Selon cet argument convaincant, la science moderne est synonyme de logiciels open source. Bien que le monde académique considère souvent les logiciels comme une perte de temps éclipsée par la pression de publier, l'auteur soutient que les logiciels open source sont la science computationnelle elle-même. La science, par définition, construit des hypothèses et des prédictions testables. Un article qui n'aide pas les lecteurs à prédire ou modéliser le monde échoue à ce test fondamental. Les logiciels sont la manière dont nous codons et partageons ces modèles prédictifs.

En s'appuyant sur le concept de « modèles internes » de Kenneth James Williams Craik, l'auteur explique que les scientifiques améliorent les simulations internes de la réalité pour faire de meilleures prédictions. Si un article sur arXiv n'aide pas ce processus, ce n'est pas vraiment de la science. La reproductibilité computationnelle est donc essentielle — non pas simplement dupliquer des résultats, mais permettre à d'autres d'intégrer, d'adapter et de construire sur les idées scientifiques. Les résultats non reproductibles sont inutiles parce qu'ils ne peuvent pas être étendus.

Comme Greg Wilson l'a noté, les logiciels sont omniprésents dans la science moderne, des modèles de Covid aux protocoles de laboratoire. Les chercheurs vérifient rarement chaque dépendance, ce qui rend le code ouvert et reproductible critique. Insister sur la conformité à la méthode scientifique dans le développement de logiciels est un mouvement vital vers une science meilleure et plus saine qui ne retient pas des domaines entiers ni ne perturbe des carrières.