Semantic Scholar est un moteur de recherche de travaux construit par l’Allen Institute for AI, une organisation de recherche à but non lucratif. Il couvre des centaines de millions d’articles académiques en sciences, médecine, ingénierie et sciences sociales, et il est gratuit. Contrairement à une recherche par mots-clés simple, il utilise des modèles de langage pour comprendre de quoi parlent les articles et comment ils se relient, ce qui aide à faire remonter des travaux pertinents qui n’utilisent pas exactement les mots tapés.
Plusieurs fonctions aident à décider quoi lire. Un court résumé TLDR apparaît sur beaucoup d’articles, et les pages de citations montrent comment d’autres articles ont cité un travail et si la citation le soutient, le contredit, ou le mentionne seulement. L’outil met en avant les citations influentes, montre des articles liés, et permet de construire une bibliothèque avec des recommandations fondées sur ce que tu enregistres. Le Semantic Reader superpose des définitions et des cartes de citation sur les PDF, pour comprendre un article sans sauter d’onglet en onglet. Des alertes préviennent des nouveaux articles sur un sujet ou d’un auteur.
Une API ouverte donne aux développeurs accès aux données, et les chercheurs s’en servent pour de grandes analyses de la littérature. Semantic Scholar ne détient pas le texte intégral de chaque article, et la couverture est meilleure en informatique et en biomédecine que dans certains autres domaines. Google Scholar est plus large en couverture mais moins structuré, tandis que Consensus, Elicit et SciSpace ajoutent des réponses IA par-dessus la recherche. Pour trouver et trier des articles sans frais, c’est un bon point de départ.