Choisir ses outils

Outils IA pour revue systématique : sélection et extraction

Établissez vos exigences à partir du protocole, puis testez le traitement des références difficiles et des données sources.

↳

La réponse en bref

Commencez par le travail à améliorer : ordre de lecture, suggestions d’éligibilité, extraction ou coordination des évaluateurs. Confrontez les sorties annoncées au protocole, soumettez les mêmes cas difficiles aux candidats et inspectez les décisions exportées. Ce guide compare ASReview, Rayyan, Covidence, Elicit et Gatsbi en distinguant les suggestions de l’IA des décisions de l’équipe.

Points essentiels

  • Un classement modifie l’ordre de lecture ; une exclusion retire une référence de la suite du processus.

  • Incluez dans l’essai les cas difficiles, langues, formats et plans d’étude de votre projet.

  • Choisissez un processus qui conserve suggestions, corrections, motifs et sources après export.

Gatsbi publie ce guide et développe certains des outils présentés. Nous examinons nos produits et les autres selon les mêmes critères liés aux tâches, à partir de leur documentation publique. Il ne s’agit pas de résultats d’essais comparatifs. Vérifiez les fonctions et conditions d’accès actuelles avant de choisir.

Transformer le protocole en exigences vérifiables

Distinguez les sorties attendues. Le classement produit une file de lecture ; l’aide à l’éligibilité propose inclusion, exclusion ou incertitude ; l’extraction suggère des champs ou passages. La gestion doit aussi conserver les affectations, décisions indépendantes et résolutions de désaccords. Évaluez chaque fonction séparément, même dans un produit intégré.

Fixez d’abord la question, les critères, le plan de recherche et la procédure d’évaluation. Consultez la méthode de la revue systématique si ces éléments manquent et le guide Cochrane de recherche et de sélection pour leur fondement méthodologique.

Rédigez une exigence testable, par exemple : « classer les références importées en conservant la sélection humaine indépendante et l’export de chaque décision ». Précisez formats, langues, PDF scannés ou textuels, rôles et fichiers de sortie.

Relier la tâche à une sortie vérifiable
TâcheSortie nécessaireDécision de l’équipe

Priorisation

File de lecture avec identifiants stables et étiquettes

Justification de la méthode d’arrêt

Aide à l’éligibilité

Suggestion par critère, incertitude et motif

Inclusion finale et résolution des désaccords

Aide à l’extraction

Champ proposé, passage source et contexte

Correspondance étude, groupe, critère de jugement et échéance

Gestion de la revue

Affectations et décisions indépendantes, désaccords et exports

Responsabilités et approbation des décisions résolues

Comparer les candidats avec les mêmes exigences

Ce tableau repose sur les documentations publiques consultées le 18 octobre 2026. Il ne classe pas une précision mesurée. Gatsbi, éditeur de ce guide, figure parmi les candidats et est soumis aux mêmes critères documentaires.

Les deux premières colonnes situent le rôle ; la dernière prépare votre essai. Une question non résolue indique une capacité non confirmée ici, pas une fonction absente. Vérifiez l’offre et le compte effectivement utilisés.

Faites suivre une référence de l’import à la décision finale, puis à l’export. Vérifiez aussi l’autorisation institutionnelle de traiter vos documents dans ce compte : stockage, accès, conservation, suppression et traitements ultérieurs.

Rôles documentés et vérifications à prévoir · 18 octobre 2026
Candidat / sourceEntrées et sorties décritesQuand l’envisagerÀ confirmer lors de l’essai

ASReview LAB · classement

Apprentissage actif à partir de références textuelles et d’étiquettes humaines ; export des décisions et de l’état du projet.

Prioriser la lecture d’un corpus existant pendant l’étiquetage humain.

Historique des étiquettes, restauration du projet et méthode d’arrêt adaptée au corpus.

Rayyan AI Reviewer · éligibilité

Évaluation des titres et résumés selon les critères, sans accès de l’IA aux décisions des autres évaluateurs.

Obtenir des propositions par critère dans le processus de sélection.

Cas ambigus, désaccords, motifs, exports et limites d’utilisation ; l’aveugle ne prouve pas l’équivalence à un évaluateur humain.

Covidence · tâches ciblées

Classement, certaines classifications et propositions d’extraction à partir de références et PDF.

Assister une étape précise dans un environnement de revue.

Plans d’étude et langues du projet ; l’évaluation publiée du classificateur d’essais randomisés porte surtout sur la biomédecine anglophone.

Elicit · revue structurée

Sélection selon des critères et extraction structurée de publications importées ou recherchées.

Définir critères et champs d’extraction dans un même parcours.

Passages sources, cas difficiles, décisions conservées et exports ; distinguer le parcours Systematic Review des rapports exploratoires.

Gatsbi Reviewer · parcours intégré / éditeur

Études candidates, sélection manuelle, ajout de PDF ou listes Zotero, extraction et brouillon de revue.

Relier un corpus vérifié par l’équipe à l’extraction et à la rédaction.

Motifs par critère, indépendance, conflits, identifiants étude/rapport et export des décisions ; le descriptif général ne suffit pas.

Soumettre les mêmes cas de sélection à chaque candidat

Retenez des références éligibles et non éligibles, des résumés lacunaires, des termes ambigus et les langues et plans d’étude attendus. Si possible, établissez les décisions de référence selon la procédure humaine prévue, avant de montrer les sorties IA.

Dans la figure pédagogique, 19 références éligibles sur 20 sont retrouvées, soit un rappel de 95 %. Ce chiffre ne vaut ni pour tout le corpus ni comme règle d’arrêt. La composition de l’échantillon et les conséquences des omissions comptent aussi.

Un document manqué derrière un rappel de 95 %

Sur 20 documents admissibles selon les décisions de référence, 19 sont trouvés et un est manqué. Le rappel vaut 19 sur 20, soit 95 %, uniquement dans cet essai. Le rappel sur le corpus complet reste inconnu ; ce résultat ne définit pas quand arrêter la sélection.

Exemple pédagogique · aucune mesure de performance

20 documents admissibles selon la référence

  • 19 trouvés
  • 1 manqué

Rappel dans cet essai uniquement

19 / 20 = 95%

Le dénominateur comprend les 20 documents admissibles de référence, y compris celui qui a été manqué.

Rappel sur le corpus complet Inconnu
95 % n’est pas une règle d’arrêt

Avant de décider d’arrêter la sélection, validez l’assistance pour cette revue et son risque de manquer des études.

Essai pédagogique, sans résultat mesuré pour un outil. Les décisions de référence retiennent 20 documents admissibles ; l’assistant en trouve 19 et en manque un.

Les trois références fictives ci-dessous illustrent des décisions individuelles ; elles ne constituent pas l’échantillon de 20. L’âge absent du résumé de P-02 ne démontre pas l’inéligibilité. Demandez l’information et conservez proposition et correction.

Utilisez les mêmes documents, version des critères et décisions de référence. Gardez toutes les exécutions, y compris les échecs. Toute modification des critères ou réglages fait l’objet d’une nouvelle exécution enregistrée.

  • Exécution : identifiant, produit et version disponible, date, réglages, version des critères et rôles.

  • Référence : identifiants de référence et source, décision de référence, proposition IA, décision finale, motif, évaluateur et passage source.

  • Exemple : P-02 ; critères v1 ; référence = obtenir le texte intégral ; proposition = exclure ; décision = obtenir le texte ; motif = âge non indiqué ; évaluateur à désigner ; source = résumé. Les champs inconnus restent en attente.

Décisions fictives : propositions construites à des fins pédagogiques, sans test de produit
RéférenceCritère / décision de référenceProposition IADécision finale et motifPreuve à conserver

P-01

Essai randomisé chez l’adulte / texte intégral

Texte intégral

Obtenir le texte : critères décrits compatibles

Résumé, identifiant source et critères v1

P-02

Âge inconnu / texte intégral

Exclure : population inconnue

Obtenir le texte : une information manquante n’établit pas l’inéligibilité

Résumé, âge manquant, évaluateur et motif de correction

P-03

Éditorial / exclure

Exclure

Exclure : type de publication non admissible

Référence source et motif d’exclusion

Vérifier les champs extraits avant l’analyse

Séparez les identifiants d’étude et de rapport : publication principale et suivi peuvent concerner les mêmes participants. Reliez chaque valeur au groupe, critère de jugement, échéance, statistique, unité et passage source. Distinguez non rapporté, non mesuré et sans objet ; consultez le guide Cochrane de collecte des données.

Dans l’exemple fictif, l’étude A, rapport A, tableau 2, donne à 12 semaines une moyenne de 12 points pour l’intervention et de 15 pour le comparateur. Si l’IA attribue 15 à l’intervention, retrouver ce nombre dans le PDF ne détecte pas l’erreur. Vérifiez les en-têtes et conservez proposition 15, correction 12, emplacement, vérificateur et motif.

Cette étape valide la transcription et son contexte. Le guide des outils de méta-analyse reprend ce rapport fictif pour examiner son admissibilité à un calcul précis. Une extraction correcte ne signifie pas que les données sont prêtes pour l’analyse.

Tester la reconstruction des décisions à partir de l’export

Exportez un petit projet avant d’importer toute la revue et conservez l’original. Demandez à un collègue de reconstruire les décisions sans votre compte ni vos conversations. Titres et indicateurs d’inclusion seuls peuvent omettre motifs, arbitres ou version des critères.

Vérifiez qu’il peut expliquer le texte intégral demandé pour P-02, les changements de critères et la source justifiant l’inclusion finale. Incluez caractères non latins, motifs multilignes et rapports liés. Consignez les champs manquants à résoudre avant extension.

Conservez les nombres réellement sélectionnés et obtenus pendant le travail ; ne les déduisez pas de la bibliographie finale. Le guide de présentation PRISMA explique leur utilisation dans le rapport.

  • Critères : version, date d’application, changement, motif et décisions touchées.

  • Sélection : identifiant, étape, proposition, décision humaine, désaccord, résolution et évaluateur.

  • Correspondance des sources : référence → rapport → étude, après confirmation.

  • Exécution : produit, version logicielle ou modèle disponible, réglages, date d’exécution et d’export ; indiquez les versions indisponibles.

Choisir une configuration que l’équipe peut contrôler

Décidez à partir de l’essai. Une file priorisée suffit à certaines équipes ; d’autres ont besoin de décisions indépendantes et d’un arbitrage. Un parcours adapté à la rédaction peut nécessiter un registre complémentaire pour les décisions exigées par le protocole.

Pour Gatsbi Reviewer ou un parcours intégré comparable, utilisez vos critères et P-01/P-02/P-03 : examinez les candidats, l’incertitude de P-02, l’ajout d’articles manquants, la correction des extractions et l’export. Il s’agit d’un essai proposé, pas d’une réussite attestée de Gatsbi.

Documentez les usages retenus, lacunes et responsable des registres. Réévaluez après changement de protocole, langue, fonctionnalité ou export. Comparez le travail de préparation, correction et contrôle, pas seulement la rapidité de la première suggestion.

Conditions d’acceptation selon la configuration
BesoinConfiguration à évaluerCondition avant extension

Prioriser un corpus

Outil de classement + sélection humaine

Identifiants stables, étiquettes conservées, restauration et arrêt justifié

Coordonner des évaluateurs indépendants

Système avec affectations, aveugle et gestion des désaccords requis

Visibilité adaptée des décisions et export des conflits et motifs

Passer d’un corpus préparé à un brouillon

Parcours sélection–extraction–rédaction, dont Gatsbi parmi les candidats

Cas difficiles vérifiables ; sources, corrections et décisions requises conservées dans le produit ou un registre entretenu

Questions fréquentes

Quel outil essayer en premier ?

Identifiez la sortie manquante : classement, suggestions par critère, champs vérifiés ou décisions collaboratives. Comparez les candidats documentant ce rôle avec les mêmes références et contrôles d’export. Une liste de fonctions plus longue ne résout pas forcément votre besoin.

L’IA peut-elle être le second évaluateur ?

Une seconde série de décisions, même produite sans voir les étiquettes humaines, ne prouve pas l’équivalence à un évaluateur indépendant. Respectez la méthode requise, validez le rôle envisagé et attribuez la responsabilité de l’arbitrage.

La recherche sémantique suffit-elle ?

Elle peut aider à explorer ou compléter une recherche. La suffisance dépend de la question, des sources, d’une stratégie reproductible et de la méthode. Trouver des publications pertinentes ne démontre pas une recherche exhaustive des études admissibles.

Comment déclarer l’automatisation ?

Décrivez tâche, outil et version disponible, réglages, moment d’intervention dans les décisions, validation et contrôle ou correction par les personnes. Appuyez-vous sur les décisions et décomptes conservés.

Sources et lectures complémentaires

Consultez les sources originales pour les méthodes complètes, leur portée et les dernières mises à jour.

  1. Recherche et sélection des étudesCochrane
  2. Collecte des donnéesCochrane
  3. Documentation ASReview LABASReview
  4. Documentation AI ReviewerRayyan
  5. Planification et déclaration de l’automatisationCovidence
  6. Choisir un parcours ElicitElicit
  7. Liste de contrôle PRISMA 2020PRISMA
  8. Parcours produit Gatsbi ReviewerGatsbi · documentation produit de l’éditeur
Gatsbi · RessourcesRetour en haut ↑