{"id":2625,"date":"2019-04-20T19:26:50","date_gmt":"2019-04-20T19:26:50","guid":{"rendered":"http:\/\/docs.creativegigs.net\/docs\/rogan-wordpress-theme-documentation\/faqs\/how-to-customize-theme-using-child-theme\/"},"modified":"2025-12-11T16:09:55","modified_gmt":"2025-12-11T16:09:55","slug":"how-to-customize-theme-using-child-theme","status":"publish","type":"docs","link":"https:\/\/sahelib.atatec-design.com\/index.php\/docs\/sample-user-guide\/some-common-issues\/how-to-customize-theme-using-child-theme\/","title":{"rendered":"L&#8217;adoption de grands mod\u00e8les de langage dans la recherche en \u00e9conomie"},"content":{"rendered":"\n<h2 class=\"wp-block-heading\">Points forts<\/h2>\n\n\n\n<ul class=\"wp-block-list\">\n<li>Premi\u00e8res preuves quantitatives de l&#8217;adoption du LLM en \u00e9conomie gr\u00e2ce \u00e0 l&#8217;analyse des mod\u00e8les linguistiques.<\/li>\n\n\n\n<li>La pr\u00e9sence des LLM augmente de 4,76 points de pourcentage dans les articles d&#8217;\u00e9conomie au cours de l&#8217;ann\u00e9e 2023-2024.<\/li>\n\n\n\n<li>L&#8217;effet double, passant de 2,85 points en 2023 \u00e0 6,67 points en 2024, ce qui t\u00e9moigne d&#8217;une adoption rapide.<\/li>\n\n\n\n<li>La nouvelle m\u00e9thode DiD utilise 50 mots r\u00e9partis dans 25 revues pour d\u00e9tecter l&#8217;\u00e9criture assist\u00e9e par LLM.<\/li>\n\n\n\n<li>Les r\u00e9sultats, robustes \u00e0 de multiples\u00a0<a href=\"https:\/\/www.sciencedirect.com\/topics\/social-sciences\/fixed-effects-model\">effets fixes<\/a>\u00a0, repr\u00e9sentent probablement une limite inf\u00e9rieure de l&#8217;adoption r\u00e9elle du LLM.<\/li>\n<\/ul>\n\n\n\n<h2 class=\"wp-block-heading\">Abstrait<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">Cet article pr\u00e9sente une m\u00e9thodologie novatrice pour estimer l&#8217;adoption des&nbsp;<a href=\"https:\/\/www.sciencedirect.com\/topics\/social-sciences\/large-language-model\">grands mod\u00e8les de langage<\/a>&nbsp;(GML) dans la recherche \u00e9conomique, en exploitant leur empreinte linguistique sp\u00e9cifique. \u00c0 l&#8217;aide d&#8217;un cadre d&#8217;analyse rigoureux de diff\u00e9rences-en-diff\u00e9rences, l&#8217;\u00e9tude examine 25 revues \u00e9conomiques de r\u00e9f\u00e9rence sur une p\u00e9riode de 24 ans (2001-2024), en analysant les fr\u00e9quences diff\u00e9rentielles entre les termes caract\u00e9ristiques des GML et le langage \u00e9conomique conventionnel. Les r\u00e9sultats empiriques mettent en \u00e9vidence une adoption significative et acc\u00e9l\u00e9r\u00e9e des GML suite \u00e0 la publication de ChatGPT, avec une augmentation de 4,76 points de pourcentage des termes associ\u00e9s aux GML entre 2023 et 2024. Cet effet double presque, passant de 2,85 points de pourcentage en 2023 \u00e0 6,67 points de pourcentage en 2024, ce qui sugg\u00e8re une int\u00e9gration rapide des&nbsp;<a href=\"https:\/\/www.sciencedirect.com\/topics\/social-sciences\/language-modeling\">mod\u00e8les de langage&nbsp;<\/a>dans la recherche \u00e9conomique. Ces r\u00e9sultats, robustes \u00e0 travers de multiples sp\u00e9cifications&nbsp;<a href=\"https:\/\/www.sciencedirect.com\/topics\/social-sciences\/fixed-effects-model\">\u00e0 effets fixes<\/a>&nbsp;, constituent la premi\u00e8re preuve syst\u00e9matique de l&#8217;adoption des GML dans la recherche \u00e9conomique et \u00e9tablissent un cadre d&#8217;estimation des transitions technologiques dans la production de connaissances scientifiques.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Introduction<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">L&#8217;int\u00e9gration de l&#8217;intelligence artificielle (IA) dans la recherche \u00e9conomique s&#8217;est impos\u00e9e comme un ph\u00e9nom\u00e8ne transformateur, repoussant les fronti\u00e8res m\u00e9thodologiques de la discipline. Ses applications couvrent un large \u00e9ventail de domaines, allant de l&#8217;apprentissage profond pour l&#8217;extraction de donn\u00e9es (Dell, 2024) \u00e0 la tarification algorithmique (Calvano et al., 2020), en passant par la g\u00e9n\u00e9ration algorithmique d&#8217;hypoth\u00e8ses (Ludwig et Mullainathan, 2024), l&#8217;analyse du bien-\u00eatre distributif (Corral et al., 2025), l&#8217;\u00e9conomie spatiale (Khachiyan et al., 2022), la mod\u00e9lisation d&#8217;agents h\u00e9t\u00e9rog\u00e8nes (Azinovic et al., 2022) et la macro\u00e9conomie computationnelle (Kahou et al., 2024). Dans ce vaste paysage d&#8217;applications de l&#8217;IA, l&#8217;adoption des grands mod\u00e8les de langage (LLM) repr\u00e9sente une avanc\u00e9e particuli\u00e8rement significative. Ces mod\u00e8les, dont ChatGPT, Claude et Gemini sont des exemples, offrent des capacit\u00e9s sans pr\u00e9c\u00e9dent pour la r\u00e9alisation d&#8217;analyses bibliographiques, l&#8217;analyse de donn\u00e9es, la programmation et la r\u00e9daction d&#8217;articles scientifiques (Korinek, 2023).Alors que les \u00e9conomistes s&#8217;adaptent \u00e0 cette transition technologique, Ludwig et al. (2025) \u00e9tablissent des lignes directrices fondamentales pour l&#8217;int\u00e9gration des mod\u00e8les linguistiques (ML) dans la recherche empirique. Bien que leurs travaux fassent progresser le cadre m\u00e9thodologique de la mise en \u0153uvre des ML, l&#8217;ampleur de leur adoption r\u00e9elle dans la recherche \u00e9conomique demeure inconnue. Cet article comble cette lacune en d\u00e9veloppant une m\u00e9thodologie novatrice, bas\u00e9e sur des indicateurs indirects, qui exploite les caract\u00e9ristiques linguistiques des ML pour estimer leur adoption au sein de la discipline. Notre approche m\u00e9thodologique r\u00e9pond sp\u00e9cifiquement \u00e0 deux d\u00e9fis fondamentaux identifi\u00e9s par Van Dis et al. (2023)&nbsp;: la d\u00e9tection du contenu g\u00e9n\u00e9r\u00e9 par les mod\u00e8les dans les articles scientifiques et la prise en compte de la sophistication croissante des r\u00e9sultats des ML. Ces d\u00e9fis, conjugu\u00e9s \u00e0 l&#8217;h\u00e9t\u00e9rog\u00e9n\u00e9it\u00e9 des exigences de divulgation des revues scientifiques (Dwivedi et al., 2023), soulignent la n\u00e9cessit\u00e9 de disposer d&#8217;approches d&#8217;estimation syst\u00e9matiques permettant d&#8217;\u00e9clairer les politiques fond\u00e9es sur des donn\u00e9es probantes pour garantir l&#8217;int\u00e9grit\u00e9 de la recherche.En l&#8217;absence de m\u00e9canismes de d\u00e9tection \u00e9tablis, nous montrons que l&#8217;utilisation de logiciels de traduction automatique (LLM) laisse des traces subtiles mais d\u00e9tectables dans la r\u00e9daction acad\u00e9mique, se manifestant par des variations syst\u00e9matiques dans le choix des mots et le style d&#8217;expression.&nbsp;<\/p>\n\n\n\n<p class=\"wp-block-paragraph\"><sup>Nous<\/sup>\u00a0avons constitu\u00e9 deux ensembles de mots rigoureusement s\u00e9lectionn\u00e9s\u00a0: un groupe exp\u00e9rimental reprenant ces caract\u00e9ristiques linguistiques propres aux LLM, et un groupe t\u00e9moin comprenant la terminologie \u00e9conomique fondamentale et ses usages historiquement stables. \u00c0 l&#8217;aide d&#8217;une m\u00e9thode de diff\u00e9rence-en-diff\u00e9rences (DiD), nous analysons les diff\u00e9rences de fr\u00e9quence entre ces groupes dans les principales revues d&#8217;\u00e9conomie, avant et apr\u00e8s la g\u00e9n\u00e9ralisation de ChatGPT, fournissant ainsi la premi\u00e8re preuve empirique syst\u00e9matique de l&#8217;adoption des LLM dans la recherche en \u00e9conomie.Cette \u00e9tude apporte des contributions m\u00e9thodologiques et empiriques \u00e0 la compr\u00e9hension de l&#8217;impact des mod\u00e8les de langage sur la recherche acad\u00e9mique. Gr\u00e2ce \u00e0 une analyse des sch\u00e9mas linguistiques, elle fournit les premi\u00e8res preuves syst\u00e9matiques de l&#8217;adoption des mod\u00e8les de langage dans la recherche en \u00e9conomie, d\u00e9passant ainsi les observations anecdotiques pour proposer une \u00e9valuation quantitative de la transition technologique dans la communication scientifique. Notre m\u00e9thodologie s&#8217;attaque sp\u00e9cifiquement aux difficult\u00e9s actuelles de d\u00e9tection de l&#8217;utilisation des mod\u00e8les de langage dans la r\u00e9daction, tout en documentant les tendances de leur diffusion dans le milieu universitaire. Les r\u00e9sultats ont des implications importantes pour les acteurs de l&#8217;ensemble du paysage acad\u00e9mique \u2013 chercheurs, r\u00e9dacteurs de revues, \u00e9tablissements d&#8217;enseignement sup\u00e9rieur, comit\u00e9s d&#8217;\u00e9thique et d\u00e9cideurs politiques \u2013 en fournissant une base empirique pour l&#8217;\u00e9laboration de politiques et de normes de transparence concernant la recherche assist\u00e9e par les mod\u00e8les de langage.Donn\u00e9es<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Cette \u00e9tude utilise un ensemble de donn\u00e9es tridimensionnel (JournalMotL\u2019ensemble de donn\u00e9es (ann\u00e9e) comprend 25 revues \u00e9conomiques de premier plan et 50 mots sur une p\u00e9riode de 24 ans (2001-2024). Sa construction int\u00e8gre plusieurs strat\u00e9gies m\u00e9thodologiques afin d\u2019assurer une estimation pr\u00e9cise des tendances d\u2019adoption des LLM.Premi\u00e8rement, la m\u00e9thodologie utilise un comptage binaire au niveau de l&#8217;article, o\u00f9 un article contribue \u00e0 une seule observation s&#8217;il contient un mot donn\u00e9, quelle que soit la fr\u00e9quence de ce mot dans cet article.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">M\u00e9thode et r\u00e9sultats<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">Nous exploitons le lancement de ChatGPT comme une exp\u00e9rience naturelle pour identifier l&#8217;effet causal de la disponibilit\u00e9 du LLM sur les pratiques d&#8217;\u00e9criture acad\u00e9mique. Cette identification repose sur un cadre d&#8217;analyse de diff\u00e9rences (DiD) qui examine les fr\u00e9quences diff\u00e9rentielles entre la terminologie associ\u00e9e au LLM et les termes acad\u00e9miques conventionnels avant et apr\u00e8s le lancement. La validit\u00e9 de cette strat\u00e9gie d&#8217;identification repose sur une hypoth\u00e8se centrale&nbsp;: l&#8217;exog\u00e9n\u00e9it\u00e9 du moment du traitement. Deux caract\u00e9ristiques institutionnelles renforcent cette hypoth\u00e8se.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Conclusion<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">Cet article pr\u00e9sente une m\u00e9thodologie novatrice pour estimer l&#8217;adoption des mod\u00e8les de langage (LLM) dans la recherche \u00e9conomique, \u00e0 travers l&#8217;analyse des tendances linguistiques. Appliqu\u00e9e \u00e0 25 revues \u00e9conomiques de r\u00e9f\u00e9rence sur une p\u00e9riode de 24 ans, l&#8217;analyse par diff\u00e9rences-en-diff\u00e9rences met en \u00e9vidence une adoption significative et croissante des mod\u00e8les de langage suite \u00e0 la publication de ChatGPT. L&#8217;analyse r\u00e9v\u00e8le une augmentation de 4,76 points de pourcentage de la terminologie caract\u00e9ristique des LLM entre 2023 et 2024, passant de 2,85 points de pourcentage en 2023 \u00e0 6,67 points de pourcentage en 2024.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">R\u00e9f\u00e9rences&nbsp;(14)<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">M.\u00a0DellApprentissage profond pour les \u00e9conomistes &#8211;\u00a0Rapport technique(2024)<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">P.\u00a0Corral\u00a0<em>et al.<\/em><a href=\"https:\/\/www.sciencedirect.com\/science\/article\/pii\/S0304387824001263\">Cartographie de la pauvret\u00e9 \u00e0 l&#8217;\u00e8re de l&#8217;apprentissage automatique<\/a>Journal d&#8217;\u00e9conomie du d\u00e9veloppement(2025)<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">N.\u00a0Donthu\u00a0<em>et al.<\/em><a href=\"https:\/\/www.sciencedirect.com\/science\/article\/pii\/S0148296321003155\">Comment r\u00e9aliser une analyse bibliom\u00e9trique\u00a0: aper\u00e7u et lignes directrices<\/a>J. Bus. Res.(2021)<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">YK\u00a0Dwivedi\u00a0<em>et al.<\/em><a href=\"https:\/\/www.sciencedirect.com\/science\/article\/pii\/S0268401223000233\">Article d&#8217;opinion\u00a0: \u00ab\u00a0Et alors si ChatGPT l&#8217;avait \u00e9crit\u00a0?\u00a0\u00bb Perspectives multidisciplinaires sur les opportunit\u00e9s, les d\u00e9fis et les implications de l&#8217;IA conversationnelle g\u00e9n\u00e9rative pour la recherche, la pratique et les politiques publiques<\/a>Journal international de gestion de l&#8217;information(2023)<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">SE\u00a0Uribe\u00a0<em>et al.<\/em><a href=\"https:\/\/www.sciencedirect.com\/science\/article\/pii\/S0300571224004445\">Estimation de l&#8217;utilisation de ChatGPT dans les publications de recherche dentaire<\/a>J. Dent.(2024)<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">M.\u00a0Azinovic\u00a0<em>et al.<\/em>R\u00e9seaux d&#8217;\u00e9quilibre profondRevue \u00e9conomique internationale(2022)<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">E.\u00a0Calvano\u00a0<em>et al.<\/em>Intelligence artificielle, tarification algorithmique et collusionRevue \u00e9conomique am\u00e9ricaine(2020)<\/p>\n","protected":false},"excerpt":{"rendered":"<p>Points forts Abstrait Cet article pr\u00e9sente une m\u00e9thodologie novatrice pour estimer l&#8217;adoption des&nbsp;grands mod\u00e8les de langage&nbsp;(GML) dans la recherche \u00e9conomique, en exploitant leur empreinte linguistique sp\u00e9cifique. \u00c0 l&#8217;aide d&#8217;un cadre d&#8217;analyse rigoureux de diff\u00e9rences-en-diff\u00e9rences, l&#8217;\u00e9tude examine 25 revues \u00e9conomiques de r\u00e9f\u00e9rence sur une p\u00e9riode de 24 ans (2001-2024), en analysant les fr\u00e9quences diff\u00e9rentielles entre les [&hellip;]<\/p>\n","protected":false},"author":1,"featured_media":0,"parent":2537,"menu_order":3,"comment_status":"closed","ping_status":"closed","template":"","doc_tag":[],"class_list":["post-2625","docs","type-docs","status-publish","hentry","no-post-thumbnail"],"acf":[],"_links":{"self":[{"href":"https:\/\/sahelib.atatec-design.com\/index.php\/wp-json\/wp\/v2\/docs\/2625","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/sahelib.atatec-design.com\/index.php\/wp-json\/wp\/v2\/docs"}],"about":[{"href":"https:\/\/sahelib.atatec-design.com\/index.php\/wp-json\/wp\/v2\/types\/docs"}],"author":[{"embeddable":true,"href":"https:\/\/sahelib.atatec-design.com\/index.php\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/sahelib.atatec-design.com\/index.php\/wp-json\/wp\/v2\/comments?post=2625"}],"version-history":[{"count":1,"href":"https:\/\/sahelib.atatec-design.com\/index.php\/wp-json\/wp\/v2\/docs\/2625\/revisions"}],"predecessor-version":[{"id":6391,"href":"https:\/\/sahelib.atatec-design.com\/index.php\/wp-json\/wp\/v2\/docs\/2625\/revisions\/6391"}],"up":[{"embeddable":true,"href":"https:\/\/sahelib.atatec-design.com\/index.php\/wp-json\/wp\/v2\/docs\/2537"}],"wp:attachment":[{"href":"https:\/\/sahelib.atatec-design.com\/index.php\/wp-json\/wp\/v2\/media?parent=2625"}],"wp:term":[{"taxonomy":"doc_tag","embeddable":true,"href":"https:\/\/sahelib.atatec-design.com\/index.php\/wp-json\/wp\/v2\/doc_tag?post=2625"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}