Le risque n'est pas de devenir moins intelligent parce que l'on utilise une IA. Il apparaît lorsque l'outil fournit la réponse avant que nous ayons formulé le problème, mobilisé nos connaissances et défini ce qu'une bonne réponse devrait contenir.
L'IA ne provoque pas mécaniquement un désapprentissage. Le risque augmente quand elle prend en charge le cadrage, la production et l'évaluation d'une même tâche. Pour préserver les compétences, il faut garder une activité cognitive visible : formuler une hypothèse avant le prompt, choisir ce qui reste humain, vérifier sur des critères explicites et pouvoir expliquer la décision sans l'outil.
Déléguer une tâche n’est pas abandonner le raisonnement.
Nous avons toujours délégué une partie de notre effort à des outils. La calculatrice prend en charge le calcul. Le moteur de recherche facilite l’accès à l’information. Le correcteur repère des erreurs. L’IA générative va plus loin : elle peut proposer le problème, la structure, les arguments, la formulation et la conclusion.
C’est précisément ce qui la rend utile. C’est aussi ce qui rend la frontière moins visible entre ce qui a été accéléré et ce qui n’a plus été exercé.
Une étude présentée à la conférence CHI 2025 a interrogé 319 professionnels sur 936 situations réelles de travail avec une IA générative. Les auteurs n’affirment pas que l’outil supprime l’esprit critique. Ils observent un déplacement : l’effort se concentre davantage sur la vérification de l’information, l’intégration de la réponse et la supervision de la tâche. Ils relèvent aussi qu’une confiance élevée dans l’IA est associée à un effort critique déclaré plus faible.
La nuance compte. Le problème n’est pas la délégation. Il est de déléguer sans savoir quelle compétence devait rester active.
Une réponse rapide peut faire gagner du temps. Elle ne prouve ni que le problème était bien posé, ni que le raisonnement a été compris.
Quatre capacités peuvent s’éroder si elles ne sont plus exercées.
Formuler le problème
Un prompt donne l’impression que la question est déjà claire. Or une part importante du travail qualifié consiste à décider ce que l’on cherche vraiment, pour qui, avec quelles contraintes et selon quels critères. Si l’IA reformule systématiquement une demande floue, elle peut masquer cette difficulté au lieu de la résoudre.
Mobiliser sa mémoire
Nous n’avons pas besoin de tout retenir. Nous avons cependant besoin d’un socle de connaissances pour reconnaître une incohérence, rapprocher deux idées et poser une meilleure question. Une réponse externe ne remplace pas ce réseau interne. Sans lui, la vérification devient superficielle : le texte paraît plausible parce que nous ne disposons plus des repères nécessaires pour le contester.
Soutenir son attention
Lire une réponse fluide n’exige pas le même engagement que construire une argumentation. L’attention peut alors glisser vers la sélection rapide d’une proposition déjà formée. Ce confort est parfois approprié. Il devient un problème si toutes les tâches complexes sont transformées en validation de sorties.
Exercer son jugement
Le jugement ne consiste pas seulement à repérer une erreur factuelle. Il faut estimer la pertinence, les conséquences, les intérêts en présence et le niveau de preuve attendu. Une réponse techniquement correcte peut rester inadaptée au contexte.
interrogés sur 936 usages réels de l'IA générative dans l'étude CHI 2025 consacrée à l'effort critique au travail.
Lee et al. · CHI 2025La réponse la plus fluide n’est pas toujours la plus fiable.
Le langage produit par une IA est souvent cohérent, assuré et bien structuré. Ces qualités de forme peuvent être confondues avec des qualités de fond. Plus une sortie ressemble à ce que nous attendons, moins nous sommes tentés d’interroger ses prémisses.
Le phénomène est renforcé par la pression du travail. Quand il faut aller vite, vérifier devient une étape finale et compressible. On relit la formulation. On contrôle moins volontiers la source, la date, le périmètre ou le raisonnement.
La confiance utile n’est donc pas une confiance générale dans l’outil. C’est une confiance calibrée par tâche :
| Situation | Niveau de contrôle attendu |
|---|---|
| Reformuler un texte déjà validé | Vérification du sens et du ton |
| Résumer un document fourni | Contrôle des omissions et des citations |
| Explorer des hypothèses | Comparaison de plusieurs options |
| Produire une analyse métier | Validation par une personne compétente |
| Appuyer une décision sensible | Sources primaires, traçabilité et responsabilité explicite |
Concevoir des usages qui maintiennent l’humain dans la boucle de pensée.
Une politique d’usage ne suffit pas si elle ne change pas la séquence de travail. Quelques pratiques simples rendent l’effort cognitif visible.
Ces garde-fous ne visent pas à ralentir toutes les tâches. Ils réservent l’effort aux endroits où il crée de la valeur : le cadrage, la compréhension et la décision.
Cinq questions avant de confier une tâche à l’IA.
Avant le prompt, une équipe peut se poser cinq questions :
- Quelle compétence cette tâche mobilise-t-elle normalement ?
- Ai-je besoin d’apprendre, de produire plus vite ou des deux ?
- Quelle partie du raisonnement dois-je conserver pour rester capable d’évaluer la réponse ?
- Quelles sources ou données permettront de vérifier le résultat ?
- Qui répondra des conséquences si la proposition est incorrecte ?
L’IA peut augmenter nos capacités à condition que son usage ne rende pas invisibles les capacités dont elle dépend. La bonne question n’est pas : peut-elle le faire ? Elle est : que devons-nous continuer à savoir faire lorsque nous lui demandons de le faire ?
Sources de référence
- Lee et al., The Impact of Generative AI on Critical Thinking, CHI 2025
- Microsoft Research, The Metacognitive Demands and Opportunities of Generative AI
- Schwartz et al., Attending to Remember, 2025
FAQ
L'IA fait-elle réellement perdre des compétences ?
Les recherches actuelles ne permettent pas d'affirmer un effet automatique et uniforme. Elles montrent surtout que la manière de répartir l'effort entre l'humain et l'outil modifie les activités de raisonnement, de vérification et d'apprentissage.
Faut-il éviter l'IA pour apprendre ?
Non. Elle peut expliquer, questionner, simuler un contradicteur ou fournir un feedback. Elle devient moins utile pour apprendre lorsqu'elle remplace systématiquement l'effort de rappel, de formulation et de résolution.
Quelle tâche faut-il garder humaine ?
Le choix dépend du métier et du risque. Le cadrage du problème, la définition des critères, l'arbitrage et la responsabilité finale devraient rester explicitement attribués.
Comment vérifier que l'on comprend encore son propre travail ?
Une vérification simple consiste à fermer l'outil puis à expliquer le problème, les hypothèses, la décision et ses limites à une autre personne.
