Avis sur Semantic Scholar : Trouve-t-il de meilleures sources que Google Scholar ?

Saisie textuellement dans Semantic Scholar, une phrase issue d'un projet sur CRISPR n'a correspondu à aucun des 238 539 980 articles proposés dans sa barre de recherche. Google Scholar, avec la même phrase, a classé le rapport d'essai du NEJM de 2021 en première position.

Réduite aux mots-clés CRISPR transthyretin amyloidosis, la recherche a également placé cet essai en tête dans Semantic Scholar, et la page de l'essai comptabilisait séparément ses citations de contexte, de méthodes et de résultats. Dans ce test, Semantic Scholar a récompensé la recherche par mots-clés et l'analyse de la manière dont une source a été lue, plutôt que la saisie d'une affirmation pour en trouver la source.

<CTA title="Recherchez l'article sans quitter votre document" description="Recherchez un article directement depuis votre document, et intégrez la citation et sa référence en un seul clic" buttonLabel="Essayer Jenni gratuitement" link="https://app.jenni.ai/register" />

TLDR (En résumé)

Semantic Scholar est-il meilleur que Google Scholar pour trouver des articles ?

Pas sur ce test. La cible était un article précis, le rapport de 2021 sur le premier essai chez l'homme de NTLA-2001 de Gillmore et al. dans le New England Journal of Medicine, et les quatre mêmes recherches ont été effectuées sur les deux moteurs avec des résultats triés par pertinence.

• La phrase de l'essai, saisie textuellement - Semantic Scholar a renvoyé "Aucun article trouvé". Google Scholar a listé environ 254 résultats et a classé le rapport du NEJM au 1er rang.

• LNP CRISPR transthyretin - l'essai s'est classé 15e sur 454 dans Semantic Scholar et 1er sur environ 2 580 dans Google Scholar.

• first in human CRISPR transthyretin trial - Semantic Scholar n'a pas affiché l'essai dans ses 20 premiers résultats. Google Scholar l'a classé 5e.

• CRISPR transthyretin amyloidosis - les deux moteurs ont classé l'essai en 1ère position.

Google Scholar a donc égalé ou battu Semantic Scholar sur chaque recherche ici. C'est après la découverte de l'article que Semantic Scholar s'est démarqué, grâce aux détails fournis sur la façon dont les travaux ultérieurs l'ont cité.

<ProTip title="🔎 Cherchez par mots-clés, pas par phrases :" description="Réduisez l'affirmation à la méthode et à la pathologie, comme CRISPR transthyretin amyloidosis. Cette recherche en trois mots a placé l'essai en premier, alors que la phrase complète n'a rien donné" />

Qu'est-ce que Semantic Scholar ?

Semantic Scholar est un moteur de recherche d'articles scientifiques développé par Ai2, que sa page de présentation décrit comme un institut de recherche à but non lucratif. Cette même page le qualifie d'outil de recherche gratuit basé sur l'IA pour la littérature scientifique, et sa barre de recherche proposait 238 539 980 articles le jour du test.

Quatre fonctionnalités clés s'ajoutent à la recherche et la distinguent d'un simple index :

• TLDR - un court résumé généré par IA affiché sur les résultats. La FAQ précise qu'ils couvrent l'informatique et les articles biomédicaux.

• Types de citations - les articles citant sont classés en citations de contexte, de méthodes et de résultats, avec un décompte de ceux ayant une grande influence.

• Extraits - la phrase précise qu'un article citant a écrite sur la source, affichée sous son résultat.

• Semantic Reader - un lecteur PDF proposé sur certains articles, où une citation dans le texte ouvre une fiche sur l'article cité.

La page de l'essai proposait également des boutons Sauvegarder dans la bibliothèque et Créer une alerte. Ce test n'a utilisé ni l'un ni l'autre, car les deux modifient le compte.

À qui s'adresse Semantic Scholar ?

Il est idéal pour la phase de lecture de la recherche, une fois que les termes du sujet sont connus. Trois types de lecteurs en profitent le plus :

• Le doctorant en pleine revue de littérature - qui a besoin de voir quelles études ultérieures citent les résultats d'un article clé, et pas seulement la fréquence à laquelle il a été cité.

• Le chercheur révisant un manuscrit - qui souhaite vérifier comment un essai cité a été décrit depuis sa publication.

• L'étudiant en Master dont le directeur demande d'où vient une affirmation - à condition que la recherche soit formulée sous forme de mots-clés.

Ce n'est pas un outil d'écriture. Il trouve et explique les articles, mais la rédaction des citations se fait ailleurs.

Le test de recherche

L'affirmation testée provenait du paragraphe sur CRISPR utilisé dans ces différents examens d'outils : "The first in-human systemic trial of an LNP delivered CRISPR therapy reported a mean reduction in serum transthyretin of 87 percent at the higher dose after a single infusion."

La phrase, saisie textuellement

Saisie dans la barre de recherche de Semantic Scholar, la phrase a renvoyé une page intitulée "Aucun article trouvé", avec la mention "Désolé, il n'y a pas de résultats pour" suivie de la phrase répétée. Supprimer le point final et relancer la recherche a donné le même résultat.

Semantic Scholar après la saisie de la phrase test dans sa barre de recherche

Google Scholar a pris la même phrase, point final inclus, et a renvoyé environ 254 résultats avec le rapport du NEJM en 1ère position. Pour un étudiant qui travaille en copiant une affirmation de son brouillon, c'est cette différence qui compte le plus.

Trois mots-clés à la place

La recherche CRISPR transthyretin amyloidosis a renvoyé environ 7 930 résultats, et le premier était le rapport de l'essai, daté du 26 juin 2021, avec 1 239 citations et un TLDR sous le nom de l'auteur.

Le premier résultat pour CRISPR transthyretin amyloidosis, avec son TLDR

La barre de filtres au-dessus des résultats propose les Domaines d'études, la Plage de dates, Dispose d'un PDF, l'Auteur, et les Revues & Conférences. Aucun n'était nécessaire ici, car l'essai figurait déjà en premier.

Un second enregistrement avec le même titre

Le résultat 10 de cette page portait exactement le même titre que l'essai, la même revue et une date du 28 octobre 2021, avec 83 citations propres. Son DOI se termine par NEJMc2114592, que PubMed répertorie comme la réponse de 2 pages des auteurs aux lettres concernant l'essai, tandis que le rapport d'essai original se termine par NEJMoa2107454.

Un étudiant qui enregistrerait le mauvais document citerait une simple réponse de correspondance au lieu de l'essai clinique. Google Scholar a également listé un second enregistrement avec le titre de l'essai (au 4ème résultat pour la phrase complète), la vérification s'impose donc sur les deux moteurs.

<ProTip title="🧾 Comparez les DOI avant d'enregistrer :" description="Lorsque deux résultats partagent le même titre, ouvrez les deux et comparez les DOI. Ici, l'essai se terminait par NEJMoa2107454 et la réponse par NEJMc2114592" />

Dans quelle mesure peut-on faire confiance aux informations affichées ?

Le résumé TLDR omet les chiffres clés

Le TLDR de l'essai indique : "Dans un petit groupe de patients atteints d'amylose héréditaire ATTR avec polyneuropathie, l'administration de NTLA-2001 a été associée à des effets indésirables légers uniquement et a entraîné une baisse des concentrations de protéine TTR sérique par inactivation ciblée de TTR."

Il s'agit mot pour mot de la phrase de conclusion du résumé. Elle ne contient aucune dose ni aucun pourcentage, et ne permet donc pas de confirmer les 87 % mentionnés dans notre brouillon.

Pourtant, les chiffres sont à un clic de distance. Cliquer sur "Expand" ouvre l'abstract, dont la section résultats indique 52 % à 0,1 mg par kilogramme et 87 % à 0,3 mg par kilogramme au 28e jour, ce qui correspond parfaitement à l'enregistrement PubMed.

<ProTip title="📑 Ouvrez l'abstract avant de citer :" description="Pour cet essai, le TLDR mentionnait le résultat mais sans aucun chiffre. Cliquez sur Expand pour récupérer les données précises dans la section résultats de l'abstract" />

Le nombre de citations varie selon les moteurs

Semantic Scholar affichait 1 239 citations pour l'essai. Le même soir, Google Scholar indiquait "Cité par 2180" pour le même article.

Il convient donc de toujours préciser le moteur de recherche d'où provient le décompte des citations, et de ne le comparer qu'à d'autres décomptes issus de ce même moteur.

Le bouton de citation nécessite une double vérification

L'outil de citation propose les formats BibTeX, MLA, APA et Chicago, ainsi que l'export vers BibTeX et EndNote. L'onglet APA a généré ceci pour l'essai :

L'onglet APA de l'outil de citation de Semantic Scholar pour l'essai

Comparée à l'enregistrement PubMed, qui indique le volume 385, le numéro 6, et les pages 493 à 502, la référence générée présente quatre erreurs :

• Absence de volume, de numéro et de pages - la référence s'arrête net après le nom de la revue.

• Pas de DOI - le Purdue OWL précise que le style APA 7 inclut un DOI dès qu'il est disponible, ce qui est le cas pour cet essai.

• Les 26 auteurs listés - le style APA 7 exige de lister les 19 premiers, suivis de points de suspension, puis du dernier auteur, comme l'indiquent le Purdue OWL et le guide de citation de plusieurs auteurs en APA.

• Majuscules de la revue - le nom de la revue s'affiche sous la forme "The New England journal of medicine".

L'onglet MLA se terminait par "n. pag.", signifiant l'absence de numéros de page pour un article qui en possède pourtant. L'entrée BibTeX ne comprenait aucun champ pour le volume, les pages ou le DOI, et faisait pointer son URL vers l'API de Semantic Scholar.

La version APA de Google Scholar pour le même article était plus précise, mentionnant le volume 385, le numéro 6 et les pages 493-502. Elle listait 6 auteurs, suivis de points de suspension et d'une esperluette avant le dernier auteur, mais ne proposait pas non plus de DOI.

<ProTip title="🧩 Vérifiez la référence avec PubMed :" description="Ouvrez l'article sur PubMed et complétez la référence avec le volume, le numéro, les pages et le DOI. L'outil de citation avait omis ces quatre éléments pour cet essai" />

Où Semantic Scholar se démarque vraiment

Un panneau de citations classé par type

La page de l'essai affiche un total de 1 239 citations et les segmente par type. On compte 55 citations hautement influentes, 209 citations de contexte, 43 citations de méthodes et 4 citations de résultats.

Le panneau de citations sur la page de l'essai dans Semantic Scholar

Google Scholar propose un décompte unique "Cité par". Pour une revue de littérature, la liste des citations de résultats est un raccourci formidable pour cibler directement les articles qui s'appuient sur les conclusions de l'essai.

Les extraits révèlent ce que dit l'article citant

En filtrant les citations sur "Results Citations", on obtient 4 articles, chacun doté d'un badge "Highly Influenced". En ouvrant les extraits d'un commentaire de 2023 dans Global Cardiology Science and Practice, on accède directement à la phrase de citation.

Un article citant et son extrait, labellisé "Cites results from"

On peut y lire : "Reductions in TTR levels over 90% in this trial were achieved with higher doses than those used in the previously reported polyneuropathy arm of the study 40 ; however, there were no significant adverse events." Cela permet de comprendre comment l'essai est exploité sans même avoir à ouvrir l'un ou l'autre article, ce qu'un simple décompte de citations ne permet pas de faire.

<ProTip title="🧭 Filtrez les citations par Résultats :" description="Sur un article clé, définissez le type de citation sur "Results Citations", puis ouvrez les extraits. Chacun d'eux montre la phrase exacte où l'article ultérieur cite ses résultats" />

Des fiches de citation intégrées au lecteur

Le rapport d'essai original s'ouvrait uniquement via nejm.org et PubMed, sans lien vers le lecteur. Le commentaire de 2023, quant à lui, disposait d'un lien de lecture et s'est ouvert dans Semantic Reader.

Cliquer sur la citation 40 dans Semantic Reader a ouvert une fiche pour l'essai cité

Cliquer sur son numéro de citation 40 a ouvert une fiche sur l'essai du NEJM avec le titre, les auteurs, la revue, la date et le TLDR, ainsi que des badges indiquant 1 239 et 55, correspondant exactement aux décomptes de citations de l'essai.

Combien coûte Semantic Scholar ?

Rien. Semantic Scholar ne propose aucun abonnement payant, et sa FAQ le qualifie d'outil entièrement gratuit. L'intérêt d'y recourir repose donc uniquement sur ses fonctionnalités d'analyse plutôt que sur des critères de prix.

Tarifs d'octobre 2026, consultés le 4 octobre sur semanticscholar.org/faq et jenni.ai/pricing.

Semantic Scholar face aux alternatives

Google Scholar - sur ce test, c'est le meilleur choix pour saisir une affirmation et retrouver directement sa source. Le guide de Google Scholar présente ses différents opérateurs de recherche, tels que les guillemets et OR.

Elicit - Elicit a analysé la même phrase complète le même jour via sa fonction "Trouver des articles" et a classé le rapport du NEJM en tête d'un tableau à 3 lignes. Sur ce test, il a su retrouver la source à partir d'une simple affirmation, là où Semantic Scholar n'a rien renvoyé.

Jenni - il intervient à l'étape clé de l'écriture, directement dans votre document. Son bouton de citation ouvre une recherche d'articles au niveau du curseur, et un simple clic insère à la fois la citation dans le texte et sa référence complète.

Lors d'un test le 1er octobre, son entrée au format APA pour ce même essai listait bien les 19 premiers auteurs, les points de suspension et le dernier auteur, ainsi que le volume 385, le numéro 6, les pages 493 à 502 et le DOI.

Lorsque le titre a été saisi dans cette recherche, Jenni a classé une réimpression de 2022 avec le même titre au-dessus du rapport du NEJM, montrant que la vérification du DOI reste pertinente là aussi.

Les articles trouvés dans Semantic Scholar peuvent être facilement importés par leur DOI, ou via l'import Zotero et Mendeley. Notre comparatif Jenni vs ChatGPT propose un test similaire de recherche d'essai face à un chatbot, et le guide des bases de données de recherche médicale répertorie les autres espaces de recherche clinique.

Faut-il utiliser Semantic Scholar pour sa thèse ?

Oui, mais en complément de Google Scholar plutôt qu'en remplacement. Sur ce test, Google Scholar s'est montré redoutable pour remonter d'une affirmation à sa source, tandis que Semantic Scholar a brillé pour montrer qui a cité les résultats de l'essai et comment.

N'acceptez jamais une citation générée automatiquement par un bouton de citation comme définitive. Vérifiez toujours le DOI, le volume et les pages par rapport à l'enregistrement PubMed, et assurez-vous que la source dit bien ce que votre phrase affirme, comme l'explique notre article sur l'utilisation d'une vraie source pour une fausse affirmation.

<CTA title="Citez vos articles et obtenez des références parfaites" description="Jenni a enregistré cet essai avec son volume, son numéro, ses pages et son DOI. Notre sélecteur de style prend en charge plus de 10 000 styles de citation" buttonLabel="Commencer à écrire gratuitement" link="https://app.jenni.ai/register" />

Pour la phase d'écriture proprement dite, rédigez votre thèse dans Jenni. Les citations et la bibliographie y sont centralisées dans le même fichier que vos chapitres, et notre fonction de vérification des affirmations valide chaque énoncé face aux sources publiées.