Saber quina part de la literatura científica s'escriu avui amb ajuda d'un model de llenguatge és difícil precisament perquè els detectors d'IA fallen sovint amb textos individuals. Els mètodes més fiables no miren article per article, sinó com canvia el vocabulari d'un corpus sencer al llarg del temps: si de sobte es dispara la freqüència de paraules que els models fan servir molt més que les persones, aquest excés és mesurable encara que no es pugui assenyalar cap article concret.
Lena Holzwarth, Rita González-Márquez i Dmitry Kobak, del grup de Kobak a Tübingen, van penjar l'11 d'agost a arXiv un preprint que aplica aquest enfocament als textos complets —no només als resums— d'1,19 milions d'articles del repositori d'accés obert PubMed Central. El resultat, que Nature va recollir el 20 d'agost: el 89% dels articles publicats el desembre del 2025 mostren un excés de vocabulari associat als models de llenguatge, davant del 77% del conjunt del 2025 i del 52% del 2024. La distribució dins de cada article també és desigual: la probabilitat que un paràgraf de la discussió s'hagi escrit amb ajuda d'un model (68%) és el doble que la d'un paràgraf de la secció de mètodes (32%), tot i que fins i tot als mètodes la prevalença supera el 50%. Kobak atribueix que la xifra sigui molt superior a les estimacions anteriors —un treball del 2025 la situava en un 13,5% per al 2024— al mètode nou, més sensible.
La dada importa perquè desplaça el debat: si gairebé tots els articles biomèdics passen per un model de llenguatge en alguna fase de la redacció, la pregunta ja no és si s'ha de permetre, sinó com s'ha de declarar i on és el límit entre polir la redacció d'un investigador que no té l'anglès com a llengua materna i deixar que el model construeixi l'argument. Els autors defensen justament que les seves xifres són necessàries per elaborar les futures normes institucionals sobre l'ús de models de llenguatge a la publicació acadèmica.
Cal llegir el resultat amb precisió: el mètode detecta un excés estadístic de vocabulari en un corpus, no demostra l'autoria per IA de cap article concret ni distingeix entre qui ha fet servir el model per corregir l'estil i qui l'ha fet servir per redactar el contingut. El treball, a més, és un preprint que encara no ha passat la revisió per parells, se centra només en els articles d'accés obert de PubMed Central —que no representen tota la biomedicina, i menys encara tota la ciència— i mesura el text, no la qualitat ni la validesa del que s'hi explica.