IA générative : le vrai risque n’est pas la stupidité, mais la perte d’autonomie cognitive

L’IA générative permet déjà de rédiger, synthétiser, analyser et résoudre plus rapidement de nombreux problèmes. Mais le résultat visible ne dit rien de la compétence qui demeure lorsque l’outil est retiré.

La question n’est pas de savoir si l’IA « abîme le cerveau ». Elle est de déterminer ce que les entreprises cessent progressivement de savoir faire, de comprendre et de transmettre lorsqu’elles optimisent uniquement la performance immédiate.

Une organisation peut produire davantage, avec des documents plus homogènes et des délais raccourcis, tout en devenant moins capable d’expliquer l’origine d’un raisonnement, de repérer une erreur ou de reconstruire un livrable. Cette possibilité oblige à déplacer le débat : l’IA ne nous retire pas nécessairement de l’intelligence ; elle modifie les conditions dans lesquelles l’intelligence se forme, s’exerce et se maintient.

1. Ce que les études montrent — et ce qu’elles ne montrent pas

Les premiers travaux empiriques décrivent un paradoxe plutôt qu’un verdict. L’assistance générative améliore souvent la performance immédiate, particulièrement lorsqu’elle intervient sur des tâches de rédaction, de synthèse ou de recherche. Une expérimentation de terrain menée pendant six mois auprès de 6 000 salariés a ainsi observé que les utilisateurs actifs de l’outil passaient environ trois heures de moins par semaine dans leur messagerie et semblaient achever certains documents plus rapidement. Cette étude renseigne le travail réel ; elle ne mesure ni la mémorisation, ni l’évolution des compétences sur plusieurs années.

Une recherche publiée à la conférence CHI 2025 apporte un autre éclairage. À partir de 936 exemples rapportés par 319 travailleurs de la connaissance, les auteurs constatent qu’une confiance élevée dans l’IA est associée à un moindre engagement déclaré de la pensée critique. À l’inverse, la confiance dans sa propre expertise est associée à davantage de contrôle, au prix d’un effort perçu comme plus important. L’IA ne fait donc pas simplement disparaître la réflexion : elle la déplace vers la formulation de la demande, la vérification de la réponse et son intégration dans le contexte métier.

Cette distinction est importante. L’étude repose sur des déclarations et des situations remémorées, non sur une mesure longitudinale de capacités. Elle montre comment des professionnels disent répartir leur effort ; elle ne prouve pas que leur esprit critique décline durablement.

La prépublication du MIT Media Lab intitulée Your Brain on ChatGPT a suscité davantage de titres alarmistes. Dans une expérience de rédaction, les participants assistés par un grand modèle de langage ont montré une mémorisation et un sentiment de propriété du texte plus faibles que le groupe travaillant sans outil. L’étude comptait 54 participants pour les trois premières sessions et seulement 18 pour la quatrième. Elle porte sur une tâche scolaire précise, reste une prépublication et ne permet aucune extrapolation à l’ensemble des salariés, des métiers ou des usages. Elle constitue un signal de recherche, pas un diagnostic neurologique sur la société.

Le tableau disponible reste donc incomplet. Des effets de moindre engagement, de mémorisation plus faible ou d’appropriation réduite apparaissent dans certains protocoles. D’autres usages peuvent au contraire soutenir l’apprentissage lorsqu’ils demandent à l’utilisateur de formuler une hypothèse, de comparer des explications ou de justifier une correction. Nous ne disposons pas encore du recul nécessaire pour établir un déclin cognitif général, durable et irréversible.

2. De l’écriture à l’IA : l’humanité a toujours externalisé sa pensée

L’inquiétude provoquée par l’IA appartient à une histoire ancienne. Dans le Phèdre, Platon raconte le mythe de Theuth, inventeur de l’écriture. Le roi Thamous refuse d’y voir un simple remède pour la mémoire : l’écriture donnera, selon lui, le moyen de se remémorer, mais aussi l’apparence de la science à ceux qui n’auront pas réellement appris.

Platon n’est pas ici le témoin naïf d’une panique technologique. Son propre raisonnement nous est transmis par écrit. Le passage distingue plutôt plusieurs capacités que les organisations confondent facilement : disposer d’une réponse, la reconnaître, la comprendre et pouvoir la reconstruire. Un directeur peut recevoir une note exacte sans maîtriser le raisonnement qui la soutient. Un junior peut corriger un texte généré sans savoir bâtir seul son argumentation. Dans les deux cas, le livrable existe ; la compétence reste incertaine.

La thèse de l’« esprit étendu » proposée par Andy Clark et David Chalmers empêche toutefois de transformer cette prudence en condamnation de l’externalisation. Un carnet, un ordinateur ou un environnement organisé peuvent participer à nos processus cognitifs. Nous ne cessons pas de penser lorsque nous écrivons une idée pour libérer notre mémoire de travail. L’outil peut rendre possible un raisonnement plus vaste que celui que nous aurions conduit seuls.

L’enjeu n’oppose donc pas une pensée intérieure, supposée pure, à des outils extérieurs qui la dégraderaient. Il porte sur la relation de maîtrise : l’outil prolonge-t-il un raisonnement que nous dirigeons, ou remplace-t-il un raisonnement que nous ne savons plus examiner ? L’externalisation est utile tant qu’elle augmente la portée de l’action sans supprimer les compétences nécessaires à son contrôle.

3. Le point de bascule : quand l’assistance devient dépossession

Kant définit la minorité intellectuelle non comme un manque d’intelligence, mais comme l’incapacité à se servir de son entendement sans la direction d’autrui. Transposée à l’IA, la tutelle devient presque invisible. Elle ne donne aucun ordre et ne prive personne de liberté ; elle rend simplement l’effort évitable, réponse après réponse.

Le point de bascule n’apparaît pas lorsque l’outil rédige un premier jet. Il apparaît lorsque son utilisateur ne peut plus en contester le cadre, en expliquer les choix ou prendre une direction différente. Une assistance à l’exécution devient alors une délégation du jugement. L’organisation continue d’approuver des décisions, mais elle ne sait plus toujours qui a réellement porté le raisonnement.

Hannah Arendt aide à préciser cet écart. L’information, la connaissance, la pensée, le jugement et la décision ne sont pas des opérations interchangeables. Une réponse peut être correcte sans répondre à la situation. Une recommandation peut être cohérente sans intégrer l’histoire d’un client, la fragilité d’une équipe ou la responsabilité juridique d’un dirigeant. Décider ne consiste pas à choisir le texte le mieux formulé ; c’est assumer un arbitrage dans un contexte qui ne se laisse jamais réduire entièrement aux données disponibles.

Ivan Illich fournit un critère très opérationnel avec l’idée d’outil convivial : un outil souhaitable étend la capacité d’agir de celui qui l’emploie, au lieu de lui imposer progressivement son propre système. Appliquée à une PME, la question devient mesurable : le collaborateur est-il plus capable après l’utilisation de l’IA, ou seulement plus productif pendant son utilisation ?

La technique est aussi, chez Bernard Stiegler, un pharmakon : à la fois remède et poison. L’externalisation libère de certaines opérations, mais peut détruire les savoir-faire que ces opérations entretenaient. Lorsque les recherches initiales, les synthèses, les brouillons et les corrections disparaissent des parcours juniors, l’entreprise n’automatise pas seulement des tâches ingrates. Elle retire parfois les exercices qui formaient ses futurs experts.

4. L’entreprise est aussi un système cognitif

Une entreprise ne pense pas comme une personne, mais elle possède une mémoire, des routines, des catégories, des règles de décision et des compétences distribuées. Une partie de cette intelligence réside dans les procédures ; une autre dans les échanges informels, les erreurs reconnues, l’expérience des anciens et la manière dont un métier transmet ses critères aux nouveaux arrivants.

L’IA peut renforcer ce système. Elle rend des documents accessibles, rapproche des informations éloignées, accélère l’exploration d’hypothèses et aide de petites équipes à mobiliser des capacités auparavant réservées à de grandes structures. Pour une PME, ces gains sont réels et parfois décisifs.

Mais une automatisation mal conçue peut aussi produire un évidement des compétences. Cette expression ne désigne pas la disparition spectaculaire d’un métier. Elle décrit une organisation qui conserve ses intitulés de poste et ses livrables, tandis que les opérations intermédiaires nécessaires à la compréhension se déplacent chez un fournisseur. Les formulations s’homogénéisent, les juniors voient moins de cas difficiles, les experts valident un volume croissant de productions et la mémoire de la fabrication s’efface.

On peut parler, avec prudence, de « désindustrialisation cognitive interne ». Comme une entreprise qui externaliserait toute sa production jusqu’à perdre la capacité de concevoir et de contrôler ses produits, une organisation peut externaliser ses chaînes de raisonnement jusqu’à ne plus savoir les reprendre. La dépendance ne se révèle alors qu’au changement de modèle, à l’indisponibilité du service, à une erreur difficile à détecter ou à un contentieux exigeant d’expliquer la décision.

Cette fragilité touche particulièrement la transmission. Le junior apprend rarement par la seule lecture d’un résultat parfait. Il apprend en cherchant, en se trompant, en recevant une correction et en comprenant pourquoi une formulation ne tient pas. Si l’IA élimine toutes ces étapes, l’entreprise peut gagner une heure aujourd’hui et perdre un expert dans cinq ans.

La responsabilité devient également plus floue. Le collaborateur a fourni la consigne, l’outil a produit l’analyse, un manager a validé le document et un dirigeant a signé. Si personne ne peut reconstruire le raisonnement, la supervision humaine n’est plus qu’un geste administratif. La capacité à contredire la machine suppose une expertise entretenue, du temps pour l’examen et un pouvoir réel de refuser.

5. Organiser une friction productive

La bonne réponse n’est pas d’imposer artificiellement de la lenteur à toutes les tâches. Elle consiste à préserver l’effort là où il forme une compétence, révèle un risque ou engage une responsabilité. Cette friction productive doit être proportionnée : faible pour une reformulation sans enjeu, forte pour une analyse financière, un avis juridique, une décision de recrutement ou une orientation stratégique.

Trois tests permettent d’évaluer un usage.

Le test de réversibilité

L’individu ou l’équipe peut-il encore accomplir la tâche lorsque l’outil disparaît ? La réponse n’a pas besoin d’être positive pour chaque opération. Peu d’entreprises recalculent leurs comptes sans logiciel. Elle doit en revanche l’être pour les compétences jugées critiques et pour les procédures de continuité : comprendre les données d’entrée, reprendre un traitement essentiel et produire une version dégradée mais fiable.

Le test d’intelligibilité

L’utilisateur peut-il expliquer, vérifier et corriger ce que l’IA a produit ? Une validation visuelle ou une impression de vraisemblance ne suffit pas. Pour un livrable important, il faut pouvoir identifier les sources, expliciter les hypothèses, repérer les incertitudes et justifier les modifications apportées.

Le test d’autorité

Le professionnel peut-il contredire la recommandation et assumer une décision différente ? Cette capacité dépend de la compétence, mais aussi de l’organisation. Si les objectifs de productivité punissent toute vérification, si le processus impose la recommandation par défaut ou si personne n’a formellement le droit de l’écarter, l’humain reste présent sans exercer d’autorité.

Lorsque les trois réponses deviennent négatives, l’entreprise n’a plus seulement automatisé une tâche. Elle a externalisé une partie de sa souveraineté cognitive.

Un dispositif concret pour les PME et ETI

La friction productive peut s’organiser sans créer une bureaucratie de l’IA. Chaque direction métier commence par classer ses usages selon leur finalité : produire, apprendre ou décider. Un même outil peut être librement utilisé pour reformuler un courriel, encadré pour former un junior et soumis à une validation explicite lorsqu’il contribue à un arbitrage engageant.

Les équipes réservent ensuite certaines phases sans assistance : formulation initiale du problème, hypothèses de départ, diagnostic d’un incident ou premier plan d’argumentation. Il ne s’agit pas de célébrer l’effort pour lui-même, mais de conserver les opérations qui obligent à structurer la pensée avant de consulter une réponse.

Pour les productions sensibles, le collaborateur joint une courte note d’intelligibilité : sources contrôlées, hypothèses retenues, erreurs corrigées et désaccords éventuels avec l’outil. Cette trace est plus utile qu’un archivage indifférencié de tous les prompts, car elle documente le jugement humain.

La DRH et les managers évaluent périodiquement quelques compétences hors outil. Un juriste explique un raisonnement sans génération automatique ; un commercial reconstruit une proposition ; un analyste commente les limites d’un tableau ; un développeur diagnostique un incident sans accepter immédiatement le correctif suggéré. Ces exercices ne servent pas à sanctionner l’usage de l’IA. Ils vérifient que l’organisation sait encore fonctionner et apprendre.

Enfin, le tableau de bord ne doit pas s’arrêter aux heures économisées. Il suit aussi le taux de correction, la capacité à expliquer un livrable, la détection des erreurs, le temps de formation des juniors, la fréquence des désaccords argumentés, la capacité de reprise manuelle et la dépendance à un fournisseur. La productivité mesure ce que l’entreprise produit maintenant ; ces indicateurs mesurent ce qu’elle saura encore produire demain.

Ouverture prospective

Les entreprises qui automatiseront le plus vite ne seront pas nécessairement celles qui deviendront les plus intelligentes. L’avantage stratégique pourrait revenir aux organisations capables de gagner en productivité tout en conservant trois facultés rares : formuler leurs propres problèmes, contester les réponses disponibles et décider dans l’incertitude.

L’arbitrage n’est donc pas entre adoption et refus de l’IA. Il consiste à déléguer l’exécution sans abandonner les conditions du jugement. Une PME peut accepter de ne plus produire manuellement chaque première version, mais elle doit savoir quelles compétences elle refuse de perdre, comment elle les entretient et qui demeure responsable lorsqu’une recommandation devient une décision.

La question de direction est désormais précise : comment intégrer l’IA sans perdre la maîtrise de ses compétences, de ses processus, de ses décisions et de son identité professionnelle ?