Les bibliothèques ont connu une évolution majeure dans la recherche documentaire, face à l'émergence des moteurs de recherche web et de leurs algorithmes de pertinence personnalisés. Aujourd’hui, l'IA générative transforme l'indexation des médias, permettant une recherche en langage naturel. Ces changements imposent aux bibliothèques de
repenser la formation des usagers, en mettant l'accent sur la critique de l'information et la formulation des requêtes, tout en abordant les défis éthiques, environnementaux et de souveraineté des données liés à l'IA.

Toutefois, plusieurs études récentes soulignent des lacunes importantes de ces systèmes. Un rapport publié par des bibliothécaires évalue la fiabilité des réponses d’IA basées sur des modèles de langage : les systèmes peuvent « halluciner » des informations, générer des réponses imprécises ou reproduire des biais culturels et disciplinaires, en particulier lorsqu’ils manquent de données actualisées ou spécialisées.

Results show promising performance for structured fields such as title and author (up to 99% accuracy) but significantly lower accuracy for complex fields like subject and genre (below 50%). Overall, model performance does not yet meet the 95% quality threshold required for full automation.

Ensemble de ressources repéré par l'ENSSIB