L’IA peut-elle nous faire perdre nos compétences humaines les plus utiles ?

L’intelligence artificielle promet de faire gagner du temps, d’automatiser des tâches répétitives et d’élargir l’accès à certaines connaissances. Pourtant, derrière l’enthousiasme des entreprises se dessine une question moins spectaculaire, mais décisive : que reste-t-il de notre jugement lorsque nous prenons l’habitude de déléguer systématiquement la recherche, l’écriture, l’analyse ou la résolution de problèmes à une machine ? En août 2025, un rapport de Multiverse appelle à ne pas confondre adoption rapide des outils et réelle capacité à en tirer parti.

Le sujet ne consiste pas à opposer l’humain à l’IA. Un assistant conversationnel, un outil d’analyse ou un système de génération de contenu peuvent soutenir le travail. Mais ils ne connaissent ni les objectifs réels d’une organisation, ni les conséquences concrètes d’une décision, ni les nuances d’un contexte professionnel. Pour que l’IA reste un levier, il faut donc des personnes capables de poser les bonnes questions, d’évaluer les réponses obtenues et de décider de ce qui mérite, ou non, d’être appliqué.

L’IA attire les investissements, sans garantir les résultats

L’intelligence artificielle est devenue une priorité stratégique pour de nombreuses entreprises. Les dirigeants redoutent de prendre du retard face à des concurrents qui automatiseraient plus vite leurs opérations ou offriraient de nouveaux services. Cette course s’appuie aussi sur des projections économiques ambitieuses. Selon une estimation d’Accenture relayée par le rapport, l’IA pourrait injecter 736 milliards de livres dans l’économie britannique.

Ces perspectives ne disent toutefois pas comment cette valeur sera créée, ni par qui. Acheter des licences logicielles, déployer un assistant d’IA ou ouvrir l’accès à un modèle de langage ne suffit pas à transformer un métier. Il faut encore choisir les tâches pertinentes, fournir des informations fiables, interpréter les résultats et mesurer les effets réels sur la qualité, les délais ou les coûts.

C’est le point soulevé par les scientifiques de l’apprentissage de Multiverse : une focalisation exclusive sur la technologie risque de laisser de côté les compétences humaines indispensables à son usage. Gary Eimerman, Chief Learning Officer de l’entreprise, souligne que les organisations peuvent dépenser des millions dans des outils d’IA sans obtenir les bénéfices espérés si elles ne valorisent pas, en parallèle, les capacités de leurs équipes.

Pourquoi la délégation peut-elle fragiliser certaines facultés ?

Le risque n’est pas que l’IA fasse mécaniquement disparaître l’intelligence humaine. Il tient plutôt à l’habitude qui peut s’installer lorsque l’outil répond avant même que l’utilisateur ait formulé son propre raisonnement. Si une personne demande systématiquement à un système de rédiger, calculer, résumer ou choisir à sa place, elle s’exerce moins à accomplir ces opérations par elle-même.

Ce phénomène est particulièrement sensible avec les IA génératives. Leurs réponses peuvent être fluides, structurées et convaincantes, y compris lorsqu’elles comportent une erreur factuelle, une référence inventée ou une simplification excessive. Cette apparence de maîtrise encourage parfois ce que l’on appelle un biais d’automatisation : la tendance à accorder trop de confiance à une recommandation produite par un système automatisé.

Dans le travail quotidien, cette dépendance peut prendre des formes discrètes. Un salarié peut reprendre un texte généré sans le relire attentivement. Une équipe peut accepter une synthèse sans retourner aux documents d’origine. Un manager peut privilégier une recommandation chiffrée sans interroger les données qui l’ont produite. À court terme, le gain de temps semble réel. À plus long terme, l’organisation risque de perdre la capacité collective à repérer une incohérence ou à défendre un choix autrement que par « l’outil l’a dit ».

Le rapport de Multiverse invite donc à déplacer le regard. La qualité d’un usage de l’IA ne se mesure pas seulement à la capacité de rédiger une instruction, souvent appelée prompt. Elle se mesure aussi à la capacité de comprendre un problème, de confronter une proposition à la réalité et de corriger le processus lorsque l’outil se trompe.

Treize compétences humaines au cœur de l’usage de l’IA

Les chercheurs de Multiverse ont identifié treize compétences importantes pour travailler efficacement avec l’intelligence artificielle. Le message central est clair : les savoir-faire recherchés vont bien au-delà de la maîtrise d’une interface ou de la formulation de requêtes.

Parmi les aptitudes mises en avant, l’analyse critique occupe une place centrale. Elle permet de décomposer une question complexe, de distinguer un fait d’une interprétation et d’examiner les hypothèses cachées dans une réponse. Face à une IA, cette compétence sert notamment à demander : quelles informations manquent ? Quel raisonnement mène à cette conclusion ? Que faudrait-il vérifier avant de s’en servir ?

La créativité est tout aussi importante. Elle ne consiste pas seulement à imaginer un slogan ou une image. Dans un contexte professionnel, elle permet de reformuler un problème, d’inventer de nouveaux usages, de relier des idées éloignées et d’utiliser l’outil autrement que pour reproduire une procédure existante. Une IA peut générer de nombreuses options, mais c’est l’utilisateur qui décide quelles pistes valent la peine d’être explorées.

Le rapport insiste également sur des qualités personnelles telles que la détermination et l’adaptabilité. Les systèmes d’IA ne répondent pas toujours correctement du premier coup. Ils peuvent mal comprendre une demande, produire un résultat générique ou fournir une information erronée. Savoir reformuler, tester une autre approche, comparer plusieurs résultats et persévérer sans abandonner son jugement est donc une compétence pratique, pas une simple qualité de caractère.

Imogen Stanley, Senior Learning Scientist chez Multiverse, appelle ainsi à accorder davantage de place aux compétences humaines dans les équipes. La supervision éthique, la vérification des résultats et l’expérimentation créative ne devraient pas être considérées comme des étapes secondaires ajoutées après le déploiement d’un outil. Elles sont les conditions d’un usage fiable.

Utilisateur passif ou pilote actif : une différence décisive

La distinction proposée par Multiverse entre utilisateur passif et pilote actif de l’IA résume bien l’enjeu. Un utilisateur passif demande une réponse puis la consomme. Un pilote actif utilise l’outil comme une aide, tout en gardant la maîtrise du cap, des critères de qualité et de la décision finale.

Être pilote actif ne suppose pas de devenir ingénieur en intelligence artificielle. Il s’agit d’adopter quelques réflexes simples : expliquer le contexte plutôt que de poser une question vague, exiger des éléments vérifiables, comparer le résultat à son expertise métier et garder une trace de ce qui a été modifié ou validé par un humain. Cette posture est nécessaire dans tous les secteurs, mais elle prend une importance particulière lorsque l’IA intervient dans la santé, le droit, la finance, les ressources humaines ou l’éducation.

La question de la responsabilité est au centre de cette différence. Une machine peut produire une suggestion. Elle ne peut pas assumer les conséquences professionnelles, éthiques ou humaines de l’emploi de cette suggestion. Dans une entreprise, la supervision humaine n’est donc pas un ralentissement inutile : elle est ce qui permet de relier un résultat technique à une décision justifiable.

Comment former sans réduire l’apprentissage aux prompts ?

La formation est l’un des leviers les plus importants pour éviter une adoption superficielle. Or, de nombreux programmes se concentrent d’abord sur les fonctionnalités des outils : comment ouvrir un assistant, rédiger une instruction ou générer un document. Ces apprentissages sont utiles, mais insuffisants s’ils ne développent pas simultanément l’esprit d’analyse et la capacité de décision.

Une formation solide pourrait partir de situations concrètes de travail. Plutôt que de demander aux participants de produire un texte quelconque avec une IA, elle peut les inviter à résoudre un problème métier, à identifier les limites de la réponse obtenue, puis à expliquer les critères qui leur ont permis de l’accepter, de la modifier ou de la rejeter.

Plusieurs axes ressortent de la réflexion menée par Multiverse :

• exercer la résolution de problèmes complexes, avant et pendant l’usage d’un outil d’IA ;
• apprendre à vérifier un résultat plutôt qu’à le considérer comme exact par défaut ;
• intégrer les questions éthiques et les conséquences d’une décision automatisée ;
• encourager l’expérimentation, y compris lorsque le premier essai échoue ;
• valoriser l’expertise métier, qui permet de repérer les réponses plausibles mais fausses.

Cette approche concerne aussi l’éducation. Les élèves et les étudiants auront besoin de comprendre comment utiliser ces outils, mais aussi de conserver la capacité de lire attentivement, d’argumenter, de calculer, de chercher et de produire une réflexion personnelle. Interdire ou autoriser l’IA ne résout pas à lui seul la question. L’enjeu est de concevoir des situations où l’outil soutient l’apprentissage sans effectuer à la place de l’apprenant la partie essentielle du raisonnement.

L’efficacité ne doit pas devenir le seul critère

L’attrait de l’IA repose largement sur l’efficacité : faire plus vite, avec moins d’efforts apparents. Mais une organisation qui optimise uniquement la vitesse peut oublier de mesurer d’autres éléments : qualité du travail, compréhension des décisions, autonomie des salariés, confiance des clients ou capacité à innover lorsque l’outil échoue.

C’est aussi un enjeu économique. Si les équipes ne savent plus évaluer les productions d’une IA, les erreurs peuvent se propager plus vite. Si elles ne sont pas capables de formuler des problèmes nouveaux, l’entreprise peut se contenter d’automatiser l’existant au lieu d’inventer de nouveaux produits ou services. Et si l’expertise humaine se concentre dans trop peu de mains, l’organisation devient plus vulnérable lorsqu’un système change, est indisponible ou fournit des résultats dégradés.

L’IA est susceptible d’augmenter les capacités humaines lorsqu’elle enlève une part de travail répétitif et libère du temps pour l’analyse, la relation, la conception ou la décision. À l’inverse, elle peut appauvrir le travail lorsqu’elle transforme les salariés en simples validateurs pressés, qui ne disposent plus ni du temps ni de la formation nécessaires pour exercer leur jugement.

Ce qu’il faut surveiller dans les entreprises et la formation

Le rapport de Multiverse ne plaide pas pour un recul de l’intelligence artificielle. Il rappelle plutôt que la réussite de son déploiement dépendra de la qualité des personnes qui la guident. L’enjeu, pour les employeurs comme pour les établissements de formation, est d’éviter une situation paradoxale : disposer d’outils toujours plus capables, tout en ayant de moins en moins de personnes aptes à les questionner.

Dans les prochains mois, il faudra observer la place réellement accordée à la formation continue, à la vérification humaine et à l’évaluation des usages. Les entreprises qui se contentent de compter le nombre de licences activées ou de documents générés risquent de passer à côté de l’essentiel. Les indicateurs les plus utiles seront aussi la qualité des décisions, la détection des erreurs, la capacité des équipes à travailler sans dépendance excessive et les améliorations concrètes apportées aux métiers.

Le défi n’est donc pas de posséder toutes les réponses en quelques secondes. Il est de préserver ce qui permet de poser de bonnes questions, de reconnaître une mauvaise réponse et d’imaginer une option qu’aucun système n’aurait spontanément proposée.