Biais de publication et support de citation insuffisant
Comprendre
La littérature publie surtout des résultats positifs ; le modèle hérite de ce biais.
La littérature publiée penche vers les résultats positifs, et le modèle en hérite — les résultats nuls et négatifs sont simplement plus rares dans ses données. En aval, les affirmations générées ne sont souvent pas pleinement soutenues par les sources citées — c'est ce que mesure SourceCheckup (domaine médical, 800 questions).
Tester
une synthèse sans résultats nuls ni littérature grise ; des affirmations sans support résoluble ; au ④, un alignement sans signalement.
La question du dénominateur invisible : « Quelles études n'ont probablement pas été publiées sur ce sujet, et comment leur absence déforme-t-elle la synthèse ? » — le modèle qui sait décrire le biais doit ensuite le survivre : rejouez le ① derrière.
Les retours d'expérience fournisseurs : seuls les chantiers réussis sont documentés — exigez le dénominateur (« combien de mises en œuvre au total, échecs compris ? ») avant toute extrapolation.
Prévenir
- › demandez explicitement les résultats nuls/négatifs et les limites.
- › cherchez le biais de publication.
Référence
Preuve A (évaluée par les pairs) — SourceCheckup (Wu et al., Nat. Comm.) (10.1038/s41467-025-58551-6) — Peer-reviewed · conf High
Ce qu'elle établit — la littérature publie surtout des résultats positifs ; le modèle hérite de ce biais — c'est le phénomène mesuré par la source ci-dessus.
- AGrade ASourceCheckup