Notre méthodologie
Une approche systématique combinant 75 ans de la méthode Delphi avec le consensus IA multi-modèle — transparente, reproductible et conçue pour les chercheurs.
La méthode Delphi
La méthode Delphi a été développée à la RAND Corporation en 1963 par Dalkey et Helmer. Depuis plus de 75 ans, elle a été utilisée dans plus de 10 000 études publiées pour atteindre un consensus fiable entre experts indépendants.
Delph-AI adapte cette méthodologie éprouvée à la sélection de revues systématiques par IA. Nous avons intégré des modèles de langage au panel d'experts — même rigueur, résultats plus rapides, avec le chercheur toujours aux commandes.
études publiées
Dalkey & Helmer, RAND Corporation, 1963
Le pipeline de sélection
Un processus en six étapes qui reflète les meilleures pratiques en méthodologie de revues systématiques
Ingestion des données
Importez des références de PubMed, Scopus, Web of Science ou toute base de données. Déduplication automatique entre sources.
Définition des critères
Établissez des critères d'inclusion/catégorisation et d'exclusion en langage naturel. L'assistant IA aide à les affiner avec les cadres PICO.
Évaluation indépendante
Plusieurs modèles d'IA évaluent chaque enregistrement par rapport à chaque critère de manière indépendante — puis réalisent un panel de consensus pour chaque désaccord.
Calcul du consensus
Le taux d'accord quantifie la confiance entre tous les modèles. Les désaccords révèlent les cas incertains pour révision humaine.
Génération de la shortlist
Obtenez votre liste de preuves classée par taux d'accord avec traçabilité complète — chaque modèle, chaque vote, chaque raison.
Contrôle de version
Changez quels critères sont des critères d'exclusion pour générer de nouvelles shortlists sans relancer la sélection. Chaque version est immuable, comparable et auditable.
Transparence à chaque étape
Chaque sélection inclut une visibilité complète du processus de décision de l'IA — conforme à l'EU AI Act Article 50
25 modèles d'IA, 8 fournisseurs
De GPT-4o à Gemini Pro et Claude — chaque modèle évalue indépendamment. Vous voyez quels modèles ont examiné chaque enregistrement, comment ils ont voté et pourquoi.
Taux d'accord
La confiance est quantifiée, pas supposée. Le taux d'accord entre tous les modèles sélectionnés détermine l'inclusion — aucun modèle ne décide seul.
Reproductibilité totale
Mêmes données + mêmes critères + mêmes modèles = même consensus pour vos résultats. Chaque version est immuable et auditable. Pas de boîtes noires.
L'humain décide toujours
L'IA priorise et justifie. Le chercheur a le dernier mot. Delph-AI est un outil qui augmente votre jugement — il ne le remplace jamais.
Voyez-le en action
Commencez votre première sélection aujourd'hui. Définissez vos critères, choisissez votre panel d'IA et examinez le consensus.
Inscrivez-vous gratuitement et sélectionnez jusqu'à 500 enregistrements avec notre essai.