Un paradoxe révélateur
L'anecdote fait le tour des réseaux sociaux académiques : un chercheur raconte avoir vu son papier rejeté d'ICML 2026 pour des raisons qu'il juge contestables, tout en restant sollicité par la même conférence pour évaluer les travaux de ses pairs. Cette situation absurde cristallise les frustrations d'une communauté de recherche en IA qui voit son système de publication craquer sous la pression.
L'explosion du volume de soumissions
Les conférences majeures en intelligence artificielle — ICML, NeurIPS, ICLR — font face à une croissance exponentielle des soumissions. ICML 2026 aurait reçu plus de 12 000 papiers, un volume impossible à traiter correctement avec les méthodes traditionnelles de peer review.
Cette explosion s'explique par plusieurs facteurs : la démocratisation de la recherche en IA, la pression académique du "publish or perish", et l'afflux de chercheurs issus de l'industrie qui utilisent les publications comme vitrine de leurs travaux.
Des reviewers débordés et parfois incompétents
Face à ce déluge, les conférences peinent à recruter suffisamment de reviewers qualifiés. Le résultat : des évaluations bâclées, incohérentes, parfois réalisées par des personnes qui ne maîtrisent pas le sujet du papier qu'ils évaluent.
Le témoignage viral illustre parfaitement ce dysfonctionnement. Comment peut-on être jugé insuffisant pour publier, mais suffisamment expert pour évaluer les travaux des autres ? Cette contradiction révèle un système qui fonctionne par défaut plutôt que par design.
Les nouvelles politiques : un pansement sur une jambe de bois
ICML a récemment annoncé une nouvelle politique selon laquelle les reviewers seront eux-mêmes évalués par les meta-reviewers. L'intention est louable : responsabiliser les évaluateurs et améliorer la qualité des reviews. Mais cette approche ne résout pas le problème fondamental du déséquilibre entre le volume de soumissions et la capacité d'évaluation.
Certains y voient même un risque supplémentaire : si les reviewers craignent d'être mal notés, ils pourraient adopter des positions plus conservatrices, rejetant systématiquement les travaux innovants mais risqués.
L'ombre de l'IA sur le peer review
Ironiquement, la communauté IA commence à utiliser l'IA pour le peer review. Des outils basés sur des LLMs sont employés pour pré-évaluer les papiers, détecter les plagiats, ou même générer des premières ébauches de reviews.
Cette évolution soulève des questions éthiques profondes. Peut-on confier l'évaluation de la recherche sur l'intelligence artificielle à l'intelligence artificielle elle-même ? Les conflits d'intérêts potentiels sont vertigineux.
Vers un nouveau modèle de publication ?
De plus en plus de voix s'élèvent pour repenser fondamentalement le système de publication en IA. Certains proposent d'abandonner le modèle des conférences au profit de revues avec un processus de review continu. D'autres suggèrent des systèmes de publication ouverte où la communauté évalue collectivement les travaux après publication.
Des initiatives comme arXiv et OpenReview ont déjà commencé à transformer le paysage, permettant une diffusion rapide des travaux sans attendre le verdict des conférences. Mais ces plateformes posent leurs propres problèmes de qualité et de signal-bruit.
Un système à bout de souffle
Le cas ICML 2026 n'est que le symptôme visible d'une crise systémique. Le monde de la recherche en IA avance à une vitesse que ses institutions n'arrivent plus à suivre. Sans réforme profonde, le peer review risque de devenir une simple formalité bureaucratique, vidée de sa fonction originelle de contrôle qualité.
La question n'est plus de savoir si le système va changer, mais quand et comment. Les chercheurs, les institutions et les entreprises qui financent la recherche ont tous intérêt à trouver rapidement des solutions. Car un système de publication défaillant, c'est une science qui perd ses repères.