Compétences en recherche académique pour Claude Code : un pipeline humain-dans-la-boucle pour la rédaction d'articles

Academic Research Skills (ARS) pour Claude Code est un plugin qui prend en charge l'ensemble du pipeline recherche-publication : rechercher → écrire → réviser → modifier → finaliser. Il est conçu comme un système avec intervention humaine, rejetant explicitement l'automatisation complète. L'outil gère les tâches fastidieuses — recherche de références, formatage des citations, vérification des données, contrôles de cohérence logique — tandis que le chercheur conserve le contrôle sur la définition des questions, le choix des méthodes, l'interprétation et l'argument central.

Installation rapide (Claude Code v3.7.0+)

/plugin marketplace add Imbad0202/academic-research-skills
/plugin install academic-research-skills

Vérifiez avec /ars-plan pour démarrer un dialogue socratique cartographiant la structure des chapitres, ou /ars-lit-review "votre sujet" pour une revue de littérature unique.

Pourquoi l'intervention humaine ?

ARS cite Lu et al. (2026, Nature 651:914-919) qui ont construit The AI Scientist — le premier système de recherche IA entièrement autonome à publier un article après une évaluation par les pairs en aveugle dans une conférence ML de premier plan (ICLR 2025 workshop, score 6,33/10 contre une moyenne de 4,87). Leur section Limitations liste les modes de défaillance : bogues d'implémentation, résultats hallucinés, recours aux raccourcis, reformulation d'un bogue en découverte, fabrication de méthodologie, blocage conceptuel et hallucinations de citations. ARS repose sur le principe qu'un chercheur humain augmenté par l'IA évite ces modes de défaillance mieux que l'un ou l'autre seul.

Barrières d'intégrité et calibrage

Les étapes 2.5 et 4.5 exécutent une checklist de blocage à 7 modes (voir academic-pipeline/references/ai_research_failure_modes.md). Le réviseur propose un mode de calibrage optionnel qui mesure son propre taux de faux négatifs / taux de faux positifs par rapport à un ensemble de référence fourni par l'utilisateur.

Fonctionnalités

• Le calibrage de style apprend votre voix à partir de travaux antérieurs.
• Le contrôle de qualité rédactionnelle détecte les motifs qui donnent l'impression qu'un texte est généré par machine.
• Vérification via l'API Semantic Scholar (inspirée de PaperOrchestra, Song, Song, Pfister & Yoon, 2026, Google).
• Protocole anti-fuite, vérification des figures par VLM et suivi de la trajectoire des scores.

Architecture

La documentation complète du pipeline se trouve dans docs/ARCHITECTURE.md, incluant le diagramme de flux, la matrice étape par étape, le flux d'accès aux données, le graphique de dépendances des compétences, les barrières de qualité et la liste des modes. Pour la sortie DOCX, pandoc est requis ; pour le PDF APA 7.0, tectonic + la police Source Han Serif TC (le Markdown fonctionne sans aucun des deux).