IA et capacités humaines : comment éviter la délégation qui appauvrit

L’intelligence artificielle promet de faire gagner du temps, d’éclairer une décision ou de libérer les salariés des tâches les plus répétitives. Ces bénéfices sont réels, mais ils posent une question beaucoup plus profonde que le seul choix d’un logiciel : que devient une compétence quand on cesse de l’exercer ? À mesure que les assistants génératifs s’installent dans les études, les bureaux et la vie quotidienne, leur valeur dépendra moins de leur vitesse que de la manière dont nous choisissons de les utiliser.

Le risque n’est pas que toute délégation soit mauvaise. Une calculatrice ne supprime pas l’intérêt de comprendre une opération, pas plus qu’un correcteur orthographique ne rend inutile l’apprentissage de la langue. Le problème apparaît quand l’outil devient un substitut systématique à la recherche d’idées, à la mémorisation, à l’argumentation et au contrôle des réponses. Une IA bénéfique n’est donc pas une IA qui fait tout à notre place : c’est une IA qui aide chacun à mieux faire ce qu’il reste nécessaire de comprendre, de décider et de créer.

Une IA utile ne remplace pas le jugement humain

Les modèles génératifs produisent du texte, des images, du code ou des synthèses à partir de motifs appris dans d’immenses ensembles de données. Ils peuvent proposer rapidement plusieurs formulations, résumer un document ou aider à explorer un problème. Mais une réponse fluide n’est pas automatiquement exacte, pertinente ou adaptée à une situation particulière. L’utilisateur doit encore définir son objectif, distinguer le plausible du vrai, repérer ce qui manque et assumer la décision finale.

C’est pourquoi la bonne question n’est pas seulement : « Quelles tâches peut-on automatiser ? » Elle est aussi : « Quelles capacités voulons-nous préserver et développer ? » Dans un cadre scolaire, cela peut signifier demander à l’élève d’expliquer son raisonnement. Dans une entreprise, cela peut vouloir dire conserver une validation humaine avant une recommandation qui engage un client, un recrutement ou une décision financière.

Pourquoi la friction cognitive est-elle indispensable ?

L’expression « friction cognitive » désigne l’effort mental produit lorsqu’une personne doit s’arrêter, comparer des idées, se souvenir d’un élément, formuler une objection ou résoudre une difficulté. Cette friction peut sembler inconfortable, surtout face à une IA capable de donner une réponse instantanée. Pourtant, elle fait partie du processus qui permet de consolider un savoir et de construire un raisonnement personnel.

Apprendre ne consiste pas seulement à recevoir une information correcte. Il faut pouvoir la reformuler, la relier à d’autres connaissances, reconnaître ses limites et l’employer dans un contexte nouveau. De la même façon, la créativité ne naît pas nécessairement de la première proposition disponible. Elle se nourrit d’essais, de contraintes, d’erreurs et de discussions contradictoires.

Une dépendance non critique à l’IA peut réduire ces occasions d’effort. Si un étudiant fait systématiquement rédiger ses devoirs, il peut obtenir un texte présentable sans avoir acquis la capacité de bâtir un argument. Si un salarié accepte chaque recommandation sans l’interroger, il risque de perdre progressivement la maîtrise du processus qu’il supervise. Cette perte est difficile à voir à court terme, car la production semble plus rapide. Elle peut devenir coûteuse lorsque l’outil se trompe, manque de contexte ou n’est plus disponible.

La réponse n’est pas de transformer tout usage de l’IA en épreuve laborieuse. Elle consiste à réserver l’effort humain aux moments où il est formateur ou déterminant : poser une question claire, vérifier un fait, justifier une conclusion, choisir entre deux options et défendre un point de vue.

À l’école, apprendre avec l’IA sans cesser d’apprendre

L’école est l’un des lieux où cet équilibre est le plus délicat. La publication d’origine évoque le chiffre de 86 % d’étudiants utilisant l’IA dans leurs études. Ce taux, sans précision sur l’enquête, le pays ni la période de mesure, ne peut pas décrire à lui seul tous les systèmes éducatifs. Il traduit néanmoins une réalité : ces outils sont désormais suffisamment accessibles pour faire partie des habitudes d’une grande partie des apprenants.

Interdire tout usage peut encourager la dissimulation et priver les élèves d’une compétence devenue utile. À l’inverse, laisser l’IA réaliser les exercices sans cadre revient à évaluer un résultat dont on ne connaît plus l’auteur réel ni le cheminement. L’enjeu pédagogique est donc de rendre visible le travail intellectuel derrière la réponse.

Plusieurs pratiques vont dans ce sens : demander un brouillon annoté, organiser une soutenance orale, exiger que les sources et les incertitudes soient discutées, ou faire comparer une production de l’élève avec celle d’un assistant. La méthode socratique, fondée sur les questions et la confrontation raisonnée des points de vue, garde ici toute son utilité. Plutôt que de livrer une solution, l’enseignant pousse l’apprenant à expliciter ce qu’il affirme et pourquoi il l’affirme.

Les espaces ou temps sans outil numérique ont aussi leur place. Un exercice de mémorisation, une dissertation écrite en classe ou un débat sans écran ne sont pas des retours nostalgiques vers le passé. Ce sont des moyens de s’assurer que les connaissances et les méthodes restent disponibles chez la personne, et non uniquement dans l’interface qu’elle consulte.

En entreprise, concevoir des outils qui rendent les équipes plus capables

Les entreprises ne peuvent pas se contenter de fournir un assistant génératif et de mesurer les gains de productivité. Elles doivent aussi se demander si son déploiement améliore réellement le travail, la qualité du service et les compétences des équipes. Un outil qui accélère une tâche tout en privant les salariés de toute compréhension peut créer une dépendance organisationnelle : quelques paramètres changent, une erreur se propage, et plus personne ne sait suffisamment contrôler le résultat.

La première responsabilité consiste à identifier les usages. Les tâches répétitives et administratives, comme le classement de notes, la préparation d’une première synthèse ou la mise en forme d’un document, se prêtent souvent à l’assistance. Les décisions qui touchent aux droits, à l’emploi, à la sécurité, à la santé ou à la situation individuelle d’une personne exigent en revanche une attention humaine renforcée.

La deuxième est la formation. Les salariés doivent comprendre les limites des modèles, notamment leur capacité à produire des informations fausses avec assurance, à reproduire des biais présents dans leurs données ou à divulguer involontairement des informations sensibles lorsqu’ils reçoivent des consignes inadaptées. Former ne signifie pas seulement apprendre à écrire une instruction efficace. C’est apprendre à vérifier, à protéger les données et à savoir quand ne pas utiliser l’outil.

Enfin, les entreprises ont besoin d’indicateurs qui ne se réduisent pas au volume produit. Elles peuvent suivre la qualité des livrables, les erreurs détectées après coup, le temps réellement gagné, les retours des équipes et l’évolution de compétences clés. Une baisse du temps de traitement n’est pas un progrès si elle s’accompagne de décisions moins explicables ou d’une perte d’expertise interne.

Les grands acteurs technologiques sont directement concernés. Meta et Google sont régulièrement cités dans les débats sur la sécurité, la responsabilité et la gouvernance de l’IA. Mais les engagements publics des entreprises, quels qu’ils soient, ne dispensent ni les concepteurs ni les organisations utilisatrices de règles concrètes : tests, documentation, possibilités de signalement, contrôle humain et responsabilité clairement attribuée.

La régulation fixe un cadre, sans remplacer la responsabilité

La régulation est indispensable parce que les effets de l’IA ne s’arrêtent pas aux frontières d’une entreprise ou d’un pays. Les systèmes diffusés à très grande échelle peuvent influencer l’accès à l’information, l’organisation du travail, l’éducation ou les droits des personnes. Les débats sur des modèles comme DeepSeek illustrent cette demande de transparence, de sécurité et de contrôle, même si aucun cadre mondial unique ne s’impose encore.

L’Union européenne dispose avec l’AI Act d’une approche fondée sur le niveau de risque. Au 3 septembre 2025, certaines règles sont déjà applicables : les interdictions relatives à certains usages jugés inacceptables et les exigences de culture de l’IA s’appliquent depuis février 2025, tandis que des obligations concernant les modèles d’IA à usage général sont entrées en application en août 2025. Une grande partie des autres obligations doit s’appliquer ultérieurement.

Ce texte ne résout pas tout. Une loi ne peut pas, à elle seule, créer une culture du doute, garantir une bonne formation ou empêcher qu’un salarié traite une réponse plausible comme une certitude. Elle peut toutefois imposer des garde-fous, clarifier des devoirs et donner aux organisations un cadre pour évaluer les risques. À l’échelle internationale, les principes portés notamment par l’OCDE encouragent une IA respectueuse des droits et de la responsabilité humaine, mais ils ne constituent pas une police mondiale de l’algorithme.

Ce que chacun peut faire dans ses usages quotidiens

La responsabilité ne repose pas uniquement sur les écoles, les entreprises ou les pouvoirs publics. Chaque utilisateur peut adopter quelques réflexes simples. Le premier est de ne pas confier à un outil ce qu’il faut personnellement maîtriser : un devoir destiné à apprendre, une décision qui engage autrui ou une information dont l’exactitude est cruciale.

Le deuxième est d’interroger la réponse obtenue. Quelle est son hypothèse principale ? Quels faits faudrait-il vérifier ? Quel point de vue manque-t-il ? Demander à l’IA de proposer des contre-arguments peut aider, à condition de ne pas oublier qu’elle ne remplace pas des documents fiables ni l’expertise d’une personne compétente.

Le troisième est de protéger les informations. Un utilisateur ne devrait pas copier sans précaution des données personnelles, confidentielles ou stratégiques dans un service dont les conditions d’utilisation et les garanties ne sont pas adaptées. La commodité ne doit pas effacer les obligations de confidentialité.

Ce qu’il faut surveiller

La véritable ligne de partage ne sera pas entre les personnes qui utilisent l’IA et celles qui la refusent. Elle séparera plutôt les usages qui augmentent la capacité d’agir de ceux qui installent une dépendance passive. Un assistant peut aider à formuler une idée, mais il ne doit pas faire disparaître la capacité à en avoir une. Il peut accélérer une analyse, mais il ne doit pas faire oublier comment la contester.

Pour les entreprises, l’enjeu est de concevoir des environnements où l’IA soutient l’expertise au lieu de la concentrer dans une boîte noire. Pour l’école, il s’agit de former des élèves capables de travailler avec ces outils sans leur abandonner leur pensée. Pour les pouvoirs publics, le défi consiste à établir des règles proportionnées, applicables et compatibles avec l’innovation.

L’IA peut devenir une alliée de la créativité et de l’intelligence humaine. Cela suppose toutefois un choix collectif clair : conserver de la place pour l’effort, le débat, l’apprentissage et la responsabilité. Ce sont eux qui permettent de transformer une réponse automatique en véritable progrès.