Méthodologie de la revue systématique : ce qui ladistingue d'une revue de littérature très rigoureuse

Dans une revue ordinaire, vous pouvez ajuster votre approche au fil des lectures. La revue systématique fait l'inverse : vous fixez à l'avance la question, la stratégie de recherche, les critères de sélection et les méthodes d'évaluation, vous exécutez exactement comme prévu, et vous consignez tout le processus.

Pourquoi ? Parce que si vous changez les critères en cours de route, votre revue devient indiscernable d'une revue qui n'admet que les articles arrangeant votre thèse. Reproductibilité et transparence sont la raison d'être de ce format.

Structurez d'abord votre question de revue avec PICO (population, intervention, comparaison, critère de jugement) — ou PECO (exposition) si vous ciblez des études observationnelles.

Laissez ce point dans le flou, et chaque étape en aval hérite de l'incohérence. Cette unique question deviendra l'étalon de centaines de décisions d'inclusion à venir.

Documentez la question, la stratégie de recherche, les critères d'inclusion et d'exclusion et les méthodes d'évaluation dans un protocole, avant l'exécution. Dans de nombreux domaines, l'enregistrement prospectif dans un registre est recommandé.

L'obligation d'enregistrement et son format varient selon le domaine et la revue cible — vérifiez les recommandations avec votre directeur et la revue visée.

Interrogez plusieurs bases de données en consignant tout au fur et à mesure. Noms des bases, équations de recherche, dates et nombres de résultats sont autant de chiffres dont vous aurez besoin plus tard pour le diagramme de flux PRISMA.

Les résultats de plusieurs bases se recoupent inévitablement : fusionnez et dédupliquez à cette étape — en consignant les décomptes.

Écartez les articles manifestement inéligibles sur titre et abstract ; évaluez l'éligibilité des autres sur le texte intégral. Documentez la raison de chaque exclusion.

La mécanique concrète de cette étape est détaillée dans notre article sur le screening — pour l'instant, contentez-vous de la situer dans le processus d'ensemble.

Sur les études incluses, extrayez les éléments prédéfinis dans un format homogène (extraction des données) et évaluez la probabilité que les résultats de chaque étude soient biaisés (risque de biais).

Les deux se font à partir de la section Méthodes et des figures du PDF original — pas à partir des résumés IA. Pour les détails, voyez nos articles sur l'extraction des données et l'évaluation du risque de biais.

Enfin, synthétisez les résultats qualitativement ou quantitativement (méta-analyse) et rapportez selon PRISMA. Le diagramme de flux n'est rien d'autre que l'assemblage des chiffres que vous avez consignés.

L'opportunité d'une méta-analyse dépend de l'homogénéité des études et de la cohérence de leurs données — un arbitrage qui requiert une expertise statistique ou votre équipe.

Tout au long de ce processus, l'IA peut aider à la première lecture, au classement des candidats et aux brouillons. Mais les arbitrages finaux sur la conception, l'inclusion et l'évaluation restent aux humains et à l'équipe.

Il en va de même pour des outils comme Paperfy : son juste rôle est celui d'une surface de travail où gérer de grands volumes de PDF à raison d'une page par article, passer du résumé IA au texte original et conserver vos notes de jugement. Il répond à un besoin différent des outils dédiés de gestion de revue et des gestionnaires de références — utilisez-les côte à côte.