OpenAI a publié le 16 novembre 2026 une étude sur la place de ChatGPT dans le travail scientifique : lecture, rédaction, analyse et programmation concentraient l’essentiel des échanges. Son équipe de recherche économique a analysé 580 186 messages scientifiques ou universitaires envoyés par 1 819 scientifiques, entre le 20 août et le 22 septembre 2026. Une enquête complémentaire a recueilli leurs estimations de temps gagné et leurs attentes concernant les découvertes futures.

Le rapport, Science at the Frontier: How Scientists Use ChatGPT, associe ainsi une analyse des usages à des appréciations formulées par les participants. De quoi comprendre où l’outil intervenait dans leur travail, jusque dans la formulation des questions de recherche.

Lire et écrire dominaient les usages

La lecture, la rédaction, l’analyse scientifique et le développement de logiciels de recherche représentaient ensemble 85 % des messages scientifiques du participant moyen, selon le rapport complet d’OpenAI. La lecture et la rédaction occupaient à elles seules plus de la moitié des échanges.

Ces proportions donnent le même poids à chaque scientifique : les auteurs ont calculé la répartition des messages de chacun, puis fait la moyenne. Un utilisateur particulièrement bavard pesait donc autant qu’un collègue moins actif dans cette mesure.

La lecture et l’acquisition de connaissances représentaient 27,7 % des messages scientifiques en moyenne. À l’échelle des tâches individuelles, l’explication de concepts scientifiques arrivait en tête, avec 18,8 %. Pendant la période étudiée, 89,7 % des participants avaient envoyé au moins trois messages relevant de cette tâche.

Le quotidien décrit par ces chiffres comportait donc beaucoup de travail de compréhension et de communication, aux côtés du code et de l’analyse.

Les idées se développaient en dialogue

OpenAI a indiqué que 68 % des scientifiques du groupe avaient utilisé ChatGPT pour développer des idées de recherche. Dans les messages consacrés à cette activité, les chercheurs apportaient souvent le point de départ :

  • 35 % contenaient une question précise proposée par le scientifique ;
  • 36 % visaient à affiner une idée déjà fournie ;
  • 23 % demandaient à ChatGPT de suggérer une question ;
  • 6 % restaient sans catégorie.

Cette répartition décrit plusieurs façons de travailler avec le modèle, de la discussion autour d’une piste existante à la demande d’une nouvelle question.

Les demandes de recherche autonome de bout en bout occupaient une place bien plus réduite. Environ 15 % des scientifiques en avaient envoyé au moins une, mais elles ne représentaient que 0,4 % des messages scientifiques du participant moyen. Les auteurs ont également relevé que les utilisateurs revenaient peu vers cet usage.

Les vérifications se poursuivaient après la première réponse

La première réponse de ChatGPT était régulièrement suivie d’une demande de clarification, de vérification ou de révision. La proportion moyenne atteignait 31,8 % des demandes initiales retenues pour ce calcul.

L’indicateur reposait sur 125 947 demandes initiales provenant de 1 809 scientifiques. Il examinait le message scientifique classé suivant, dans la même conversation, dans un délai de sept jours. Son périmètre était donc celui des échanges dans l’application, avec ces trois formes précises de suivi.

Les gains de temps ont été estimés par les participants

L’enquête menée du 30 septembre au 7 octobre 2026 a réuni 251 participants ayant accepté l’inclusion de leurs réponses dans l’analyse. Les chercheurs devaient estimer combien de temps leur aurait demandé le même travail, à qualité identique, sans IA.

Le résultat général communiqué par OpenAI était de 1,9 fois le temps nécessaire avec l’IA. Cette valeur repose sur l’évaluation rétrospective des répondants. Selon les activités, les rapports moyens allaient de 1,35 pour les tâches administratives à 2,83 pour le développement de logiciels et de code de recherche.

La vérification avait toutefois son coût : 45,4 % des répondants avaient cité le temps nécessaire pour contrôler ou corriger les réponses parmi les difficultés rencontrées pour tirer parti de ChatGPT. Pour un chercheur, produire une réponse et obtenir un résultat exploitable restent ainsi deux étapes du travail.

Une forte confiance dans de futures découvertes plus rapides

La question sur les découvertes posait un scénario hypothétique : un résultat important dans le domaine du répondant demanderait dix ans sans IA. Sur les 250 personnes ayant répondu à cette question, 97,6 % anticipaient une accélération grâce à l’IA. Une avance d’au moins trois ans était attendue par 72 % d’entre elles ; 21,6 % envisageaient une avance de sept à dix ans.

Cet optimisme apparaît aussi dans le témoignage que le chercheur en antimicrobiens César de la Fuente a livré sur la page publiée par OpenAI :

It’s really a playground for a scientist like myself.— César de la Fuente, chercheur en antimicrobiens

Les réponses écrites précisaient les mécanismes envisagés. Parmi 367 arguments classés à partir de 224 réponses, 52 % portaient sur une exécution plus rapide des travaux, 23 % sur l’identification de questions plus prometteuses, 14 % sur l’exploration d’un éventail plus large de questions et 11 % sur d’autres raisons.

Les contraintes du laboratoire restaient présentes. Parmi les 251 répondants, 51,8 % avaient cité le manque de temps ou de personnel et 43,8 % le financement parmi les freins à leurs recherches, avec jusqu’à trois choix possibles. OpenAI a appelé à poursuivre les recherches sur le passage des gains déclarés dans certaines tâches à des découvertes scientifiques effectivement plus rapides.

Comment OpenAI a constitué et analysé son échantillon

Les 1 819 scientifiques appartenaient au programme pilote ChatGPT for Academic Researchers, lancé le 29 juillet 2026 dans des établissements universitaires sélectionnés. Les places étaient attribuées par tirage au sort aux candidats éligibles, qui pouvaient inviter jusqu’à quatre collègues de leur établissement. Le pilote proposait un accès gratuit à des modèles avancés et des limites d’utilisation plus élevées.

Pour entrer dans l’analyse, les participants devaient avoir envoyé au moins un message scientifique au plus tard le 2 septembre. Cette règle assurait au moins 21 dates calendaires d’observation, première utilisation comprise. Sur l’ensemble de la période étudiée, le groupe avait envoyé 1 262 893 messages, dont 580 186 avaient été classés comme scientifiques ou universitaires.

L’analyse couvrait les modes Chat et Work de ChatGPT ainsi que Codex, y compris son interface en ligne de commande. Le modèle GPT-5.6-Terra avait réparti les messages entre dix catégories d’activité et quarante tâches.

Selon OpenAI, les chercheurs ont analysé les résultats de classificateurs préservant la confidentialité, sans consulter les messages sous-jacents ni les réponses de ChatGPT. L’entreprise a également précisé que le contenu du programme n’était pas utilisé par défaut pour entraîner ses modèles.

Les auteurs ont souligné les limites de généralisation liées à ce recrutement : les participants avaient demandé un accès élargi, et les répondants à l’enquête avaient choisi d’y participer. Les résultats décrivent les pratiques et les attentes de ce groupe particulier.

OpenAI a annoncé 50 000 aides d’accès à ChatGPT Plus

Le même 16 novembre, OpenAI a annoncé une nouvelle vague d’accès gratuit pour les chercheurs. La prochaine session devait proposer 50 000 aides, attribuées par ordre d’arrivée aux candidats remplissant les conditions du programme.

Chaque aide devait donner accès à ChatGPT Plus pour le bénéficiaire et jusqu’à deux collaborateurs. OpenAI a expliqué avoir retenu cette formule après avoir constaté que la plupart des participants au pilote seraient restés dans les limites d’utilisation de Plus.

L’objectif annoncé pour l’ensemble du programme était de toucher 200 000 chercheurs dans le monde. Dans son calendrier du 16 novembre, OpenAI a prévu l’ouverture des candidatures à la prochaine session pour le 23 novembre 2026.