ChatGPT et cerveau : ce que l’étude du MIT révèle, et ce qu’elle ne prouve pas

Rédiger un texte avec ChatGPT permet d’aller vite, de contourner la page blanche et de reformuler une idée en quelques secondes. Mais que se passe-t-il lorsque l’assistant prend en charge une part trop importante de la réflexion ? Une expérience conduite par des chercheurs affiliés au Massachusetts Institute of Technology, le MIT, avance une réponse préoccupante, mais beaucoup plus nuancée que ne le laissent entendre les slogans sur un « cerveau abîmé » par l’IA.

L’étude observe des personnes chargées d’écrire des essais dans trois conditions : avec un grand modèle de langage, ou LLM, avec un moteur de recherche, ou sans aucune aide numérique. Les mesures par électroencéphalographie, ou EEG, font ressortir un engagement neuronal moins élevé chez les utilisateurs du LLM. Elles suggèrent également que commencer une tâche intellectuelle avec l’IA pourrait diminuer l’appropriation et le rappel du contenu produit.

Ces résultats méritent l’attention des élèves, des enseignants, des salariés et de tous les utilisateurs d’assistants conversationnels. Ils ne constituent cependant pas une preuve que ChatGPT modifie durablement le cerveau, ni que toute utilisation de l’IA nuit à l’apprentissage. L’expérience porte sur un nombre limité de personnes, dans une tâche précise, et son manuscrit est disponible sous forme de prépublication scientifique.

Ce que les chercheurs ont cherché à mesurer

Le travail, consacré à la rédaction d’essais, compare l’effet de plusieurs formes d’assistance sur l’effort cognitif. Il ne mesure pas l’intelligence, ni les connaissances générales des participants. Son objet est plus circonscrit : observer l’activité électrique cérébrale pendant la production écrite et vérifier ensuite dans quelle mesure les auteurs se souviennent de leur texte et se l’approprient.

Les scientifiques ont réparti les volontaires en trois groupes. Le premier pouvait s’appuyer sur un LLM tel que ChatGPT. Le deuxième pouvait effectuer des recherches avec Google. Le troisième devait écrire sans technologie, en mobilisant ses seules connaissances et sa réflexion. Tous réalisaient des essais sur différents sujets.

Durant ces sessions, les participants portaient un dispositif d’EEG. Cette technique enregistre, à la surface du cuir chevelu, de très faibles signaux électriques produits par l’activité coordonnée de neurones. Elle permet notamment d’étudier la synchronisation entre différentes régions du cerveau, souvent appelée connectivité fonctionnelle. Elle ne lit pas les pensées et ne fournit pas, à elle seule, une image complète des mécanismes mentaux.

Une connectivité plus faible avec le LLM

Le résultat central est une hiérarchie nette entre les trois modalités. Le groupe écrivant sans technologie présentait le niveau de connectivité neuronale le plus élevé. Le groupe utilisant le moteur de recherche se situait entre les deux. Enfin, les participants assistés par le LLM affichaient le niveau le plus faible.

Cette progression est cohérente avec la nature des tâches demandées. Écrire seul suppose de chercher des idées dans sa mémoire, de les hiérarchiser, de formuler un plan, de choisir ses mots et de vérifier la cohérence de son raisonnement. Une recherche sur le web apporte des documents, mais impose encore de les trouver, les lire, les évaluer et les synthétiser. Un chatbot, lui, peut directement proposer une structure, des arguments et des paragraphes complets.

Le gain de temps et d’effort n’est pas nécessairement un défaut. Dans de nombreuses situations professionnelles, déléguer une partie de la mise en forme à un outil peut être rationnel. Le risque apparaît lorsque cette délégation intervient avant toute phase de compréhension personnelle, en particulier pour une activité dont le but est précisément d’apprendre à raisonner ou à écrire.

Les auteurs relèvent aussi que les textes produits avec le LLM étaient « statistiquement homogènes », c’est-à-dire qu’ils variaient moins que ceux des autres groupes. Cette homogénéité ne permet pas, à elle seule, de juger la qualité d’un essai. Elle interroge toutefois la part de singularité, de choix et d’élaboration personnelle qui demeure lorsque plusieurs personnes s’appuient sur les suggestions d’un même type de système.

Peut-on vraiment s’approprier un texte généré par l’IA ?

L’expérience ne s’est pas limitée aux données EEG. Les chercheurs ont également demandé aux participants de citer et de résumer leurs propres productions. C’est un test important : savoir restituer l’idée d’un texte est l’un des signes que son auteur l’a compris, organisé mentalement et intégré à ses connaissances.

Sur ce point, les utilisateurs du LLM ont obtenu des résultats moins bons. Ils étaient significativement moins capables de citer leur propre texte que les personnes ayant écrit sans assistant ou avec l’aide d’un moteur de recherche. Les auteurs parlent d’un enjeu d’« ownership », que l’on peut traduire par appropriation : le texte a été rendu, mais son contenu est moins solidement lié à celui qui le signe.

Cette distinction est essentielle dans le débat sur l’IA générative. Un document peut être grammaticalement correct, bien structuré et convaincant en apparence, sans que son utilisateur sache ensuite expliquer son raisonnement, défendre ses sources ou réutiliser ses idées dans un autre contexte. Dans un devoir, cela limite l’apprentissage. Au travail, cela peut compliquer la relecture, la vérification des erreurs et la responsabilité liée au contenu envoyé.

Que s’est-il passé lorsque les groupes ont changé d’outil ?

La partie la plus intéressante de l’expérience intervient après plusieurs cycles d’écriture. Les participants qui avaient commencé sans assistance ont alors eu accès à l’IA. À l’inverse, ceux qui avaient initialement utilisé l’IA ont dû rédiger seuls.

Les personnes ayant d’abord travaillé par elles-mêmes ont montré de meilleures capacités de rappel lorsqu’elles ont ensuite utilisé le LLM, ainsi qu’une réactivation de différentes zones cérébrales. L’interprétation proposée est intuitive : une réflexion initiale sans réponse prête à l’emploi pourrait constituer une base mentale sur laquelle l’outil vient ensuite apporter une aide utile.

Le constat est moins favorable pour les participants d’abord assistés par l’IA puis privés de cet appui. Les chercheurs ont observé chez eux une connectivité neuronale affaiblie pendant la tâche sans assistant. Cette observation nourrit l’hypothèse d’une forme de « dette cognitive » : à court terme, l’IA soulage l’effort, mais le report de cet effort peut se faire sentir lorsque l’utilisateur doit ensuite retrouver seul les compétences qu’il n’a pas exercées.

Il faut toutefois garder la bonne échelle d’interprétation. Cette expérience ne suit pas les participants pendant des années et ne permet pas d’affirmer qu’un usage quotidien de ChatGPT entraîne un déclin cognitif durable. Elle montre une différence dans des conditions expérimentales données, lors d’un exercice d’écriture, après une succession limitée de sessions.

Pourquoi les résultats doivent être lus avec prudence

Le premier point de vigilance concerne la taille de l’échantillon. Les auteurs reconnaissent eux-mêmes qu’il est restreint et qu’il faudra inclure davantage de participants, aux profils plus divers, pour vérifier la robustesse des résultats. L’âge, le niveau scolaire, les habitudes numériques, la maîtrise de l’écriture ou l’expérience préalable des chatbots peuvent tous influencer la façon dont une personne utilise une IA.

Ensuite, l’EEG est un outil précieux, mais ses signaux restent indirects. Il permet d’observer des variations de l’activité électrique et de la connectivité au cours d’une tâche. Il ne permet pas de conclure que la matière grise diminuerait, ni de diagnostiquer une atteinte neurologique. La formule selon laquelle l’IA « impacte le cerveau » doit donc être comprise au sens d’une activité mesurée pendant un exercice, non comme l’annonce d’une transformation biologique établie.

Enfin, la qualité d’un usage d’IA dépend beaucoup de la consigne et de la place laissée à l’utilisateur. Demander à un chatbot de rédiger un essai entier à partir d’un sujet n’a pas le même effet potentiel que lui soumettre un plan déjà préparé, lui demander de signaler des contre-arguments ou de repérer des passages imprécis. L’outil peut soit court-circuiter une démarche, soit soutenir une réflexion existante.

Comment utiliser un assistant sans lui déléguer sa pensée

Pour l’éducation, le message n’est pas de revenir à un monde sans outils numériques. Les calculatrices, les moteurs de recherche et les correcteurs orthographiques ont tous déplacé certaines tâches. L’enjeu consiste à préserver ce que l’exercice vise à développer : compréhension, mémoire, argumentation, autonomie et jugement critique.

Une méthode simple peut limiter le risque de délégation excessive : penser avant de demander. Avant d’ouvrir un assistant, l’utilisateur peut noter les idées dont il se souvient, formuler sa thèse, bâtir un plan provisoire et identifier les questions qu’il ne sait pas résoudre. L’IA intervient alors comme un interlocuteur, un relecteur ou un outil de mise en perspective, plutôt que comme un auteur de substitution.

Quelques pratiques vont dans ce sens :

• rédiger un premier plan ou quelques paragraphes sans IA avant de demander une amélioration ;
• utiliser le chatbot pour obtenir des objections et tester la solidité d’un raisonnement ;
• vérifier les affirmations, car un texte fluide n’est pas nécessairement exact ;
• reformuler avec ses propres mots, puis être capable d’expliquer oralement le résultat ;
• réserver les phases sans outil aux exercices destinés à évaluer la compréhension individuelle.

Ces habitudes ne ralentissent pas forcément le travail. Elles peuvent au contraire éviter de passer du temps à corriger un contenu mal compris, approximatif ou impossible à défendre ensuite.

Ce qu’il faut surveiller dans l’éducation et la recherche

À mesure que les LLM s’installent dans les établissements scolaires et universitaires, la question n’est plus de savoir s’ils seront utilisés, mais dans quelles conditions. Les enseignants devront distinguer les tâches pour lesquelles l’IA peut aider à explorer, réviser ou adapter un apprentissage, de celles où l’absence d’assistance est nécessaire pour consolider des compétences fondamentales.

La recherche devra aussi aller au-delà de l’essai écrit. Il reste à étudier d’autres usages, comme la programmation, la résolution de problèmes, l’apprentissage des langues ou la prise de décision au travail. Des travaux plus longs, menés auprès de populations plus variées et comparant différents modes d’interaction avec l’IA, seront nécessaires pour établir d’éventuels effets durables.

En octobre 2025, la leçon la plus solide de cette étude est donc moins alarmiste que pratique : l’IA peut alléger le travail mental, ce qui est parfois utile. Mais pour apprendre, il faut encore rencontrer une part de difficulté, produire ses propres liens entre les idées et vérifier que l’on est capable de les restituer sans l’aide de la machine.