nombre d’occurrences indiqué dans le fichier OpenAlex.
- University of London arrive en tête avec 91 occurrences, suivie de Harvard University avec 56.
- Les huit premières institutions représentent environ 9,9 % du total des occurrences dans les 200 entrées du fichier.
- La catégorie « Autres institutions » concentre la majorité des occurrences, ce qui indique une représentation dispersée entre de nombreuses institutions.
Précaution méthodologique : ces pourcentages portent sur la somme des valeurs de la colonne count. Une même publication pouvant être associée à plusieurs institutions, ces occurrences ne correspondent pas nécessairement à des publications uniques.
Pour ton sujet sur les usages de l’IA dans la communication à Paris 8, il faudra ensuite vérifier la présence de l’Université Paris 8 dans le fichier et examiner les publications associées avant de tirer des conclusions sur son positionnement.
3. Que montre le classement des institutions ?
Les données font apparaître plusieurs institutions particulièrement représentées dans l’export.
La University of London arrive en première position avec 91 occurrences, suivie de Harvard University avec 56 occurrences. Universiti Teknologi MARA compte 48 occurrences, devant Stanford University, avec 46, et la Chinese Academy of Sciences, avec 43.
D’autres établissements apparaissent également dans le classement, notamment la University of Pennsylvania, la University of Hong Kong et Johns Hopkins University.
Ces résultats montrent que les occurrences institutionnelles sont réparties entre des établissements situés dans différentes régions du monde. Ils offrent ainsi un premier aperçu de la diversité géographique des affiliations présentes dans le corpus.
Il est néanmoins important de rester prudent dans l’interprétation de ce classement. La présence d’une institution dans les premières positions ne signifie pas nécessairement qu’elle utilise davantage l’intelligence artificielle dans ses activités de communication. Elle indique uniquement qu’elle est fortement représentée selon la mesure enregistrée dans le fichier analysé.
4. Comment interpréter le diagramme en camembert ?
Le diagramme en camembert permet de visualiser le poids relatif des huit premières institutions par rapport aux autres institutions recensées.
Les huit institutions présentées totalisent 396 occurrences sur les 3 992 occurrences enregistrées dans le fichier, soit environ 9,9 % du total. La catégorie « Autres institutions » regroupe les occurrences restantes.
Cette répartition met en évidence une présence dispersée entre de nombreuses institutions plutôt qu’une concentration des occurrences sur les seuls établissements les mieux classés.
Le camembert donne ainsi une vision synthétique de la distribution générale, tandis que le diagramme en barres permet de mieux distinguer les écarts entre les principales institutions.
5. Quels enseignements pour la communication universitaire ?
Pour une direction de la communication universitaire, cette première exploration constitue un point de départ pour approfondir plusieurs axes de veille :
La création et l’adaptation des contenus. L’IA générative peut être étudiée pour ses applications dans la rédaction de publications, la reformulation de messages, la traduction et l’adaptation des contenus à différents publics.
La communication numérique. Les usages de l’IA dans l’analyse des interactions, la veille sur les réseaux sociaux et l’identification des attentes des publics représentent des pistes à examiner.
L’automatisation des tâches. Certains outils peuvent assister les équipes dans la préparation de contenus, la synthèse d’informations ou le suivi de campagnes, sous réserve d’une validation humaine.
Les enjeux éthiques et organisationnels. La protection des données personnelles, la fiabilité des contenus générés, les biais algorithmiques, la transparence et la responsabilité éditoriale doivent également faire partie de la veille.
Ces pistes ne sont pas des conclusions directement démontrées par le classement institutionnel. Elles constituent des axes d’investigation à approfondir à partir des publications scientifiques elles-mêmes.
6. Quelles limites et quelles perspectives ?
Cette première analyse comporte plusieurs limites. Le fichier institutionnel ne permet pas, à lui seul, de déterminer quels travaux portent précisément sur la communication universitaire, ni quels usages de l’IA sont effectivement mis en œuvre dans les établissements.
De plus, les résultats dépendent de l’équation de recherche initiale, de la période étudiée, des champs interrogés dans OpenAlex et de la manière dont les affiliations institutionnelles sont recensées.
Pour aller plus loin, il serait donc pertinent de compléter cette exploration par une analyse des titres, des résumés et des mots-clés des publications. Une classification thématique permettrait de distinguer les recherches consacrées à la communication institutionnelle, aux réseaux sociaux, à la création de contenus, au marketing numérique et à la communication scientifique.
Un examen spécifique des publications associées à l’Université Paris 8 permettrait également de mieux comprendre les travaux de recherche liés à l’établissement. Enfin, une veille complémentaire sur les pratiques professionnelles serait nécessaire pour identifier les usages réellement déployés par les services de communication.
Conclusion
Cette exploration bibliométrique d’OpenAlex offre une première représentation des institutions associées au corpus étudié. Les deux visualisations permettent de comparer les principales institutions et de comprendre la distribution des occurrences dans le fichier.
Pour autant, le classement institutionnel ne suffit pas à établir un lien direct entre les publications recensées et les pratiques de communication des universités. Il doit être considéré comme une première étape d’une démarche de veille plus large.
En poursuivant l’analyse à partir des mots-clés, des résumés et des cas d’usage décrits dans la littérature scientifique, il sera possible de mieux identifier les apports potentiels de l’intelligence artificielle à la communication universitaire et de dégager des pistes pertinentes pour l’Université Paris 8.
Sources et outil : OpenAlex, base ouverte de métadonnées scientifiques ; export institutionnel utilisé pour les visualisations. Les résultats chiffrés présentés correspondent au fichier analysé.
Poster un Commentaire