La science devient de plus en plus informatique. Les données expérimentales doivent être enregistrées, nettoyées, vérifiées et analysées. L’analyse des données implique souvent des essais et des erreurs itératifs à l’aide de langages de programmation de « script » tels que Python et R. Les résultats de ces programmes sont ensuite inclus dans des articles, des présentations et des demandes de subvention.
Un logiciel professionnel typique contient jusqu'à 50 erreurs pour 1 000 lignes de code (D. A. W. Soergel F1000Research 3, 303 ; 2015). Mais le code scientifique, qui est écrit principalement par des étudiants diplômés et postdoctoraux qui ont peu ou pas de formation en développement logiciel, est encore plus sujet aux erreurs. Les codeurs autodidactes – et les assistants basés sur l'intelligence artificielle qu'ils utilisent parfois – peuvent créer des programmes qui semblent fonctionner mais qui génèrent des absurdités, explique l'informaticien Amy Ko de l'École d'information de l'Université de Washington à Seattle. "Si vous avez un programme qui calcule quelque chose, cela ne veut pas dire que c'est correct."
Comment corriger vos erreurs de codage scientifique
Parfois, le code ne s’exécute pas du tout, à caus...
[Courte citation de 8% de l'article original]