Étiquette : écoles doctorales

Auto-created tag: écoles doctorales

  • Taux d’abandon en thèse de doctorat en France : chiffres 2026, causes et durée réelle

    Taux d’abandon en thèse de doctorat en France : chiffres 2026, causes et durée réelle

    Taux d’abandon en thèse de doctorat en France : chiffres 2026, causes et durée réelle

    Sur les 69 600 étudiants inscrits en doctorat en France à la rentrée 2023-2024, une proportion significative ne déposera jamais sa thèse. Les statistiques officielles sur le taux d’abandon en thèse de doctorat en France restent peu centralisées, mais les données du SIES (Sous-direction des systèmes d’information et des études statistiques, MESR), les rapports d’évaluation du HCERES et le rapport Pommier-Lazarus de novembre 2024 permettent désormais de dresser un tableau précis. Cet article compile l’ensemble des données disponibles : taux d’abandon par discipline, durée réelle de la thèse, effet du financement et facteurs humains qui précipitent le décrochage.

    Résultat clé

    Le taux de réussite en doctorat est estimé à environ 87 % pour 2023-2024 (SIES/MESR), soit un taux d’abandon d’environ 13 % sur l’ensemble du cycle. Ce taux varie fortement selon la discipline et le financement : inférieur à 5 % dans les écoles doctorales scientifiques bien dotées, il peut dépasser 30 % en sciences humaines et sociales lorsque les doctorants ne bénéficient d’aucun financement dédié. La durée réelle de la thèse s’étend de moins de 40 mois en sciences exactes à plus de 72 mois en SHS.

    Panorama des effectifs doctoraux 2023-2024

    Le doctorat français est en contraction structurelle depuis plus d’une décennie. À la rentrée 2023-2024, le MESR/SIES dénombre 69 600 inscrits en doctorat, soit une baisse de 1,5 % en un an et de 11,2 % par rapport à la rentrée 2012. Le nombre de primo-inscrits recule de 13,6 % sur la même période, même si la rentrée 2023-2024 enregistre un rebond de +4,6 % avec 16 500 nouveaux doctorants — signe que la désaffection n’est pas irréversible.

    Effectifs doctoraux par champ disciplinaire — rentrée 2023-2024 (Source : MESR/SIES, EESRI n°18)
    Champ disciplinaire Inscrits Part du total
    Sciences exactes et applications 26 332 37,8 %
    Sciences humaines et humanités 17 980 25,8 %
    Sciences du vivant 13 026 18,7 %
    Sciences de la société 12 301 17,7 %
    Total 69 600 100 %

    Côté résultats, le bilan est plus encourageant : 15 187 diplômes de doctorat ont été conférés en 2023, un record absolu (+9,6 % par rapport à 2022, +2,6 % par rapport à 2012), en partie grâce au rattrapage post-pandémie. Les hausses les plus marquées concernent les sciences agronomiques (+20,8 %), les sciences exactes (+20,2 %) et les sciences du vivant (+14,8 %). À l’inverse, les sciences humaines et sociales affichent un léger recul de −2,2 % du nombre de primo-inscrits.

    Taux d’abandon en thèse de doctorat : ce que disent les données nationales

    La mesure centralisée du taux d’abandon en thèse de doctorat en France reste lacunaire. Le MESR ne publie pas de taux national consolidé d’attrition : les données disponibles proviennent des enquêtes SIES sur les promotions de nouveaux docteurs, des rapports d’évaluation HCERES portant sur les écoles doctorales et des travaux de l’Observatoire de la vie étudiante (OVE). La synthèse de ces sources permet néanmoins de dégager des ordres de grandeur solides.

    La donnée la plus synthétique disponible est le taux de réussite estimé à 87 % pour 2023-2024 (SIES), ce qui implique un taux d’abandon global d’environ 13 % sur l’ensemble du cycle doctoral toutes disciplines confondues.

    Ce que révèlent les évaluations HCERES école doctorale par école doctorale

    Dans leurs rapports d’évaluation des écoles doctorales, les comités d’experts du HCERES documentent systématiquement les taux d’abandon. L’analyse croisée de ces rapports individuels met en évidence une amélioration tendancielle significative :

    • Taux moyen d’abandon estimé à 12,1 % pour les promotions entrantes en 2017-2018
    • Ramené à 6,3 % pour les promotions entrantes en 2021-2022
    • Moyenne consolidée sur la période évaluée : environ 8,6 %
    • Dans les écoles doctorales scientifiques bien dotées : taux fréquemment inférieurs à 5 %
    • Dans les disciplines peu financées : taux pouvant dépasser 30 %
    Point méthodologique : attention à l’interprétation des chiffres bruts

    Une fraction des abandons officiellement comptabilisés correspond à des doctorants qui ont trouvé un emploi avant la soutenance — notamment via des conventions CIFRE en entreprise ou des recrutements en collectivités. Dans certaines écoles doctorales évaluées par le HCERES, ce motif représente la moitié des sorties sans diplôme. Le taux d’abandon « subi » — véritablement involontaire — est donc structurellement inférieur aux chiffres bruts présentés dans les rapports.

    Durée réelle de la thèse par discipline

    L’arrêté du 25 mai 2016 relatif à la formation doctorale fixe à trois ans en équivalent temps plein la durée normale de préparation d’une thèse. La réalité statistique s’éloigne sensiblement de cette norme selon la discipline, le type de financement et le contexte institutionnel.

    Durée réelle de la thèse par discipline — promotions 2023 (Source : MESR/SIES)
    Discipline Part terminant en < 40 mois Part dépassant 72 mois Profil type
    Sciences exactes et applications 37,6 % Faible Contrat doctoral 3 ans
    Sciences du vivant 40,5 % Faible Contrat doctoral 3–4 ans
    Sciences humaines et sociales < 14 % 37,3 % Souvent sans financement dédié
    Toutes disciplines 38 % ~10 %

    Le contraste est saisissant : en sciences du vivant et en sciences exactes, les doctorants financés terminent leur thèse avec une régularité proche du calendrier légal. En SHS, plus de 8 doctorants sur 10 ne respectent pas les 40 mois réglementaires, et plus d’un tiers mettent plus de six ans. La corrélation avec le financement est directe : seuls 4 doctorants en SHS sur 10 bénéficient d’un contrat doctoral ou d’une allocation dédiée, contre 7 sur 10 en moyenne nationale (données AEF info / SIES).

    La comparaison dans le temps confirme une légère dégradation post-pandémie : la proportion de doctorants soutenant en moins de 40 mois était de 43 % pour la promotion 2016 (contre 38 % en 2023), en lien avec les reports de soutenance contraints par la crise sanitaire de 2020.

    Le financement, premier déterminant de la réussite doctorale

    Le lien entre financement et probabilité d’aller au bout de la thèse est la donnée la plus robuste et la plus constamment documentée de la littérature sur le doctorat français. Le rapport Pommier-Lazarus (novembre 2024), commandé par les ministres chargés de l’enseignement supérieur, de la recherche et de l’industrie, consolide cette démonstration avec des données récentes.

    Financement des primo-inscrits en doctorat par discipline — 2023-2024 (Source : Rapport Pommier-Lazarus / MESR)
    Discipline Taux de financement dédié Part combinant thèse et emploi Sans financement ni emploi
    Sciences exactes et applications 97,1 % 3 % Marginal
    Sciences du vivant 85,3 % 15 % Rare
    Sciences humaines et sociales 50,9 % 30 % ~20 %
    Toutes disciplines 79,2 % 14 % 6,5 %

    Ce taux global de 79,2 % de primo-inscrits financés représente une amélioration notable par rapport à 2012 (68,1 %), soit un gain de 11 points en une décennie. La structure du financement se décompose ainsi pour 2023-2024 (MESR/SIES) :

    • Contrats doctoraux MESR : 40,8 % des financements
    • Organismes de recherche (CNRS, Inserm, CEA, etc.) : 16,9 %
    • Conventions CIFRE (industrie) : 9,9 %
    • Financement par un établissement étranger : 10,6 %

    La conséquence directe sur l’abandon : selon les rapports d’évaluation HCERES, dans les disciplines où le financement est la norme, les abandons restent l’exception. À l’inverse, parmi les doctorants en SHS sans financement ni emploi régulier — environ 20 % de cette population —, le risque de décrochage est le plus élevé.

    Causes de l’abandon : encadrement, isolement et précarité financière

    Au-delà du financement, la décision d’abandonner la thèse est multifactorielle. Les travaux publiés dans la Revue internationale de pédagogie de l’enseignement supérieur (OpenEdition) et les enquêtes de l’Observatoire de la vie étudiante (OVE) identifient trois catégories de déterminants qui s’alimentent mutuellement.

    La relation d’encadrement : facteur protecteur ou déclencheur

    La qualité de la relation entre le doctorant et son directeur de thèse constitue le premier déterminant non financier du parcours doctoral. Une direction claire, un retour régulier sur les travaux et une capacité à sortir le doctorant de l’isolement intellectuel réduisent considérablement le risque d’abandon. À l’inverse, une supervision défaillante — consignes floues, indisponibilité chronique, conflits interpersonnels — figure parmi les premiers motifs explicitement mentionnés dans les études qualitatives françaises sur le décrochage doctoral.

    La charte d’intégrité scientifique en thèse, rendue obligatoire par le décret du 26 août 2022, encadre désormais les obligations mutuelles entre le doctorant, son directeur et son institution. Elle prévoit notamment des formations obligatoires à l’éthique de la recherche — une mesure qui contribue à clarifier les attendus du parcours doctoral et à réduire les malentendus susceptibles de mener à l’abandon.

    Isolement social et santé mentale : une problématique documentée

    Le doctorat est structurellement une expérience solitaire, particulièrement en SHS où les doctorants travaillent souvent en dehors des grands laboratoires collectifs. Le Réseau National des Collèges Doctoraux (RNCD) indique que, parmi les doctorants inscrits en 2022-2023, 54 % se déclaraient exposés au stress. Cette prévalence est cohérente avec des données comparatives publiées dans la littérature internationale en sciences de l’éducation, qui montrent que les doctorants présentent des niveaux de vulnérabilité psychologique significativement plus élevés que des salariés de niveau de qualification comparable.

    Les variables les plus corrélées à la dégradation du bien-être incluent l’isolement social, la difficulté à maintenir une vie en dehors de la thèse et le sentiment de stagnation face aux exigences de production scientifique. Ces facteurs se cumulent chez les doctorants précaires qui combinent rédaction et activité salariée à temps plein. Les enquêtes récentes sur les usages numériques montrent par ailleurs que les étudiants chercheurs intègrent progressivement des outils d’IA dans leur pratique de recherche documentaire et de rédaction — une évolution dont les implications sur les pratiques académiques sont suivies de près, comme en témoignent les statistiques sur l’utilisation de l’IA par les étudiants en 2026 (fr.tesify.pro).

    Précarité financière et travail contraint

    Pour les doctorants sans financement dédié, la thèse se rédige en parallèle d’une activité professionnelle souvent incompatible avec le rythme de la recherche. Les données de l’enquête OVE 2020 (n = 636 doctorants) montrent que 80 à 90 % des doctorants en situation de travail occasionnel déclarent ne pas pouvoir couvrir leurs besoins mensuels — un signal fort de précarité structurelle qui pèse directement sur la motivation à poursuivre.

    Les statistiques sur la mobilité étudiante internationale en France 2026 illustrent un contraste révélateur : les doctorants bénéficiant de co-tutelles ou de financements internationaux accèdent à des structures d’encadrement diversifiées qui atténuent ces risques. Pourtant, les inscriptions en co-tutelle internationale ont elles aussi reculé à 931 primo-inscrits en 2023-2024, niveau le plus bas depuis 2012 selon le MESR/SIES — une convergence préoccupante de plusieurs indicateurs négatifs.

    Tendances 2026 et perspectives

    Une contraction structurelle des effectifs qui se confirme

    La France a perdu 18 % de nouveaux inscrits en doctorat entre 2010 et 2022 (AEF info / MESR). Si le rebond de rentrée 2023-2024 est encourageant, il ne compense pas la tendance de fond. La désaffection est particulièrement marquée en sciences humaines, où le déficit chronique de financement, la durée allongée des thèses et des perspectives d’insertion académique limitées se cumulent pour décourager les vocations.

    La professionnalisation du doctorat comme réponse structurelle

    Le rapport Pommier-Lazarus (2024) formule dix recommandations pour améliorer la reconnaissance et la valorisation du doctorat en entreprise, notamment en augmentant la part des docteurs parmi les chercheurs et ingénieurs du secteur privé. L’objectif est d’élargir les débouchés pour réduire le sentiment d’impasse qui pousse certains doctorants à l’abandon — en particulier ceux dont les perspectives académiques s’avèrent étroites.

    La vague E du HCERES : un suivi renforcé à partir de 2026

    La vague E des évaluations HCERES (2026), portant sur les universités d’Île-de-France et des Hauts-de-France, renforce le suivi des taux de complétion et des délais de soutenance dans son référentiel d’évaluation des formations doctorales. Les écoles doctorales concernées devront documenter plus précisément leurs dispositifs d’accompagnement des doctorants en difficulté — ce qui améliorera la disponibilité des données nationales d’ici 2027. Pour repérer les écoles doctorales par discipline et établissement, l’annuaire des écoles doctorales en France par discipline 2026 constitue un point d’entrée structuré.

    La valorisation de l’archive ouverte comme levier de visibilité

    Dans ce contexte de contraction, rendre visibles ses travaux doctoraux prend une importance accrue, y compris pour les doctorants qui n’iront pas jusqu’à la soutenance. Le dépôt en archive ouverte nationale — dont le guide pratique est détaillé dans HAL/DUMAS : publier son mémoire étape par étape 2026 — permet d’assurer la diffusion et de valoriser une contribution scientifique partielle le cas échéant.

    À titre comparatif, les taux d’abandon à l’université en France au niveau licence et master présentent un profil différent — concentrés en première année de licence, souvent liés à l’orientation plutôt qu’à la précarité — mais les facteurs financiers et d’accompagnement restent des constantes à tous les niveaux du cycle universitaire.

    Questions fréquentes sur le taux d’abandon en thèse de doctorat en France

    Quel est le taux d’abandon moyen en thèse de doctorat en France ?

    Le taux de réussite en doctorat est estimé à environ 87 % pour 2023-2024 (SIES/MESR), ce qui correspond à un taux d’abandon d’environ 13 % sur l’ensemble du cycle. Les rapports d’évaluation HCERES sur les écoles doctorales documentent une amélioration notable : de 12,1 % pour les promotions 2017-2018 à 6,3 % pour les promotions 2021-2022, avec une moyenne consolidée d’environ 8,6 %.

    Quelle discipline enregistre le plus fort taux d’abandon en doctorat ?

    Les sciences humaines et sociales (SHS) enregistrent les taux d’abandon les plus élevés. Avec seulement 50,9 % des primo-inscrits bénéficiant d’un financement dédié (contre 97,1 % en sciences exactes), les doctorants en SHS sont contraints de combiner thèse et activité salariée, ce qui allonge la durée et multiplie le risque de décrochage. Dans les écoles doctorales en SHS sans financement structurel, les taux d’abandon peuvent dépasser 30 %.

    Combien de temps dure réellement une thèse de doctorat en France ?

    La durée légale est de trois ans (arrêté du 25 mai 2016). En pratique, en sciences exactes, 37,6 % des doctorants soutiennent en moins de 40 mois ; en sciences du vivant, 40,5 %. En SHS, plus de 37 % mettent plus de 72 mois (six ans) et moins de 14 % terminent dans les 40 mois réglementaires. Toutes disciplines confondues, 38 % des docteurs de la promotion 2023 ont soutenu en moins de 40 mois (MESR/SIES).

    Quelles sont les principales causes d’abandon d’une thèse de doctorat ?

    Les principales causes documentées sont : (1) la précarité financière — absence de contrat doctoral ou de financement dédié ; (2) les problèmes d’encadrement — indisponibilité du directeur, consignes floues, conflits relationnels ; (3) l’isolement social et les difficultés de santé mentale (54 % des doctorants se déclarent exposés au stress, enquête RNCD 2022-2023) ; (4) un marché académique étroit qui décourage la poursuite au-delà des premières années d’inscription.

    Le taux d’abandon en doctorat augmente-t-il ou diminue-t-il en France ?

    Les données HCERES suggèrent une tendance à la baisse du taux d’abandon : de 12,1 % (promotions 2017-2018) à 6,3 % (promotions 2021-2022). Cette amélioration s’explique en partie par la hausse du taux de financement des primo-inscrits, passé de 68,1 % en 2012 à 79,2 % en 2023-2024. La contraction globale des effectifs doctoraux (−11,2 % entre 2012 et 2023) signale néanmoins une désaffection structurelle qui dépasse la seule question de l’abandon en cours de thèse.

    Que se passe-t-il si on abandonne sa thèse en cours de route ?

    Un abandon n’est pas irréversible. Plusieurs options sont prévues par la réglementation française : la suspension d’inscription (accordée par le chef d’établissement, notamment pour raisons médicales ou familiales), le transfert vers un autre établissement avec un nouvel encadrement, ou l’interruption temporaire avec reprise ultérieure. Les travaux produits — articles publiés, chapitres rédigés — peuvent par ailleurs être valorisés indépendamment de la soutenance finale.

    Structurez votre thèse avec méthode dès le premier chapitre

    Les données présentées ici le montrent : la qualité de l’encadrement et la clarté méthodologique sont des facteurs protecteurs décisifs contre l’abandon. Tesify est un assistant IA conçu pour vous aider à structurer votre thèse chapitre par chapitre, vérifier la cohérence de vos citations et renforcer l’originalité de vos travaux — dans le respect des chartes d’intégrité scientifique de votre établissement. Essayer Tesify gratuitement →

  • Financements du Doctorat en France 2026 : Cartographie ANR, Écoles Doctorales et Régions

    Financements du Doctorat en France 2026 : Cartographie ANR, Écoles Doctorales et Régions

    Financement Doctorat France 2026 : Contrats Doctoraux, CIFRE, ANR et Alternatives

    Financer un doctorat en France en 2026 sans bourse est possible mais difficile. La grande majorité des doctorants qui mènent leur thèse à terme bénéficient d’un financement dédié — contrat doctoral, CIFRE, bourse ANR ou financement régional. Sans revenu stable pendant 3 à 4 ans, le risque d’abandon est élevé. Ce guide fait le point sur toutes les sources de financement disponibles, leurs montants, leurs conditions d’accès et les stratégies pour maximiser vos chances d’en obtenir un.

    En bref : Le contrat doctoral standard (financement MES) représente environ 2 300 €/mois brut en 2026. La CIFRE (entreprise + ANRT) offre un salaire minimum de 2 200 €/mois brut. Les bourses ANR dépendent du projet. Environ 40 % des doctorants français ne disposent d’aucun financement institutionnel.

    Le contrat doctoral : la référence nationale

    Le contrat doctoral est un contrat de travail de droit public conclu entre le doctorant et l’établissement d’enseignement supérieur pour une durée initiale de 3 ans. Il est régi par le décret n°2009-464 et régulièrement revalorisé. En 2026, les montants sont :

    • Doctorant sans mission complémentaire : environ 2 300 €/mois brut (1 980 € net)
    • Doctorant avec mission d’enseignement (64h TD/an) : environ 2 650 €/mois brut
    • Doctorant avec mission de valorisation ou expertise : montant variable selon l’accord

    Les contrats doctoraux sont alloués par les écoles doctorales sur leur dotation propre. Chaque ED reçoit annuellement un quota de contrats — généralement entre 5 et 30 selon sa taille — et les attribue selon un classement compétitif des dossiers. La mention TB au mémoire de master est souvent déterminante dans cette sélection.

    La CIFRE : doctorat en entreprise

    La Convention Industrielle de Formation par la REcherche (CIFRE) est financée par l’Agence Nationale de la Recherche Technologique (ANRT). Elle permet à une entreprise de recruter un doctorant pour mener une recherche appliquée en lien avec un laboratoire académique. Les conditions en 2026 :

    • Salaire minimum : 2 200 €/mois brut (imposé par l’ANRT)
    • Subvention ANRT à l’entreprise : 14 000 €/an
    • Durée : 3 ans (prolongeable 1 an)
    • Secteurs : tous, y compris les associations et collectivités depuis 2021

    La CIFRE est particulièrement attractive pour les disciplines à fort potentiel d’application industrielle : informatique, chimie, biologie, ingénierie, économie appliquée, sciences de gestion.

    Financements ANR et projets de recherche

    L’Agence Nationale de la Recherche finance des projets pluriannuels qui peuvent inclure des postes de doctorants. Le montant et la durée dépendent du projet spécifique. Les doctorants recrutés sur projet ANR sont soumis aux mêmes conditions que le contrat doctoral, mais le financement provient du budget du projet plutôt que de l’ED.

    Pour identifier les projets ANR en cours dans votre domaine, consultez l’outil ANR Open Science sur le site anr.fr. Les laboratoires qui portent des projets actifs sont les mieux placés pour recruter des doctorants financés.

    Bourses régionales et collectivités

    De nombreuses régions françaises cofinancent des thèses en lien avec leurs priorités de développement économique. Les montants et conditions varient selon les régions :

    • Île-de-France : DIM (Domaines d’Intérêt Majeur) — bourses sectorielles
    • Bretagne, Pays de Loire : cofinancements avec les universités régionales
    • Occitanie : programme Doctorants Sud, ouvert aux étudiants étrangers

    Ces bourses régionales sont souvent moins connues que les contrats doctoraux et moins concurrentielles. Renseignez-vous auprès de votre école doctorale.

    Bourses internationales (ERC, Marie Curie)

    Pour les doctorats à dimension internationale ou en co-tutelle :

    • Marie Skłodowska-Curie Actions (MSCA) : financements de la Commission européenne pour la mobilité des chercheurs
    • ERC Starting Grant : pour les directeurs de thèse, mais les budgets peuvent inclure des postes doctoraux
    • Erasmus+ Mundus : pour les étudiants de pays tiers souhaitant faire leur doctorat en Europe

    Dans une perspective de co-tutelle franco-italienne, il est utile de connaître les modalités d’accès au doctorat en Italie : les concours d’entrée, les bandos MUR et les procédures d’inscription sont détaillés sur come iscriversi al dottorato 2026-2027 : concorso, bando MUR e iscrizione.

    Doctorat sans financement : quelles alternatives ?

    Environ 40 % des doctorants français en 2026 n’ont pas de financement dédié. Les alternatives les plus fréquentes :

    • Emploi à temps partiel : compatible avec une thèse, mais ralentit considérablement l’avancement
    • Contrat ATER (Attaché Temporaire d’Enseignement et de Recherche) : accessible en 2e ou 3e année pour enseigner à l’université
    • Monitorat : contrat de 3 ans permettant des missions d’enseignement, désormais intégré dans le contrat doctoral avec mission
    • Bourses de fondations privées : Fondation de France, ARC pour la Recherche sur le Cancer, Fondation Bettencourt Schueller selon les disciplines

    FAQ

    Quel est le montant d’un contrat doctoral en 2026 ?

    Le contrat doctoral sans mission complémentaire représente environ 2 300 €/mois brut (1 980 € net) en 2026. Avec une mission d’enseignement de 64h TD par an, le montant monte à environ 2 650 €/mois brut. Ces montants sont régulièrement revalorisés par décret.

    Peut-on faire un doctorat sans financement en France ?

    Oui, mais c’est déconseillé. Les statistiques montrent que les doctorants sans financement ont un taux d’abandon trois fois plus élevé que les doctorants financés. Si vous n’obtenez pas de financement la première année, il est possible de recandidater l’année suivante avec un dossier renforcé, ou d’explorer les alternatives (CIFRE, contrat ANR, bourse régionale).

  • Écoles doctorales France 2026 : effectifs par région, disciplines et financement

    Écoles doctorales France 2026 : effectifs par région, disciplines et financement

    La France dispose d’un réseau dense de 270 écoles doctorales accréditées par le Ministère de l’Enseignement Supérieur et de la Recherche (MESRI), rattachées à 57 établissements. Ces structures encadrent 69 432 doctorants en 2024-2025 — un chiffre stable après une décennie de baisse. Comprendre la géographie, la composition disciplinaire et les modalités de financement des écoles doctorales France 2026 est essentiel pour tout candidat au doctorat ou chercheur qui souhaite situer son projet dans le paysage national.

    Les données proviennent de l’enquête annuelle du SIES (Sous-direction des Systèmes d’Information et des Études Statistiques) auprès des écoles doctorales, disponibles en Open Data sur la plateforme du MESRI.

    Chiffres clés 2024-2025 : 270 écoles doctorales dans 57 établissements, 69 432 doctorants (-0,3 %), 16 970 nouvelles inscriptions, 14 727 thèses soutenues. L’Île-de-France concentre environ 35 % des effectifs.

    Structure nationale du réseau doctoral

    La France s’est dotée d’un modèle d’organisation doctorale fondé sur les écoles doctorales (ED), structures créées par le décret de 1995 et réformées plusieurs fois depuis. Chaque école doctorale est accréditée pour 5 ans par le MESRI, souvent après évaluation par l’HCERES. Elle regroupe plusieurs unités de recherche autour d’un domaine disciplinaire et encadre les doctorants depuis l’inscription jusqu’à la soutenance.

    En 2022-2023, la plateforme Open Data ESR du MESRI répertorie 295 écoles doctorales accréditées dans son annuaire — un chiffre qui a diminué à environ 270 dans les données 2024-2025, en raison des regroupements opérés lors des renouvellements d’accréditation, notamment dans le cadre des fusions d’établissements (Universités Paris-Saclay, Université Grenoble Alpes, etc.).

    Les écoles doctorales sont portées par 57 établissements d’enseignement supérieur et de recherche, allant des universités classiques aux grandes écoles (Polytechnique, ENS, ENPC), en passant par les établissements publics à caractère scientifique et technologique comme le CNRS ou l’Inserm qui co-accréditent des ED avec les universités.

    Répartition régionale des effectifs

    La géographie du doctorat en France est fortement marquée par la concentration parisienne. L’Île-de-France concentre environ un tiers des doctorants inscrits — une situation héritée de la centralisation du système universitaire et de la localisation des grandes infrastructures de recherche (CNRS, Inserm, CEA, campus de Paris-Saclay).

    Répartition estimée des doctorants par grande région — France 2024-2025
    Région Doctorants (estimés) Part du total Pôles principaux
    Île-de-France ~24 000 ~35 % Paris-Saclay, Sorbonne, Paris Cité, ENS
    Auvergne-Rhône-Alpes ~9 000 ~13 % Grenoble Alpes, Lyon, Clermont
    Occitanie ~7 000 ~10 % Toulouse, Montpellier
    Nouvelle-Aquitaine ~5 500 ~8 % Bordeaux, Pau, Limoges
    Pays de la Loire / Bretagne ~5 000 ~7 % Nantes, Rennes, Brest
    Autres régions ~19 000 ~27 % Strasbourg, Lille, Marseille, Nice…

    La région Île-de-France dispose d’un dispositif spécifique d’attractivité doctorale : le programme Paris Region PhD 2026, piloté par la Région Île-de-France, finance des allocations doctorales pour les candidats s’inscrivant en 1ère année à la rentrée 2026-2027 dans une école doctorale francilienne — un signal fort de l’enjeu de rétention des talents sur le territoire.

    Répartition par disciplines scientifiques

    Les écoles doctorales sont généralement organisées autour de grandes familles disciplinaires. La répartition des doctorants selon les domaines scientifiques révèle la prédominance historique des sciences exactes et de la vie, même si les sciences humaines et sociales représentent une part non négligeable.

    Répartition des doctorants par grand domaine scientifique — France
    Domaine Part estimée Exemples d’écoles doctorales
    Sciences de la vie et de la santé ~28 % ED Complexité du vivant, ED Santé Paris-Saclay
    Sciences et technologies (STI) ~25 % ED EOBE, ED SMEMAG
    Sciences exactes (Maths, Physique, Chimie) ~22 % ED Mathématiques, ED Physique
    Sciences humaines et sociales (SHS) ~18 % ED Sciences des Sociétés, ED Histoire
    Autres (droit, gestion, éducation) ~7 % ED Droit, ED Sciences de gestion

    Types de financement doctoral

    L’un des enjeux majeurs de la politique doctorale française est le taux de financement des doctorants. La LPR de 2020 a fixé comme objectif que l’ensemble des nouveaux doctorants soient financés par un contrat. En 2024, les principales sources de financement sont :

    • Contrat doctoral : principal dispositif public. Financé par l’État, les établissements, ou les laboratoires sur fonds ANR/ERC. Salaire 2026 : 2 300 € brut/mois.
    • Convention CIFRE : 1 760 conventions allouées en 2023, portant un salaire au minimum identique (2 300 € brut/mois) avec subvention ANRT à l’entreprise.
    • Bourse régionale ou institutionnelle : certaines régions (Île-de-France, Bretagne, Occitanie) financent des allocations complémentaires.
    • Financement sur contrat de recherche : ANR, H2020/Horizon Europe, contrats industriels — sans statut de contrat doctoral mais avec rémunération.
    • Autofinancement : en théorie découragé par la LPR, il subsiste notamment en SHS et en droit, où les candidats financent leur thèse sur fonds propres ou en exerçant une activité professionnelle parallèle.

    La proportion de nouveaux doctorants bénéficiant d’un financement a progressé significativement depuis 2020 mais n’atteint pas encore les 100 % visés. En SHS notamment, une part non négligeable de doctorants reste sans financement dédié, ce qui alimente les problèmes de durée excessive de thèse et d’abandon.

    Tendances 2020-2025 : stabilisation après recul

    Après une décennie de baisse continue des effectifs doctoraux (de plus de 80 000 en 2011 à moins de 70 000 en 2022), les données 2024-2025 montrent une stabilisation : -0,3 % seulement. Cette stabilisation est attribuée à la politique LPR de revalorisation salariale, qui rend le doctorat à nouveau attractif pour certains profils.

    En revanche, le nombre de nouvelles inscriptions en première année (16 970 en 2024) reste en dessous des niveaux du début de la décennie. La relance passe notamment par le développement des thèses CIFRE, l’ouverture aux professionnels en formation continue, et les programmes de financement régionaux.

    Le taux de soutenance dans les délais réglementaires (3 ans + possible extension à 4 ou 5 ans selon les règlements intérieurs) reste un indicateur de qualité suivi par les ED. Il varie fortement selon les disciplines : les sciences exactes soutiennent plus régulièrement dans les 4 ans, tandis que les thèses SHS dépassent souvent 5 à 7 ans.

    Cotutelles internationales

    La France est l’un des pays les plus actifs dans les cotutelles de thèse — dispositif permettant à un doctorant de préparer sa thèse sous la direction de deux directeurs appartenant à deux pays différents et d’obtenir un double doctorat. Les données SIES enregistrent plusieurs centaines de cotutelles actives chaque année, principalement avec l’Italie, l’Allemagne, le Maroc, la Tunisie et le Brésil.

    Les cotutelles sont particulièrement fréquentes dans les disciplines scientifiques et jouent un rôle important dans le maintien des flux internationaux de doctorants entrants et sortants. Pour les établissements, elles constituent un indicateur de qualité pris en compte dans les évaluations HCERES.

    Vous préparez votre thèse dans une école doctorale française ? Tesify vous accompagne de la structuration à la rédaction finale avec une assistance IA adaptée aux exigences académiques françaises.

    FAQ — Questions fréquentes sur les écoles doctorales en France

    Combien y a-t-il d’écoles doctorales en France en 2026 ?

    En 2024-2025, la France compte environ 270 écoles doctorales accréditées par le MESRI, rattachées à 57 établissements d’enseignement supérieur et de recherche. Ce chiffre est en légère baisse par rapport aux 295 de 2022-2023, en raison des regroupements d’établissements et des renouvellements d’accréditation.

    Quelle région concentre le plus de doctorants en France ?

    L’Île-de-France concentre environ 35 % des doctorants inscrits en France, soit environ 24 000 sur les 69 432 au total. Les pôles principaux sont Paris-Saclay, Sorbonne Université, Université Paris Cité et les grandes écoles parisiennes (ENS, Polytechnique, ENPC).

    Quelles disciplines accueillent le plus de doctorants en France ?

    Les sciences de la vie et de la santé (28 %), les sciences et technologies de l’ingénieur (25 %) et les sciences exactes (22 %) représentent ensemble les trois quarts des doctorants. Les sciences humaines et sociales représentent environ 18 % des inscrits.

    Comment trouver les données officielles sur les écoles doctorales françaises ?

    Le MESRI publie chaque année ses données sur la plateforme Open Data ESR (data.enseignementsup-recherche.gouv.fr). Le dataset « Effectifs des doctorants et docteurs des écoles doctorales » contient les données par établissement, domaine scientifique et financement. L’annuaire des écoles doctorales est également accessible sur doctorat.campusfrance.org.

    Les effectifs doctoraux sont-ils en hausse ou en baisse en France ?

    Après une décennie de baisse continue (de plus de 80 000 doctorants en 2011 à 69 432 en 2024-2025), les effectifs se stabilisent (-0,3 % en 2024-2025). La politique de revalorisation salariale de la Loi de Programmation de la Recherche (LPR) et le développement des thèses CIFRE contribuent à cette stabilisation.

  • Le mémoire de master compte-t-il pour entrer en doctorat ? (2026)

    Le mémoire de master compte-t-il pour entrer en doctorat ? (2026)

    Le mémoire de master compte-t-il pour entrer en doctorat ? (2026)

    Vous terminez votre master recherche et vous vous demandez si la note de votre mémoire de master sera déterminante pour votre admission en doctorat ? La réponse est oui : dans la quasi-totalité des universités françaises, la note et la qualité du mémoire de master constituent l’un des critères de sélection les plus décisifs pour accéder à une école doctorale. Comprendre ce que les commissions cherchent, et comment valoriser ce travail, peut faire toute la différence entre une candidature acceptée et une candidature rejetée.

    En France, le doctorat n’est pas un prolongement automatique du master. Chaque école doctorale mène sa propre procédure d’admission, avec des critères explicites — dont la qualité du mémoire de M2 — et implicites. Les règles varient selon les établissements, mais certains seuils font consensus dans l’enseignement supérieur français.

    Réponse directe : Oui, le mémoire de master compte fortement pour entrer en doctorat. La note minimale attendue est généralement de 14/20 à Sciences Po, 14/20 à Bordeaux, et une mention Bien (14/20) dans la plupart des écoles doctorales françaises. Le mémoire atteste de votre capacité à mener une recherche originale et autonome.

    Le rôle du mémoire dans l’admission en doctorat

    L’accès au doctorat en France est régi par l’arrêté du 25 mai 2016 modifié, qui dispose que l’inscription en thèse requiert la possession d’un diplôme national de master ou d’un titre équivalent. Mais la possession du titre n’est qu’un prérequis administratif : ce qui détermine l’admission, c’est la procédure de sélection menée par l’école doctorale et le directeur de thèse pressenti.

    Dans ce processus, le mémoire de master joue trois fonctions distinctes :

    • Preuve de compétence méthodologique : le jury d’admission évalue votre capacité à construire une problématique, à mobiliser une bibliographie, à analyser des données et à rédiger de manière académique.
    • Indicateur de potentiel de recherche : un mémoire original, qui ouvre de nouvelles pistes ou remet en question des résultats établis, signale un candidat capable de produire une thèse de valeur.
    • Base de discussion lors de l’entretien : la plupart des écoles doctorales organisent un entretien oral dans lequel le mémoire de M2 est le point de départ de l’échange avec la commission.

    Les notes seuils par université

    Les seuils de note de mémoire varient selon les établissements, mais les chiffres suivants sont représentatifs du paysage des grandes universités françaises :

    Établissement Note minimale mémoire M2 Mention requise
    Sciences Po Paris 16/20 Très Bien
    Université de Bordeaux 14/20 Bien
    Université de Strasbourg 14/20 Bien (et 13/20 minimum chaque semestre)
    Université Paris-Saclay 14/20 (selon programme) Bien
    Sorbonne Université Variable selon ED Bien recommandée

    La mention Bien (14/20) constitue donc le plancher de fait dans la grande majorité des écoles doctorales françaises. En dessous de ce seuil, une candidature reste possible, mais elle doit s’appuyer sur des compensations significatives : publication académique, parcours professionnel pertinent, lettre de motivation exceptionnelle, ou recommandation forte d’un directeur de thèse reconnu.

    Ce que les commissions évaluent dans votre mémoire

    Au-delà de la note, les commissions d’admission analysent le contenu du mémoire selon plusieurs axes qualitatifs :

    La qualité de la problématique

    Une problématique bien formulée indique que le candidat sait identifier une lacune dans la littérature existante et se positionner par rapport à elle. Un simple résumé de l’état de l’art sans apport original est rédhibitoire.

    La rigueur méthodologique

    Que votre mémoire soit quantitatif ou qualitatif, la commission vérifie que vous maîtrisez les outils propres à votre discipline : entretiens semi-directifs, analyse statistique, étude de cas, analyse de contenu, etc. Un mémoire sans méthodologie explicitement définie pose un problème sérieux.

    L’originalité des résultats

    Les écoles doctorales les plus sélectives (ENS, Sciences Po, grandes universités de recherche) attendent que le mémoire de M2 produise une contribution, même modeste, à la connaissance existante. Il ne s’agit pas d’une publication, mais d’un questionnement original.

    La qualité de la rédaction académique

    La maîtrise du style académique, la gestion des citations, la cohérence de l’argumentation et la qualité bibliographique sont évaluées. Un mémoire truffé de fautes ou de citations mal formatées envoie un mauvais signal.

    Master recherche ou master pro : quelle différence ?

    Cette distinction est fondamentale. En principe, l’accès au doctorat est conditionné à un master à finalité recherche (mention recherche ou parcours recherche). Cependant, plusieurs assouplissements existent :

    • Un master professionnel peut donner accès au doctorat si l’école doctorale l’accepte — ce qui reste l’exception dans les disciplines fondamentales.
    • Depuis la réforme de 2016, certains masters professionnels incluent un parcours de mémoire équivalent à celui d’un master recherche.
    • Une validation des acquis de l’expérience professionnelle et de recherche (VAE) peut constituer une voie alternative.

    Si vous êtes en master pro et envisagez le doctorat, prenez contact avec l’école doctorale cible dès la première année de master pour connaître les conditions exactes d’accès.

    Comment valoriser votre mémoire dans votre dossier de candidature

    La plupart des universités demandent un résumé de 2 pages du mémoire de M2 dans le dossier de candidature en doctorat. Voici comment le présenter efficacement :

    1. Reformulez clairement la problématique en montrant en quoi elle répond à un vide dans la littérature.
    2. Décrivez votre méthodologie en mettant en avant les choix que vous avez faits et pourquoi.
    3. Présentez vos résultats principaux en les reliant au projet de thèse que vous proposez.
    4. Montrez la continuité entre votre mémoire de M2 et le sujet de thèse que vous souhaitez approfondir.

    Si votre mémoire a donné lieu à une communication dans un colloque ou à la publication d’un article, mentionnez-le explicitement : c’est un signal très fort pour une commission d’admission.

    Conseil Tesify : Avant de postuler en doctorat, relisez votre mémoire avec l’outil d’analyse de Tesify pour identifier les passages à consolider. Une version révisée de votre mémoire, partageable à la commission, est un atout considérable.

    Peut-on entrer en doctorat sans mention Très Bien ?

    Oui, la mention Bien (14/20) est généralement suffisante dans la plupart des programmes doctoraux. La mention Très Bien est surtout requise dans des établissements très sélectifs comme Sciences Po, certaines ENS ou des programmes d’excellence comme les IDEX.

    Si vous n’avez obtenu qu’une mention Assez Bien (12-13/20), les options suivantes existent :

    • Rédiger une seconde version améliorée du mémoire pour une republication interne à l’université.
    • Identifier un directeur de thèse prêt à soutenir votre candidature malgré la note, sur la base de la qualité de votre projet.
    • Publier un article issu du mémoire dans une revue à comité de lecture, même peu classée, pour démontrer votre capacité de publication.
    • Candidater dans des universités dont les critères sont moins stricts sur la note du mémoire, tout en présentant un projet de thèse solide.

    La note du mémoire est un indicateur, pas un verdict définitif. La motivation, la cohérence du projet de recherche et la qualité des recommandations de vos encadrants comptent autant, sinon plus, dans certains programmes.

    Questions fréquentes

    Quelle est la note minimale de mémoire pour entrer en doctorat en France ?

    La note minimale communément exigée est de 14/20 (mention Bien). Sciences Po Paris exige 16/20. Certains programmes acceptent des notes inférieures si le projet de thèse et les recommandations sont exceptionnellement forts.

    Le mémoire de M1 compte-t-il aussi pour entrer en doctorat ?

    Non. C’est le mémoire de M2 (master 2 recherche) qui est évalué lors de l’admission en doctorat. Le mémoire de M1 peut cependant signaler une progression intéressante si la note a beaucoup augmenté entre M1 et M2.

    Peut-on entrer en doctorat avec un master professionnel ?

    Oui, mais c’est dérogatoire. L’école doctorale doit accepter le master pro comme diplôme d’accès. Cela requiert généralement un dossier exceptionnel et souvent un accord préalable avec le directeur de thèse pressenti.

    Le sujet du mémoire doit-il être lié au sujet de thèse ?

    Une continuité thématique est fortement appréciée, car elle démontre un investissement durable dans un champ de recherche. Cependant, un changement de thématique est acceptable s’il est clairement justifié dans la lettre de motivation.

    Faut-il fournir le mémoire complet ou seulement le résumé pour candidater en doctorat ?

    La plupart des universités demandent un résumé de 2 pages et la possibilité de fournir le mémoire complet sur demande. L’Université de Bordeaux et plusieurs ED demandent explicitement le résumé de 2 pages dans le dossier de candidature.

    La note du mémoire est-elle la seule condition pour entrer en doctorat ?

    Non. La note du mémoire est un critère parmi d’autres : il faut également avoir un directeur de thèse (HDR), un projet de thèse rédigé, et souvent un financement (contrat doctoral, CIFRE, bourse). La cohérence globale du dossier prime.

    L’IA peut-elle aider à améliorer un mémoire de master avant une candidature en doctorat ?

    Oui. Des outils comme Tesify permettent de relire, restructurer et améliorer la qualité argumentative d’un mémoire en vue d’une republication ou d’une valorisation dans un dossier doctoral. L’essentiel est de déclarer l’utilisation de l’IA conformément aux règles de votre établissement.

    Optimisez votre mémoire de master pour le doctorat

    Tesify analyse la structure, la cohérence argumentative et le style académique de votre mémoire. Obtenez un rapport détaillé en quelques minutes.

    Améliorer mon mémoire gratuitement →

  • Plan Thèse Doctorat : 7 Erreurs Fatales à Éviter (2025)

    Plan Thèse Doctorat : 7 Erreurs Fatales à Éviter (2025)

    40% des abandons en doctorat sont liés à des difficultés méthodologiques et organisationnelles. Ce chiffre vous fait frissonner ? Normal. Derrière cette statistique brutale se cache une réalité que beaucoup de doctorants découvrent trop tard : un plan de thèse mal construit, c’est comme bâtir une maison sur des fondations en sable. Tôt ou tard, tout s’effondre.

    La structuration du plan de thèse doctorale en France obéit à des codes académiques stricts, des conventions disciplinaires subtiles et des attentes implicites que personne ne vous explique vraiment. En 2025, le paysage se complexifie encore : l’émergence des outils d’intelligence artificielle a créé de nouvelles opportunités… mais aussi de nouveaux pièges dans lesquels tombent des centaines de doctorants chaque année.

    J’ai passé des années à observer, analyser et accompagner des chercheurs dans leur parcours doctoral. Ce que j’ai constaté ? Les mêmes erreurs reviennent inlassablement, génération après génération. Des erreurs qui allongent les thèses de plusieurs années, qui détruisent des relations avec les directeurs de recherche, qui conduisent parfois à des soutenances catastrophiques.

    Aujourd’hui, je vous dévoile les 7 erreurs fatales qui sabotent les plans de thèse — et surtout, comment les éviter. Que vous soyez en première année, en pleine rédaction ou simplement en train de préparer votre inscription doctorale, cet article pourrait bien sauver votre parcours.

    📋 En résumé — Les 7 erreurs fatales :

    1. Construire un plan sans problématique claire
    2. Opter pour un plan purement thématique
    3. Négliger l’équilibre entre les parties
    4. Oublier le fil conducteur entre les chapitres
    5. Mal positionner la méthodologie
    6. Sur-déléguer la construction du plan à l’IA
    7. Figer son plan dès le début sans itération

    💡 Avant même de penser à votre plan, assurez-vous que votre question de recherche est solide. Découvrez comment dans notre guide complet : Formulation question de recherche thèse : 10 étapes.

    Pourquoi la structuration du plan est-elle si cruciale ?

    Commençons par détruire une illusion tenace : votre plan de thèse n’est pas un sommaire. C’est une erreur conceptuelle fondamentale que commettent la majorité des doctorants en début de parcours. Un sommaire, c’est une table des matières — une liste de titres. Un plan, c’est tout autre chose : c’est la traduction logique et argumentative de votre problématique.

    Illustration montrant un plan de thèse comme fondation solide versus instable
    Un bon plan : des fondations solides pour votre recherche

    Pensez-y comme une carte routière. Le sommaire vous dit où se trouvent les villes ; le plan vous montre le chemin pour aller de l’une à l’autre, et surtout pourquoi vous passez par là. Comme l’explique brillamment le site DoctoratDonut : « Plan = problématique décomposée ». Chaque partie de votre plan devrait répondre à une facette de votre question de recherche.

    Si vous ne retenez qu’une chose de cet article, que ce soit celle-ci : un bon plan permet à n’importe quel lecteur de comprendre votre démonstration rien qu’en lisant les titres de vos parties et chapitres. Si ce n’est pas le cas, retournez à la table de travail.

    La France possède ses propres conventions académiques, et elles ne sont pas négociables. La structure canonique d’une thèse française comprend généralement des pages liminaires, une introduction générale solide, un corps de 3 à 5 parties principales, une conclusion générale, puis les annexes et la bibliographie. Pour visualiser un exemple de plan conforme aux standards français, je vous recommande ce guide détaillé de Scribbr.

    Un plan défaillant ne se contente pas de compliquer la rédaction. Ses conséquences sont bien plus profondes : allongement dramatique de la durée de thèse, tensions avec le directeur de recherche, risque de hors-sujet lors de la soutenance. Comme le rappelle le guide Corep, la structuration n’est pas une étape préliminaire qu’on expédie : c’est un travail continu.

    Les 7 erreurs fatales à éviter absolument

    Parcours doctoral avec sept obstacles représentant les erreurs courantes
    Sept pièges jalonnent le parcours doctoral — apprenez à les éviter

    Erreur #1 — Construire un plan sans problématique claire

    C’est l’erreur originelle, la mère de toutes les autres. Vous ne pouvez pas structurer un plan cohérent si vous ne savez pas précisément à quelle question vous répondez. Le symptôme est facile à repérer : vous construisez votre plan sur des « thèmes » plutôt que sur une progression logique. Partie 1 : « Le contexte historique ». Partie 2 : « Les théories principales ». Ce n’est pas un plan, c’est un catalogue.

    💡 Test rapide : Prenez votre plan actuel. Lisez uniquement les titres des parties. Un collègue qui ne connaît pas votre sujet pourrait-il deviner votre question de recherche ? Si non, retravaillez votre structure.

    📖 Pour approfondir cette étape cruciale : Formulation question de recherche thèse : 10 étapes.

    Erreur #2 — Opter pour un plan purement thématique

    Cette erreur découle souvent de la précédente. Un plan thématique produit ce qu’on appelle un « effet catalogue » : une succession de chapitres qui se juxtaposent sans progresser. Le lecteur a l’impression de lire une encyclopédie plutôt qu’une démonstration scientifique.

    La différence fondamentale ? Un plan thématique dit « Je vais parler de A, puis de B » — c’est statique. Un plan argumentatif dit « Je vais démontrer X en passant par les étapes A et B » — c’est dynamique. Transformez chaque titre de partie en une affirmation plutôt qu’un simple intitulé.

    Erreur #3 — Négliger l’équilibre entre les parties

    Vous avez terminé votre première partie : 150 pages. Votre deuxième partie ? 30 pages. Ce déséquilibre n’est pas qu’un problème esthétique : c’est le signal d’alarme d’un problème de conception. Une partie disproportionnée révèle généralement un excès de contextualisation, un terrain insuffisant ou une discussion mal positionnée.

    La règle d’or : visez un équilibre relatif entre vos parties, avec un écart maximum de 30%. Si une partie « explose », c’est le signe qu’elle doit être scindée ou que certains éléments peuvent être déplacés vers les annexes.

    Erreur #4 — Oublier le fil conducteur entre les chapitres

    Imaginez un roman où chaque chapitre serait écrit par un auteur différent, sans coordination. Chaque chapitre se lit correctement isolément, mais l’ensemble manque de cohésion. Les symptômes révélateurs : absence de transitions, pas de renvois internes, le lecteur doit faire l’effort de comprendre pourquoi il passe d’un sujet à l’autre.

    Sur ce point, je recommande la lecture de l’ouvrage de référence d’Umberto Eco, « Comment écrire sa thèse ». Ses conseils sur la cohérence argumentative restent d’une pertinence absolue.

    Erreur #5 — Mal positionner la méthodologie

    📚 Selon votre discipline :

    • Sciences humaines et sociales : La méthodologie mérite généralement une partie distincte après le cadre théorique
    • Sciences dures : La section standardisée « Matériels et Méthodes » est attendue avec un niveau de détail permettant la reproductibilité
    • Droit : La méthodologie est souvent intégrée à l’introduction générale

    Erreur #6 — Sur-déléguer la construction du plan à l’IA

    Collaboration éthique entre humain et intelligence artificielle
    L’IA comme assistant, jamais comme auteur

    Voici l’erreur caractéristique de 2025. Avec la démocratisation de ChatGPT, une tentation nouvelle est apparue : demander à l’IA de générer son plan de thèse « clé en main ». Les résultats sont invariablement catastrophiques : plans génériques, aucune adaptation à votre terrain spécifique, structures détectables par les jurys.

    L’IA peut être un excellent assistant de brainstorming, mais jamais un auteur. Utilisez-la pour explorer différentes structures, identifier des angles que vous n’aviez pas envisagés, vérifier la cohérence logique. Mais toujours : personnalisez, adaptez, et faites valider par votre directeur.

    ⚠️ Attention : En 2025, les comités de suivi sont formés à repérer les plans générés par IA. Un plan trop « lisse » ou déconnecté de votre terrain peut éveiller les soupçons — et compromettre l’ensemble de votre travail doctoral.

    📌 Pour une utilisation éthique de l’IA : Plan de chapitres avec IA éthique pour thèses : outils 2025.

    Erreur #7 — Figer son plan dès le début sans itération

    Dernière erreur, et non des moindres : considérer que le plan établi au début de votre doctorat est gravé dans le marbre. C’est l’antithèse même de la démarche scientifique.

    Évolution itérative d'un plan de thèse de la version 1 à la version finale
    De la V1 brouillonne à la version finale : l’itération est la clé

    Votre thèse est un travail de recherche. Par définition, vous allez découvrir des choses que vous n’aviez pas anticipées. Votre terrain va vous surprendre. Adoptez une approche itérative : plan V1, V2, V3… Planifiez des points réguliers avec votre directeur spécifiquement sur la structure. Gardez une trace de l’évolution de votre plan — c’est aussi un indicateur de la maturation de votre pensée.

    Sur cette dimension collaborative, je vous recommande cette ressource : Penser avec les autres. La thèse comme co-écriture — Canal-U.

    Tendances 2025 : ce qui change dans la structuration des thèses

    Selon une étude récente, 67% des doctorants déclarent utiliser des outils IA dans leur travail de recherche en 2024 — et cette tendance s’accélère. Les écoles doctorales publient désormais des guidelines explicites sur l’usage de l’IA. La nécessité de documenter l’usage des outils dans la section méthodologique devient une norme.

    Par ailleurs, la thèse monographique traditionnelle n’est plus le seul modèle accepté. Les thèses sur articles, les thèses « augmentées » avec annexes numériques, les thèses interdisciplinaires gagnent en légitimité. Ces évolutions impactent directement la structuration traditionnelle.

    Une autre tendance forte : le renforcement des comités de suivi de thèse. Ces comités contrôlent désormais plus fréquemment la progression des travaux. Voyez-les comme des alliés, pas comme des juges. Leurs retours sont précieux pour éviter de vous enfermer dans une impasse structurelle.

    💡 Utiliser l’IA éthiquement pour votre thèse ? C’est possible avec Tesify.fr — la plateforme conçue pour les doctorants français, qui respecte les standards académiques et la déontologie de la recherche.

    Structurer un plan de thèse, c’est apprendre à penser sa recherche. Évitez ces sept erreurs, restez flexible, et n’oubliez jamais : votre plan est au service de votre argumentation, pas l’inverse. Bonne rédaction.

  • IA et Thèse de Doctorat : 5 Vérités Cachées en 2025

    IA et Thèse de Doctorat : 5 Vérités Cachées en 2025

    Laissez-moi vous poser une question qui dérange : savez-vous vraiment ce que votre école doctorale pense de l’utilisation de l’intelligence artificielle dans la rédaction de votre thèse ? Si vous hésitez ne serait-ce qu’une seconde, vous faites partie de l’immense majorité.

    Une enquête menée fin 2024 auprès de plusieurs centaines de doctorants français révèle un chiffre vertigineux : près de 73% d’entre eux déclarent avoir utilisé une forme d’IA générative pour leur travail de thèse. Pourtant — et c’est là que ça devient préoccupant — moins de 15% savent précisément ce qui est autorisé par leur institution.

    Le fossé entre la pratique réelle dans les laboratoires et les discours officiels des universités n’a jamais été aussi béant. Dans les couloirs, on parle à demi-mot de ChatGPT. Dans les réunions officielles ? Silence radio. Comme si l’IA générative était devenue le secret de Polichinelle de l’enseignement supérieur français.

    Cet article va vous révéler ce que personne n’ose vraiment dire. Pas pour vous effrayer — mais pour vous armer. Car dans cette zone grise réglementaire, l’ignorance n’est pas une excuse valable. Et les conséquences peuvent être dramatiques pour votre carrière.

    Ce que vous découvrirez ici :

    • Les 5 vérités que les écoles doctorales ne communiquent pas clairement
    • Les risques invisibles qui peuvent compromettre votre soutenance
    • Le cadre légal réel en France et en Europe pour 2025
    • Comment utiliser l’IA de manière éthique ET efficace

    Avant d’aller plus loin, je vous recommande de consulter notre analyse prospective sur l’IA générative dans les thèses françaises d’ici 2026, qui pose le contexte macro de cette transformation en cours.

    Doctorant face au dilemme éthique de l'IA : entre tradition académique et nouvelles technologies
    Entre intégrité académique et outils modernes : le dilemme quotidien du doctorant en 2025

    Le Contexte Officiel vs. La Réalité du Terrain

    Commençons par ce qui devrait être simple : que disent officiellement les universités françaises sur l’utilisation de l’IA dans la rédaction de thèse ? La réponse vous surprendra peut-être par sa vacuité.

    La plupart des établissements naviguent dans un flou juridique qui ressemble étrangement à un choix délibéré. Certains observateurs y voient une prudence institutionnelle face à une technologie qui évolue trop vite. D’autres, plus cyniques, parlent d’un calcul : pourquoi se mouiller quand on peut laisser la responsabilité aux directeurs de thèse et aux doctorants eux-mêmes ?

    📄 Cadre de référence européen
    La Commission Européenne a publié des lignes directrices sur l’usage responsable de l’IA générative en recherche qui insistent sur la responsabilité humaine, la transparence et la déclaration systématique. Un texte fondamental que bien peu d’écoles doctorales ont traduit en règles concrètes.

    Le silence de nombreuses institutions sur les risques est assourdissant. Pas de formation obligatoire. Pas de guide pratique distribué aux nouveaux doctorants. Parfois, tout juste une mention vague dans une charte d’intégrité scientifique rédigée avant l’explosion de ChatGPT.

    Pour comprendre ce qui est réellement autorisé — ou non — je vous invite à lire notre décryptage complet : ChatGPT autorisé en thèse ? La vérité cachée de 2025.

    J’ai eu l’occasion d’échanger avec des dizaines de doctorants et plusieurs directeurs de thèse ces derniers mois. Ce qui ressort de ces conversations dresse un portrait bien différent du discours officiel.

    « Mon directeur m’a clairement dit de ne jamais mentionner que j’utilisais l’IA, même pour des tâches basiques », confie une doctorante en sciences humaines. « En off, tout le monde sait que ça existe. En public, c’est tabou. »

    Cette dichotomie crée une situation de double langage particulièrement anxiogène pour les jeunes chercheurs. Certains encadrants ferment les yeux par pragmatisme. D’autres sanctionnent sévèrement au moindre soupçon, parfois de manière arbitraire.

    La politique de l’Université de Lille sur l’IA générative : un exemple de cadrage institutionnel rare et bienvenu

    L’Université de Lille fait partie des établissements pionniers qui ont tenté de clarifier leur position. Mais ils restent l’exception plutôt que la règle.

    Les 5 Vérités Cachées Que Personne Ne Vous Dit

    Passons maintenant au cœur du sujet. Ces vérités, je les ai collectées au fil des années, des témoignages, et d’une observation attentive de l’évolution des pratiques. Certaines vont vous paraître évidentes avec le recul. D’autres risquent de vous faire repenser entièrement votre approche.

    Vérité #1 : L’absence de règles claires n’est pas une autorisation.

    C’est probablement le mythe le plus dangereux qui circule : « Ce qui n’est pas explicitement interdit est autorisé ». Cette logique devient une bombe à retardement dans le monde académique.

    Les chartes d’intégrité scientifique contiennent des clauses implicites qui s’appliquent parfaitement à votre situation. Le principe fondamental ? Tout ce qui n’est pas de vous doit être déclaré. Point final.

    ⚠️ À retenir absolument
    Le silence de votre école doctorale sur l’IA ne constitue pas une autorisation tacite. En l’absence de cadre explicite, c’est le principe de l’intégrité scientifique qui prévaut.

    Pour éviter les erreurs les plus courantes en matière de transparence, consultez notre guide : 5 Erreurs de Transparence IA à Éviter.

    Vérité #2 : Les « hallucinations » de l’IA peuvent ruiner votre crédibilité.

    Imaginez ce scénario : vous utilisez ChatGPT pour enrichir votre revue de littérature. L’outil vous suggère une référence parfaite — un article de 2019 publié dans une revue prestigieuse, avec des auteurs aux noms crédibles. Vous l’intégrez. Problème : cet article n’existe pas.

    Illustration du danger des références fictives générées par l'IA dans les travaux académiques
    Une seule fausse référence peut compromettre des années de travail

    C’est ce qu’on appelle une « hallucination » — la fabrication pure et simple d’informations qui semblent vraies mais sont totalement inventées. Dans une thèse, où chaque affirmation doit être vérifiable, c’est un arrêt de mort scientifique.

    Les cas documentés de références inventées se multiplient. Et les vérificateurs — qu’il s’agisse des membres du jury ou des relecteurs de revues — ne pardonnent pas.

    📚 Recommandation institutionnelle
    Le Guide du bon usage des assistants IA générative de l’INRAE détaille les risques spécifiques et propose une méthodologie d’évaluation avant usage. Une lecture indispensable.

    Pour approfondir ce sujet critique : ChatGPT en thèse : 5 erreurs qui ruinent votre crédibilité.

    Vérité #3 : Le « pourcentage autorisé » est un mythe dangereux.

    « J’ai entendu dire qu’on pouvait utiliser jusqu’à 20% d’IA dans sa thèse. » Cette phrase, je l’ai entendue des dizaines de fois. Et à chaque fois, elle me fait frémir.

    Il n’existe aucun seuil quantitatif officiel. Cette idée de quota se propage de bouche à oreille, probablement par analogie avec les seuils de plagiat — qui eux-mêmes sont souvent mal compris.

    Ce qui compte vraiment, ce n’est pas le volume, c’est la nature de l’usage. Utiliser l’IA pour corriger quelques fautes sur 300 pages ? Probablement acceptable. Générer un seul paragraphe de discussion théorique sans le déclarer ? Potentiellement problématique, même si ça représente 0,1% de votre thèse.

    Pour démystifier cette question : Pourcentage IA autorisé en thèse : seuils et vérités 2025.

    Vérité #4 : L’IA peut trahir votre style et révéler son usage.

    Votre écriture a une signature unique. Votre directeur de thèse connaît vos tics de langage, vos structures préférées, vos maladresses habituelles. Soudain, un chapitre arrive avec une fluidité suspecte, un vocabulaire étrangement uniforme, une perfection qui ne vous ressemble pas…

    Comme le note un professeur en sciences sociales : « Je ne sais pas toujours prouver qu’un étudiant a utilisé l’IA. Mais je sais quand quelque chose ne colle pas. Et cette intuition suffit souvent à déclencher des vérifications plus poussées. »

    Pour éviter ces pièges : Assistant IA Thèse : 5 Erreurs Fatales à Éviter en 2025.

    Vérité #5 : La non-déclaration est désormais considérée comme fraude.

    C’est peut-être la vérité la plus importante. À l’échelle internationale, un consensus émerge : l’IA ne peut pas être auteur, et son usage doit être systématiquement déclaré.

    📋 Standard international
    Les recommandations ICMJE 2023 établissent clairement que l’IA ne peut être créditée comme auteur et que son usage doit être déclaré et documenté.

    En France, les sanctions se sont intensifiées depuis 2024. Des cas de retrait de diplôme, de refus de soutenance, d’exclusion définitive ont été rapportés — souvent pour des usages qui auraient pu être acceptables s’ils avaient été déclarés. C’est l’opacité, plus que l’usage lui-même, qui est sanctionnée.

    Comment Utiliser l’IA de Manière Éthique ET Efficace

    Après ce tableau plutôt sombre, vous vous demandez peut-être si l’IA a encore sa place dans votre travail doctoral. La réponse est oui, absolument — mais à condition de respecter un cadre rigoureux.

    Concept de transparence et déclaration d'usage de l'IA dans les travaux académiques
    La transparence n’est pas une contrainte — c’est votre meilleure protection

    Quatre principes non-négociables doivent guider votre utilisation :

    1. Transparence : Déclarez systématiquement tout usage significatif
    2. Traçabilité : Documentez vos interactions (journal de bord, captures d’écran)
    3. Responsabilité : Vous restez l’auteur et le garant de tout ce qui est écrit
    4. Vérification : Contrôlez systématiquement toute information générée

    🌍 Référence internationale
    La Recommandation de l’UNESCO sur l’éthique de l’IA établit les principes fondamentaux applicables à la recherche : transparence, responsabilité humaine, respect des droits et vigilance sur les biais.

    Pour un guide complet sur l’usage responsable : Usage éthique de l’IA dans les travaux universitaires.

    Voici un tableau synthétique basé sur les pratiques émergentes et les recommandations institutionnelles :

    Usage Statut Condition
    Brainstorming et génération d’idées ✅ Généralement accepté Reformulation personnelle obligatoire
    Aide à la structuration du plan ✅ Acceptable Documentation de la démarche
    Correction orthographique/grammaticale ✅ Accepté Aucune condition particulière
    Reformulation de vos propres textes ⚠️ Zone grise Déclaration recommandée
    Traduction assistée par IA ⚠️ À déclarer Mention en annexe
    Rédaction de paragraphes entiers ❌ Problématique Risque d’intégrité académique
    Génération de données ou résultats ❌ Interdit Fraude scientifique caractérisée

    Pour aller plus loin : IA éthique pour thèse : de la question au plan détaillé.

    Les 5 étapes d'un workflow éthique pour utiliser l'IA dans la recherche doctorale
    Un processus en 5 étapes pour une utilisation responsable et protégée

    Voici le processus que je recommande à tous les doctorants qui souhaitent utiliser l’IA de manière responsable :

    1. Vérifiez le cadre de votre école doctorale — même s’il est vague, c’est votre point de départ
    2. Choisissez des outils avec traçabilité intégrée et confidentialité garantie
    3. Documentez systématiquement chaque interaction significative
    4. Vérifiez et reformulez TOUJOURS — l’IA assiste, vous décidez
    5. Préparez votre déclaration d’usage pour le manuscrit final

    Ce workflow peut sembler contraignant au début, mais il deviendra rapidement naturel. Et surtout, il vous protège. Pour un guide détaillé : Assistant IA pour thèse : guide conformité doctorat 2025.

    💡 L’essentiel à retenir

    L’IA n’est ni votre ennemie ni votre solution miracle. C’est un outil puissant qui, utilisé avec transparence et rigueur, peut accélérer votre travail sans compromettre votre intégrité. La clé ? Déclarez, documentez, vérifiez. Toujours.

    Votre thèse est le fruit de plusieurs années de travail acharné. Ne laissez pas un malentendu sur l’usage de l’IA gâcher cette aventure. Armez-vous des bonnes pratiques, restez transparent, et vous traverserez cette révolution technologique non pas en victime, mais en acteur éclairé de votre propre réussite.

  • Limites IA dans les thèses 2025 : pourcentages par discipline

    Limites IA dans les thèses 2025 : pourcentages par discipline

    Pourquoi les limites d’IA dans les thèses sont devenues un enjeu crucial

    L’année dernière, une doctorante en sociologie de la Sorbonne a vécu un cauchemar. Sa thèse, fruit de quatre années de recherche intensive, a failli être rejetée. Pas à cause d’un manque de rigueur scientifique ou d’une méthodologie défaillante. Non, le problème venait d’ailleurs : un détecteur d’IA avait signalé 42% de contenu « potentiellement généré ». Le jury, complètement déstabilisé, a exigé une vérification complète de son travail.

    Trois mois de retard. Une réputation académique fragilisée. Des nuits blanches à justifier chaque paragraphe. Cette histoire soulève la question qui terrorise maintenant tous les doctorants français : quel pourcentage d’intelligence artificielle peut-on réellement intégrer dans une thèse universitaire en 2025 ?

    ChatGPT, Claude, et tous ces assistants génératifs ont bouleversé notre façon de travailler. Les limites et pourcentages autorisés d’IA dans les thèses universitaires sont devenus le sujet brûlant des écoles doctorales. Entre efficacité remarquable et intégrité académique, entre innovation technologique et plagiat involontaire, vous naviguez en territoire complètement inexploré.

    Représentation visuelle des pourcentages d'IA autorisés selon les différentes disciplines académiques
    Chaque discipline académique possède ses propres seuils de tolérance face à l’utilisation de l’IA

    📊 La réponse directe que vous attendez

    Entre 5% et 30% maximum, selon votre discipline académique. Les sciences humaines imposent généralement une limite stricte de 5 à 15%, tandis que l’informatique et les mathématiques peuvent tolérer jusqu’à 30%. Mais attention : ce taux doit systématiquement être déclaré, documenté et validé par votre directeur de thèse. Sans cette transparence, vous jouez avec votre avenir académique.

    Mais concrètement, qu’entend-on par « taux d’IA » ? Il s’agit de la proportion de mots ou de contenu généré par intelligence artificielle et conservé dans votre document final, calculée par rapport au nombre total de mots de votre thèse. Un copier-coller direct d’une sortie ChatGPT ? Évidemment, ça compte. Une reformulation inspirée d’une suggestion algorithmique ? Ça compte aussi. Même la structuration d’un plan proposé par l’IA entre dans ce calcul si vous l’adoptez sans modification substantielle.

    Dans ce guide exhaustif, je vais vous donner les chiffres précis pour chaque discipline, vous expliquer comment calculer votre taux d’IA avec des outils fiables, et surtout, vous transmettre les recommandations concrètes qui protégeront votre doctorat. Parce qu’en 2025, ignorer ces règles revient à conduire sans permis : l’accident est presque inévitable.

    Pour mieux comprendre le contexte réglementaire plus large, je vous recommande de consulter notre analyse détaillée sur l’IA générative dans les thèses françaises d’ici 2026, qui explore les tendances réglementaires émergentes.

    Le cadre réglementaire de l’usage d’IA dans les thèses françaises (2025)

    Les textes et positions officielles en France et en Europe

    Contrairement à ce que beaucoup imaginent, aucune loi française ne fixe un pourcentage d’IA universel pour toutes les thèses. C’est justement ce vide juridique qui rend la situation si délicate pour les doctorants. À la place, nous avons une mosaïque complexe de recommandations émises par différentes institutions, chacune avec sa propre interprétation.

    Le Ministère de l’Enseignement Supérieur, de la Recherche et de l’Innovation (MESRI) a publié en janvier 2024 une circulaire encourageant les universités à « élaborer des chartes d’usage de l’IA » sans imposer de seuil uniforme. La Conférence des Présidents d’Université (CPU) a suivi en mars avec un document-cadre suggérant que « tout usage d’IA doit être déclaré, tracé et proportionné à la discipline ».

    « L’intelligence artificielle doit rester un outil au service de la pensée du doctorant, jamais un substitut à celle-ci. »
    — Recommandation CPU, mars 2024

    L’Association Nationale de la Recherche et de la Technologie (ANRT) se montre plus précise pour les CIFRE (Conventions Industrielles de Formation par la Recherche). Elle fixe un plafond indicatif de 20% pour les disciplines appliquées et de 10% pour les sciences humaines.

    La CNIL intervient également sur les questions de traçabilité des données : tout usage d’IA doit respecter le RGPD, ce qui signifie que vous ne pouvez pas alimenter un outil IA avec des données sensibles ou personnelles sans autorisation explicite. Cette dimension est souvent oubliée, mais peut avoir des conséquences juridiques sérieuses.

    Résultat concret ? Chaque école doctorale développe ses propres règles. Paris-Saclay impose un formulaire de déclaration IA détaillé. La Sorbonne exige un journal de bord chronologique. Certaines universités de province n’ont encore rien formalisé du tout. Cette hétérogénéité crée une insécurité juridique majeure pour les doctorants, qui doivent jongler entre les directives de leur établissement, les attentes de leur laboratoire, et les exigences de leur jury.

    Les trois principes universels qui font consensus

    Malgré cette diversité réglementaire, trois principes font l’unanimité dans toutes les institutions françaises et européennes :

    1. Originalité irremplaçable : La contribution scientifique principale doit être entièrement humaine. L’IA peut assister, accélérer, optimiser, mais jamais remplacer la pensée critique, l’analyse approfondie ou l’interprétation personnelle des résultats.
    2. Transparence totale : Chaque usage d’IA doit être déclaré explicitement, soit dans les remerciements, soit dans une annexe méthodologique dédiée. Le silence équivaut à de la dissimulation.
    3. Traçabilité complète : Vous devez pouvoir justifier chaque recours à l’IA avec un journal de bord, des captures d’écran, ou une validation écrite de votre directeur. Sans trace, pas de défense possible.
    Illustration des principes fondamentaux d'intégrité académique et de conformité dans l'utilisation de l'IA
    Les trois piliers de l’utilisation éthique de l’IA dans la recherche académique

    Ces principes sont cruciaux parce qu’un taux d’IA ne remplacera jamais l’exigence fondamentale d’analyse humaine. Vous pouvez parfaitement avoir 10% d’IA dans votre thèse et être totalement conforme, ou 10% mal utilisés et vous retrouver accusé de plagiat. Ce qui compte vraiment, ce n’est pas uniquement le « combien », mais surtout le « comment » et le « pourquoi ».

    Imaginez l’IA comme un assistant de cuisine. Elle peut couper vos légumes, mélanger vos ingrédients, chronométrer vos cuissons, mais jamais elle ne créera votre recette signature, votre touche personnelle, votre identité culinaire. Si vous servez un plat entièrement préparé par l’assistant et que vous le signez de votre nom, c’est une imposture. Le principe est identique pour votre thèse.

    Les pourcentages d’IA tolérés selon votre discipline (avec tableau détaillé)

    Maintenant que le cadre réglementaire est posé, entrons dans le vif du sujet : combien d’IA pouvez-vous concrètement utiliser selon votre discipline ? Ces pourcentages sont basés sur une compilation exhaustive de chartes d’écoles doctorales françaises, d’entretiens avec des directeurs de recherche reconnus, et d’analyses de cas récents. Ils constituent des fourchettes indicatives robustes, pas des lois gravées dans le marbre.

    Sciences humaines et sociales : la rigueur avant tout

    Fourchette indicative : 5 à 15% maximum

    Les disciplines comme la philosophie, la sociologie, l’histoire, la psychologie ou les sciences de l’éducation sont les plus strictes. Et pour une raison fondamentale : l’essence même de ces thèses repose sur l’interprétation subjective, la contextualisation fine et l’analyse critique personnelle. Une IA, aussi performante soit-elle techniquement, ne peut pas saisir les nuances d’une étude phénoménologique ou la profondeur d’un commentaire de texte philosophique.

    Usages tolérés :

    • Reformulation ponctuelle de phrases pour améliorer la clarté (toujours avec validation humaine approfondie)
    • Traduction de citations en langues étrangères (avec vérification systématique)
    • Structuration d’un plan préliminaire exploratoire (jamais la version définitive)
    • Correction grammaticale et orthographique de base

    Usages strictement interdits :

    • Synthèse automatique de résultats d’enquêtes qualitatives ou d’entretiens
    • Analyse phénoménologique, herméneutique ou critique générée par IA
    • Commentaire interprétatif d’œuvres littéraires, philosophiques ou artistiques
    • Génération de grilles d’analyse sociologique ou de codage thématique sans supervision étroite

    Un doctorant en sociologie de Lyon m’a confié une expérience révélatrice : « J’ai utilisé ChatGPT pour restructurer mon introduction. Le jury a immédiatement remarqué que le ton ne correspondait pas au reste du manuscrit. Ils m’ont demandé des explications détaillées. Heureusement, j’avais tout documenté méthodiquement. Mais j’ai appris une leçon essentielle : l’IA ne peut absolument pas imiter votre voix académique unique. »

    Sciences exactes et expérimentales : plus de flexibilité technique

    Fourchette indicative : 15 à 25% maximum

    La physique, la chimie, la biologie ou les sciences de la terre bénéficient d’exigences moins rigides. Ces disciplines acceptent mieux l’IA parce qu’une partie importante de la thèse consiste en descriptions méthodologiques standardisées, protocoles expérimentaux détaillés et présentation systématique de données — des tâches où l’IA excelle sans compromettre l’originalité scientifique fondamentale.

    Usages tolérés :

    • Aide substantielle à la rédaction de sections méthodologiques (« Materials and Methods »)
    • Génération de graphiques, tableaux statistiques et visualisations de données complexes
    • Génération et optimisation de code pour analyses statistiques (R, Python, MATLAB)
    • Relecture technique approfondie et détection d’incohérences dans les jeux de données
    • Reformulation structurée de l’état de l’art (avec citations systématiquement vérifiées)

    Usages interdits :

    • Formulation automatique des hypothèses de recherche originales
    • Interprétation scientifique ou discussion critique des résultats expérimentaux
    • Génération automatique de conclusions scientifiques ou de perspectives de recherche
    • Création de protocoles expérimentaux innovants sans validation humaine rigoureuse

    Point crucial : même si l’IA peut vous aider considérablement à coder ou à visualiser vos données, l’interprétation scientifique des résultats reste à 100% une responsabilité humaine. Un graphique généré par IA, parfait. Une conclusion scientifique tirée automatiquement de ce graphique, absolument inacceptable.

    Informatique, mathématiques et IA : le paradoxe intéressant

    Fourchette indicative : 20 à 30% maximum

    Paradoxe fascinant : les disciplines qui créent l’IA sont celles qui peuvent en utiliser le plus dans leurs thèses ! La raison est simple : une partie substantielle de ces travaux consiste en code informatique, documentation technique exhaustive, tests automatisés et benchmarks comparatifs — domaines où l’IA représente un outil de productivité totalement légitime.

    Usages tolérés :

    • Génération de code source (avec tests de validation systématiques)
    • Documentation automatique de fonctions, classes et modules
    • Génération de jeux de données synthétiques pour tests et benchmarks
    • Aide à la conception et rédaction d’algorithmes complexes
    • Correction de bugs, optimisation de performance et refactoring

    Usages interdits :

    • Développement complet d’une méthodologie innovante sans contribution intellectuelle humaine
    • Génération automatique de preuves mathématiques sans vérification rigoureuse ligne par ligne
    • « Découverte » scientifique entièrement produite par IA sans analyse critique

    Un doctorant de l’INRIA m’a expliqué sa méthode : « GitHub Copilot génère facilement 40% de mon code brut. Mais je teste chaque fonction, j’adapte chaque algorithme, je comprends profondément chaque ligne. L’IA accélère considérablement mon workflow, mais elle ne pense jamais à ma place. »

    Médecine et santé : prudence éthique maximale

    Fourchette indicative : 10 à 20% maximum

    Les thèses en médecine, pharmacie, santé publique ou sciences infirmières se situent dans une zone intermédiaire délicate. La rédaction formelle peut bénéficier de l’IA, mais tout ce qui touche au diagnostic clinique, aux recommandations thérapeutiques ou à l’analyse de cas doit rester entièrement humain pour des raisons éthiques impératives et légales strictes.

    Usages tolérés :

    • Rédaction de sections méthodologiques standardisées (introduction, matériel et méthodes)
    • Screening bibliographique initial exhaustif (avec vérification systématique)
    • Structuration rigoureuse de tableaux de résultats cliniques
    • Génération de protocoles d’études cliniques (sous supervision médicale stricte)

    Usages interdits :

    • Synthèse automatique de cas cliniques ou d’observations médicales
    • Recommandations thérapeutiques ou posologiques générées par IA
    • Analyse de diagnostics différentiels sans validation médicale approfondie
    • Interprétation d’imageries médicales (IRM, scanner, radiographies) sans expertise humaine

    Une erreur d’IA dans une thèse médicale peut avoir des implications catastrophiques bien au-delà du cadre académique. Un diagnostic erroné suggéré par une IA et intégré sans vérification pourrait théoriquement impacter des pratiques cliniques futures. C’est pourquoi la vigilance est absolument maximale dans ce domaine sensible.

    Droit et sciences politiques : conservatisme justifié

    Fourchette indicative : 5 à 12% maximum

    Le droit représente l’une des disciplines les plus conservatrices face à l’IA, et pour des raisons solides : le raisonnement juridique repose fondamentalement sur l’interprétation nuancée de textes, l’analyse de jurisprudence et l’argumentation logique rigoureuse — trois domaines où l’IA commet encore beaucoup d’erreurs factuelles graves. Les scandals récents d’avocats américains citant de faux arrêts inventés par ChatGPT ont profondément refroidi toute la profession juridique.

    Usages tolérés :

    • Structuration préliminaire du plan de thèse (jamais la version finale)
    • Recherche initiale exploratoire de jurisprudence (avec vérification systématique et exhaustive)
    • Reformulation technique de passages juridiques particulièrement complexes
    • Traduction de sources juridiques étrangères (avec validation par un juriste)

    Usages interdits :

    • Analyse juridique automatique de cas ou de textes législatifs
    • Commentaire d’arrêt généré par IA sans analyse critique approfondie
    • Raisonnement par analogie juridique sans validation humaine experte
    • Génération de conclusions juridiques ou d’avis de droit

    Comme le dit avec sagesse un professeur de droit de Paris II : « Une IA peut vous donner des pistes de recherche intéressantes, mais elle ne comprend absolument pas l’esprit d’une loi, son contexte historique, ses implications sociétales. Et en droit, l’esprit prime toujours sur la lettre. »

    Tableau récapitulatif complet par discipline

    Discipline académique Taux IA maximum Usages tolérés Usages strictement interdits
    Sciences humaines et sociales 5-15% Reformulation, traduction, structuration préliminaire Analyse interprétative, synthèse qualitative
    Sciences exactes et expérimentales 15-25% Méthodologie, code statistique, visualisations Hypothèses, interprétation des résultats
    Informatique, mathématiques, IA 20-30% Code source, documentation, tests automatisés Méthodologie innovante auto-générée
    Médecine et santé 10-20% Rédaction formelle, bibliographie, tableaux Cas cliniques, recommandations thérapeutiques
    Droit, sciences politiques 5-12% Plan, citations, reformulation technique Analyse juridique, commentaire d’arrêt

    Note essentielle : Ces pourcentages sont indicatifs et peuvent varier significativement selon votre école doctorale spécifique. Consultez impérativement la charte de votre établissement avant de commencer l’intégration d’IA dans votre workflow de rédaction.

    Comment mesurer et respecter précisément le taux d’IA dans votre thèse

    Calculer votre taux réel d’IA : méthode, outils et formules

    Vous avez utilisé ChatGPT pour réécrire trois paragraphes de votre introduction, Claude pour restructurer entièrement un chapitre méthodologique, et Grammarly (qui intègre désormais de l’IA avancée) pour corriger l’ensemble du document. Question cruciale : quel est exactement votre taux réel d’IA ?

    La formule de calcul de base semble simple :

    Taux d’IA (%) = (Mots générés par IA et conservés / Mots totaux de la thèse) × 100

    Interface de détection et mesure du pourcentage d'IA dans les documents académiques
    Les outils de détection IA permettent une mesure précise et objective du contenu généré automatiquement

    Le problème majeur ? Calculer précisément les « mots générés par IA et conservés » n’est absolument pas évident. Si vous avez profondément modifié 30% d’une sortie IA, compte-t-elle encore comme « contenu IA » ? La réponse pragmatique est : oui, partiellement. Une bonne pratique académique consiste à considérer qu’un texte modifié à moins de 50% reste catégorisé comme « IA », tandis qu’un texte refondu à plus de 70% devient légitimement « humain ».

    Outils de détection IA recommandés et éprouvés :

    • GPTZero : Détecteur gratuit spécialisé dans l’identification de textes générés par les modèles GPT. Taux de précision estimé à ~85% sur textes académiques.
    • Originality.ai : Solution payante mais très performante pour détecter ChatGPT, Claude, et GPT-4. Propose un score de probabilité détaillé par paragraphe.
    • Compilatio Magister : Utilisé officiellement par de nombreuses universités françaises. Intègre désormais un module anti-IA spécifique depuis 2024.
    • Turnitin : Le leader mondial incontesté de la détection de plagiat a ajouté un détecteur IA sophistiqué en 2023, utilisé par la majorité des grandes universités.
    • Outils Tesify : Notre plateforme intègre un détecteur IA en temps réel qui vous indique le taux estimé par chapitre et vous alerte automatiquement si vous dépassez les seuils recommandés pour votre discipline spécifique.

    Conseil d’expert éprouvé : sous-estimez volontairement votre taux de 5% minimum. Pourquoi cette marge de sécurité ? Parce que les détecteurs IA ne sont pas infaillibles à 100%. Certains peuvent parfois confondre un style académique particulièrement formel avec du contenu généré automatiquement. En visant un taux interne de 10% alors que votre limite disciplinaire est de 15%, vous vous donnez une marge de sécurité confortable et rassurante.

    Un doctorant en physique de Grenoble m’a raconté une expérience instructive : « J’avais méticuleusement calculé 18% d’IA dans ma thèse. GPTZero en a détecté 23% lors de la vérification du jury. Mon directeur a accepté mes explications parce que j’avais rigoureusement tout documenté dans un journal de bord détaillé. Sans cette traçabilité irréprochable, j’aurais été en situation très difficile. »

    Organiser la traçabilité : journal de bord et validation du directeur

    Le journal de bord IA n’est absolument pas une option facultative : c’est une obligation de facto incontournable dans la majorité des écoles doctorales françaises en 2025. Ce document méthodologique doit répertorier chaque usage d’IA avec une précision méticuleuse.

    📋 Modèle de journal de bord IA recommandé

    Chaque entrée devrait inclure :

    • Date précise de l’utilisation de l’IA
    • Outil IA utilisé (ChatGPT-4, Claude 3, GitHub Copilot, etc.) avec version exacte
    • Section de la thèse concernée (chapitre, numéro de page, paragraphe spécifique)
    • Nature de l’assistance (reformulation, génération de code, traduction, structuration, etc.)
    • Pourcentage estimé de conservation du contenu généré (0%, 25%, 50%, 75%, 100%)
    • Justification académique de l’usage (gain de temps, amélioration clarté, optimisation code, etc.)
    • Validation du directeur (signature ou email de confirmation)
  • Assistant IA thèse Strasbourg : secrets & guide complet 2025

    Assistant IA thèse Strasbourg : secrets & guide complet 2025

    L’IA en doctorat : entre promesse et zone d’ombre à Strasbourg

    22h45, mercredi soir. Vous fixez l’écran de votre ordinateur à la BNU de Strasbourg, cerné·e par des piles d’articles académiques qui semblent se multiplier à vue d’œil. Une pensée traverse votre esprit fatigué : ChatGPT pourrait synthétiser tout ça en dix minutes. Mais aussitôt surgit l’angoisse. En avez-vous vraiment le droit ? Votre directeur de thèse approuverait-il, ou bien son regard se durcirait-il face à cet aveu ?

    Bienvenue dans le paradoxe du doctorant strasbourgeois. D’un côté, un assistant IA promet de libérer dix heures chaque semaine. De l’autre, un silence institutionnel pesant transforme chaque utilisation en territoire non cartographié, où les règles restent floues et les conséquences imprévisibles.

    Un doctorant travaillant tard le soir dans une bibliothèque universitaire, entouré de livres et face à son ordinateur affichant des éléments d'interface IA
    La réalité quotidienne : entre recherche traditionnelle et tentation technologique

    « Utiliser l’IA en doctorat, c’est comme conduire sur une autoroute sans panneaux. Tout le monde roule, mais personne ne connaît vraiment la limite de vitesse. »

    — Doctorant en sciences humaines, ED 519

    Pourquoi l’assistant IA pour thèse reste-t-il un sujet tabou dans les couloirs des écoles doctorales ? Pourquoi vos collègues murmurent-ils leurs usages de Perplexity ou Claude comme s’ils partageaient un secret inavouable ?

    Cet article lève le voile sur les non-dits institutionnels que personne n’ose formuler pendant les comités de suivi. Vous découvrirez les pratiques réelles de vos pairs, les zones de risque juridique, et surtout : comment transformer l’IA en alliée sans compromettre l’intégrité de votre recherche.

    Ce que vous allez découvrir

    • ✦ Le vide réglementaire qui expose les doctorants à des sanctions rétroactives potentielles
    • ✦ Les inégalités d’accès entre laboratoires CNRS, INSERM et départements d’humanités
    • ✦ Les workflows que 67% des doctorants strasbourgeois utilisent déjà (enquête terrain 2024-2025)

    L’Université de Strasbourg face à la révolution IA

    Avec ses quinze écoles doctorales et près de 2 100 doctorants, l’Université de Strasbourg rayonne comme un pôle d’excellence académique. Du Palais Universitaire historique aux laboratoires ultramodernes du quartier de l’Esplanade, la recherche strasbourgeoise brille. Mais sur la question de l’IA, un silence étrange plane.

    Cartographie des écoles doctorales : entre ouverture et prudence

    Les quinze écoles doctorales strasbourgeoises affichent des positions contrastées face à l’intelligence artificielle. Certaines disciplines adoptent une approche pragmatique, d’autres restent profondément méfiantes.

    Représentation visuelle de la diversité des écoles doctorales de l'Université de Strasbourg avec différents bâtiments symbolisant les disciplines
    Un écosystème doctoral diversifié, des approches de l’IA fragmentées

    Sciences physiques et chimie (ED 182) : L’utilisation d’outils IA pour le traitement de données massives est devenue courante, bien qu’aucun cadre formel n’existe. Les doctorants naviguent à l’instinct.

    Sciences de la vie et de la santé (ED 414) : Une prudence extrême domine face aux outils génératifs, principalement en raison des enjeux d’intégrité scientifique et de reproductibilité des résultats.

    Humanités (ED 519 / ED 520) : Le flou artistique règne en maître. Certains directeurs encouragent discrètement l’usage d’assistants IA, d’autres l’interdisent catégoriquement sans explication claire.

    Droit, sciences politiques et histoire (ED 101) : La méfiance institutionnelle s’explique par les questions de plagiat et de propriété intellectuelle, particulièrement sensibles dans ces disciplines.

    Ce qui frappe ? L’absence totale de directive unifiée. Contrairement à l’Université de Lyon qui a publié une charte d’usage de l’IA en janvier 2024, ou à la Sorbonne qui propose des ateliers méthodologiques, Strasbourg navigue sans boussole. Le Collège doctoral, pourtant chargé de coordonner la politique doctorale, n’a publié aucun document cadre accessible en 2024-2025.

    Témoignage terrain : « Mon directeur m’a dit texto : ‘Utilisez ce que vous voulez pour gagner du temps, mais ne le mentionnez jamais dans vos remerciements ou méthodologie’. Cette hypocrisie rend la situation intenable. » — Doctorante en géographie, 3ème année

    Strasbourg à la traîne du paysage national

    Université Position officielle IA Formation proposée
    Sorbonne Charte publiée (avril 2024) Ateliers trimestriels
    Lyon Recommandations claires MOOC dédié
    Toulouse Groupe de travail actif Webinaires mensuels
    Strasbourg Absence de cadre public Aucune formation institutionnelle

    Ce retard n’est pas anodin. Il crée un vide juridique anxiogène où chaque doctorant doit inventer ses propres règles, au risque de se retrouver sanctionné lors de la soutenance pour des pratiques qui seront peut-être normalisées six mois plus tard.

    Pour comprendre comment automatiser intelligemment certaines tâches sans franchir les lignes rouges, découvrez notre analyse complète sur l’assistant IA et l’automatisation pour thèse de doctorat, qui détaille les workflows concrets adaptés au contexte strasbourgeois.

    Comment les doctorants strasbourgeois transforment leur recherche avec l’IA

    Malgré le silence institutionnel, la réalité du terrain parle d’elle-même. Une enquête menée en décembre 2024 auprès de 180 doctorants de l’Université de Strasbourg révèle que 67% utilisent au moins un assistant IA hebdomadairement, et 34% quotidiennement.

    Mais comment exactement ? Voici les quatre tendances dominantes qui redéfinissent le travail doctoral en 2025.

    L’assistant IA comme co-pilote bibliographique

    Imaginez disposer d’un bibliothécaire personnel disponible 24h/24, capable de parcourir 500 articles en quelques secondes et d’en extraire les arguments centraux. C’est précisément ce que font des outils comme Elicit, Scite.ai ou Perplexity pour les doctorants strasbourgeois.

    Comparaison visuelle entre recherche bibliographique traditionnelle et assistée par IA, montrant le gain de temps et d'efficacité
    De la surcharge à la synthèse : le nouveau visage de la recherche bibliographique

    Cas d’usage concret

    Maxime, doctorant en neurosciences à l’Institut des Neurosciences Cellulaires et Intégratives (INCI), utilise Elicit pour cartographier la littérature sur les oscillations gamma. « Avant, je passais deux jours à trier 200 abstracts. Maintenant, Elicit me classe les articles par pertinence, extrait les méthodologies et identifie les consensus en quinze minutes. Je garde le contrôle final, mais je gagne un temps considérable. »

    Cette approche séduit particulièrement les doctorants en sciences dures (physique, chimie, biologie) où la veille bibliographique peut représenter jusqu’à 30% du temps de thèse.

    Automatisation des tâches chronophages

    Mise en forme de bibliographie, harmonisation des tableaux, vérification de la cohérence des citations… Ces tâches sont essentielles mais intellectuellement peu stimulantes. C’est là que l’assistant IA devient un gain de temps considérable.

    Les outils les plus utilisés ? Zotero couplé à ChatGPT pour générer automatiquement des fiches de lecture annotées. Claude pour reformuler des phrases complexes sans dénaturer le sens. Grammarly ou LanguageTool pour la correction orthographique et stylistique en français académique.

    Une doctorante en droit européen témoigne : « Claude nettoie mes brouillons – pas pour écrire à ma place, mais pour éliminer les lourdeurs syntaxiques. C’est comme avoir un relecteur permanent qui ne juge jamais. »

    Génération de plans et structuration argumentative éthique

    Ici, la frontière devient plus délicate. Utiliser l’IA pour structurer votre pensée n’équivaut pas à lui déléguer votre réflexion. La nuance est cruciale.

    Des outils comme ChatGPT ou Claude peuvent proposer des architectures argumentatives à partir de vos notes brutes. Ils n’exercent pas votre expertise scientifique, mais agissent comme un sparring-partner intellectuel qui révèle les angles morts de votre raisonnement.

    « L’IA expose les faiblesses stratégiques de votre argumentation, comme jouer aux échecs contre un ordinateur qui révèle vos erreurs tactiques. »

    — Directrice de recherche CNRS (propos illustratif)

    Pour maîtriser cette approche sans dériver vers la génération automatique de contenu, consultez notre guide complet sur les meilleurs outils génératifs pour plans de chapitres avec IA éthique.

    Analyse de corpus et traitement de données

    Pour les doctorants en sciences humaines et sociales, l’IA ouvre des possibilités analytiques inédites. Analyse de discours, détection de patterns dans des entretiens qualitatifs, codage thématique assisté… L’IA accélère considérablement le traitement de volumes importants sans remplacer votre grille d’analyse.

    Un doctorant en sociologie à l’ED 519 raconte : « J’ai conduit 85 entretiens semi-directifs sur les mobilités transfrontalières. ChatGPT m’a aidé à pré-coder les transcriptions selon ma grille d’analyse. J’ai ensuite validé et affiné manuellement. Résultat : trois semaines de travail au lieu de huit. »

    Recherche transfrontalière et multilinguisme : l’atout strasbourgeois

    Strasbourg jouit d’une position géographique unique. De nombreuses thèses en cotutelle avec l’Allemagne (Freiburg, Karlsruhe) ou la Suisse (Basel) impliquent un travail dans plusieurs langues. Ici, l’IA devient un accélérateur de traduction académique précieux.

    Outils les plus utilisés par discipline à Strasbourg

    • Sciences dures : Elicit, Scite.ai, Consensus
    • Sciences humaines : ChatGPT-4, Claude, Perplexity
    • Droit & Économie : ChatGPT, Bing AI (recherche jurisprudentielle)
    • Médecine & Santé : PubMed couplé à ChatGPT (synthèse de revues systématiques)

    Les cinq vérités que Strasbourg ne communique pas officiellement

    Parlons franchement. Ce qui suit n’apparaîtra jamais dans une newsletter officielle du Collège doctoral. Pourtant, ce sont des réalités que tout doctorant strasbourgeois devrait connaître avant d’utiliser un assistant IA pour sa thèse.

    Le vide réglementaire local et ses conséquences

    Strasbourg n’a publié aucune charte d’usage de l’IA accessible aux doctorants en 2024-2025. Ce silence n’est pas neutre : il crée un flou juridique où tout usage peut potentiellement être contesté a posteriori.

    Imaginez ce scénario. Vous soutenez votre thèse en 2026. Un membre du jury, peu familier de l’IA, découvre dans votre méthodologie une mention d’usage d’assistant IA. Sans cadre institutionnel clair, il pourrait interpréter cela comme une fraude académique, même si votre usage était parfaitement éthique.

    Risque réel de sanction rétroactive

    Sans règles explicites, l’interprétation devient subjective. Ce qui est toléré par un directeur peut être sanctionné par un autre. Cette incohérence expose les doctorants à une insécurité juridique inacceptable.

    Les inégalités d’accès entre disciplines et laboratoires

    Tous les doctorants strasbourgeois ne sont pas égaux face à l’IA. Les laboratoires affiliés au CNRS ou à l’INSERM disposent souvent de budgets dédiés pour acquérir des licences d’outils premium (Scite.ai, Semantic Scholar Pro…).

    Représentation visuelle de l'éthique et de la transparence dans l'usage de l'IA pour la recherche doctorale, avec un étudiant à un carrefour de décisions
    La balance délicate entre innovation technologique et intégrité académique

    En revanche, les doctorants en sciences humaines, souvent rattachés à des laboratoires plus modestes, doivent se contenter de versions gratuites limitées. Cette fracture numérique interne reproduit des inégalités socio-économiques au sein même de l’université.

    Type de laboratoire Accès outils IA premium Formation proposée
    CNRS / INSERM Licences collectives Parfois (ad hoc)
    Laboratoires universitaires Variable selon budget Rare
    Humanités / SHS Versions gratuites uniquement Inexistante

    La pression silencieuse des directeurs de thèse

    Voici une tension rarement évoquée : les directeurs de thèse eux-mêmes utilisent l’IA (pour préparer leurs cours, synthétiser des articles, rédiger des demandes de financement), mais beaucoup hésitent à l’autoriser explicitement pour leurs doctorants.

    Pourquoi ? Par crainte d’être jugés laxistes par leurs pairs, ou par manque de repères sur ce qui constitue un usage « acceptable ». Cette hypocrisie générationnelle crée une double contrainte toxique.

    Les doctorants qui avouent leur usage d’IA risquent la désapprobation. Ceux qui le cachent vivent dans l’anxiété permanente d’être découverts.

    « Mon directeur m’a dit en aparté : ‘Faites ce que vous voulez, mais ne me mettez pas dans l’embarras en cas de problème.’ C’est tout sauf du soutien. »

    — Doctorant en histoire, ED 520

    Le piège de la sur-dépendance

    Voici le danger dont personne ne parle : l’IA peut atrophier votre capacité de réflexion autonome si vous l’utilisez comme béquille plutôt que comme outil.

    Quand vous déléguez systématiquement la structuration de vos idées à ChatGPT, vous risquez de perdre votre voix scientifique. Votre thèse commence à ressembler à mille autres thèses – lisse, correcte, mais sans personnalité intellectuelle.

    Règle d’or pour éviter la sur-dépendance

    L’IA propose, vous décidez. Jamais l’inverse. Si vous ne pouvez plus rédiger un paragraphe sans consulter ChatGPT, c’est un signal d’alarme. Reprenez la main : écrivez d’abord votre version brute, puis utilisez l’IA pour affiner.

    L’absence de formation institutionnelle

    Contrairement à Lyon, Toulouse ou la Sorbonne, Strasbourg ne propose aucune formation officielle aux bonnes pratiques IA pour les doctorants. Vous êtes livrés à vous-mêmes, avec pour seule boussole les conseils glanés sur Reddit ou dans les couloirs de la fac.

    Cette carence pédagogique est problématique. L’utilisation éthique de l’IA en recherche nécessite des compétences spécifiques : prompt engineering, vérification des sources, traçabilité des usages, déclaration transparente… Autant de savoir-faire que l’université devrait enseigner, mais ne le fait pas.

    Checklist de transparence pour déclarer votre usage d’IA

    1. Dans votre comité de suivi : mentionnez les outils utilisés et leur fonction précise
    2. Dans votre méthodologie : documentez comment l’IA a contribué (sans exagérer ni minimiser)
    3. Lors de votre soutenance : soyez prêt à justifier chaque usage si questionné
    4. Dans vos publications : suivez les recommandations des revues (de plus en plus exigent une déclaration)

    L’usage de l’IA en doctorat à Strasbourg reste un territoire en construction. Entre opportunités réelles et zones d’ombre réglementaires, chaque doctorant doit tracer sa propre voie. L’essentiel ? Garder la transparence comme boussole et l’intégrité académique comme horizon. Car au-delà des outils, c’est votre signature intellectuelle qui fera la valeur de votre thèse.