Cette proposition s’inscrit en sciences de l’information et de la communication et dans l’axe 2 de la grille de Lafon (2019) : Les discours accompagnant le développement des IA génératives, à savoir les analyses de contenus. Le numérique, permet à l’humain depuis plusieurs décennies, de communiquer et de discourir à partir de technologies innovantes (Paveau, 2017). Son utilisation appliquée à la documentation permet aux étudiants d’accéder à de nombreuses informations numérisées indexées. Par ailleurs, l’intelligence artificielle (IA), dans ses différentes formes et déclinaisons, est désormais capable d'effectuer des tâches génératives, comme la création de contenu telles que des références bibliographiques. Son impact sur l’expérience d’apprentissage a été démontré (Embad et al, 2023) d’où leur utilisation à l’université. Applications à la croissance plus rapide que Facebook et WhatsApp, les intelligences artificielles génératives sont mobilisées, depuis peu, par les étudiants, dans le cadre de leurs travaux universitaires (Peters, 2023), leur permettant d’accéder plus rapidement et plus directement à l'information (Crevier et al., 2023 ; Kooli, 2023 ; Uzan et al., 2024). L'IA générative (GenAI), sous-ensemble de l'IA, est un terme général qui peut être utilisé pour tout système d'IA dont la fonction principale est de générer du contenu, notamment des générateurs d'images, de grande taille, des modèles de langage, des outils de génération de code ou outils de génération audio (Friedland, 2023). La plupart, sinon la totalité, de ces IA génératives ont été construites sur des données récupérées, généralement sans autorisation, sur Internet (Chesterman, 2023). Cette procédure de création de contenu peut encore, dans une certaine mesure, être considérée comme analytique car elle est intrinsèquement probabiliste, ses résultats pouvant être créatifs, parfois inattendus voire erronés puisque l'IA générative combine des éléments de manière inédite. Les résultats parfois très contrastés que produisent les IA génératives ne semblent pas décourager leur usage dans un cadre académique. Dès lors, à quelle étape de la recherche d’information (Bertrand Baschwitz, 2010; Boubée et Tricot, 2010) l’IA générative intervient-elle dans l’usage qu’en font les étudiants ? Quelles sont leurs motivations et les finalités à les utiliser ? Pour quels résultats alors que les compétences informationnelles des étudiants et des jeunes en général restent faibles (Soung et Dumouchel, 2020) ? Comment les professionnels des bibliothèques universitaires, en charge de la formation de leurs usagers aux compétences informationnelles, s’adaptent-ils au développement croissant de l’usage des IA génératives par les étudiants ? Cet article tentera de comprendre, d’une part, les logiques qui orientent les choix des étudiants et d’explorer leurs pratiques liées aux IA génératives dans le cadre de recherche d’information. D’autre part, il s’agira de recueillir les avis des professionnels des bibliothèques universitaires vis-à-vis des pratiques des étudiants ayant intégré ces IA génératives dans leur travail universitaire. Afin de croiser ces deux perspectives, nous mènerons une étude exploratoire s’appuyant sur approche quantitative et qualitative. Ainsi, nous mènerons des entretiens avec des professionnels des bibliothèques universitaires de Strasbourg en charge de la formation aux compétences informationnelles et nous les analyserons à partir d’une analyse thématique (Paillé & Mucchielli, 2008) et textométrique (Lebart et Salem, 1994). Parallèlement, nous recueillerons des learnings analytics (Chatti et al., 2012) auprès d’étudiants inscrits en BUT Information Communication parcours Information numérique dans les organisations lors de travaux de recherche d’informations en ligne. Les résultats d’un questionnaire administré auprès de ces étudiants complèteront nos données de recherche. Les questions ouvertes du questionnaire feront l’objet d’une analyse textométrique. Notre étude porte plus précisément sur l’usage de Chat GPT de Open AI et de Bard de Google, aujourd’hui renommé Gemini, conjointement à l’usage de moteurs de recherche. Nous avons choisi ces plateformes d’IA génératives en tenant compte de leur notoriété, de l’intérêt, des interrogations mais aussi des craintes qu’elles peuvent susciter auprès d’un public de spécialistes. Après une introduction dans laquelle la problématique soulevée par l’usage des intelligences artificielles génératives dans le cadre de la recherche d’informations sera rappelée et que le terrain choisi et les outils méthodologiques mobilisés seront précisés, l’article s’articulera en deux volets. Le premier volet présentera les perspectives des usagers. Il s’agira de présenter les résultats de l’analyse des usages des IA génératives par les étudiants en contexte de travail universitaire en observant notamment leurs motivations, leurs stratégies pour rédiger les requêtes, l’évaluation des résultats obtenus depuis celles-ci et le livrable produit dans un cadre universitaire, s’appuyant sur les ressources obtenues. Nos résultats suggèrent l’émergence de nouvelles pratiques informationnelles telles que l’utilisation d’IA génératives en complément des moteurs de recherche, à des fins documentaires. Ainsi, l’activité de recherche documentaire associant l’usage d’une IA générative à l’usage d’un moteur de recherche, questionne le processus d’acquisition de compétences informationnelles. Le deuxième volet portera sur les perspectives des professionnels des bibliothèques qui ont pour missions, entre autres, de s’adapter à l’évolution des technologies, des pratiques et des demandes des usagers et de former les utilisateurs à un emploi aussi large que possible des nouvelles technologies d’accès à l’information scientifique et technique. Il s’agira de présenter leurs points de vue sur les usages des étudiants dans le cadre de recherche documentaire et les pistes d’action possibles notamment dans le cadre de leur charge de formation aux compétences informationnelles auprès des étudiants (ADBU, 2022). Bibliographie ADBU (mars 2022). Référentiel des compétences informationnelles <a href="https://referentiel.adbu.fr/referentiel" style="color:#467886; text-decoration:underline">https://referentiel.adbu.fr/referentiel</a> Bertrand Baschwitz, M. A. (2010). Comment me documenter (2e éd.). De Boeck. Boubée, N. et Tricot, A. (2010). Qu’est-ce que rechercher de l’information? Presses de l’Enssib. Chatti, M. A., Dyckhoff, A. L., Schroeder, U., & Thüs, H. (2012). A reference model for learning analytics. International Journal of Technology Enhanced Learning, 4(5-6), 318-331. Chesterman, S. (2023). Good Models Borrow, Great Models Steal: Intellectual Property Rights and Generative AI (SSRN Scholarly Paper 4590006). Repéré à <a href="https://doi.org/10.2139/ssrn.4590006" style="color:#467886; text-decoration:underline">https://doi.org/10.2139/ssrn.4590006</a> Crevier, S., Samuel, F. S. L., & Tisserand, M. (2023). Compétence numérique des étudiantes et étudiants: expérimentations et perceptions. In Actes du 42e Colloque de l'AQPC:" Le collégial en effervescence", les 7, 8 et 9 juin 2023. Association québécoise de pédagogie collégiale (AQPC). Emdad, F. B., Ravuri, B., Ayinde, L. and Rahman, M. I. (2023). ChatGPT, a Friend or Foe for Education?" Analyzing the User's Perspectives on the Latest AI Chatbot Via Reddit.Cornell University. Friedland, A. (2023, May 12). What Are Generative AI, Large Language Models, and Foundation Models? Center for Security and Emerging Technology within Georgetown University. Kooli, C. (2023). Chatbots in education and research: A critical examination of ethical implications and solutions. Sustainability, 15(7), 5614. <a href="https://doi.org/10.3390/su15075614" style="color:#467886; text-decoration:underline">https://doi.org/10.3390/su15075614</a> Lebart, L., & Salem, A. (1994). Statistique textuelle. Paris: Dunod. Paille, P., Mucchielli, A., 2008 [2003], L’analyse qualitative en sciences humaines et sociales, Paris, Armand Colin. Paveau, M. A. (2017). L'analyse du discours numérique. Dictionnaire des formes et des pratiques. Hermann. Peters, M. (2023). Note éditoriale: Intelligence artificielle et intégrité académique peuvent-elles faire bon ménage?. Revue des sciences de l’éducation, 49(1). Soung, S. & Dumouchel, G. (2019). Les pratiques de recherche d’information des étudiants aux cycles supérieurs en éducation. Revue internationale des technologies en pédagogie universitaire / International Journal of Technologies in Higher Education, 16(3), 73–92. <a href="https://doi.org/10.18162/ritpu-2019-v16n3-05" style="color:#467886; text-decoration:underline">https://doi.org/10.18162/ritpu-2019-v16n3-05</a> Uzan, G., Poulain, P., Reby, F., & Taly, A. (2024). Évaluation de l'utilisation d'un robot conversationnel comme assistant en accessibilité pour la lecture des articles scientifiques.