À 9 h 20, une responsable doit envoyer une note de cadrage avant la réunion de 10 heures. Elle demande à une IA de transformer ses idées en document structuré. Le résultat est clair : contexte, objectifs, étapes, points de vigilance. Elle corrige deux mots et s’apprête à l’envoyer. Puis une question la retient : qu’a-t-elle réellement délégué ? La mise en forme, certainement. Mais aussi l’ordre des priorités, la formulation du problème et peut-être même une partie des critères qui guideront la discussion.
Utiliser une IA sans perdre son jugement ne consiste pas à compter les phrases écrites seul. Cela demande de voir les opérations cachées derrière la tâche visible. Une grille simple peut y aider : ce que je garde, ce que je délègue, ce que je vérifie et ce que je veux encore savoir faire.
Une demande simple peut cacher plusieurs délégations
« Fais-moi une synthèse » semble désigner une seule opération. En réalité, il faut choisir les éléments importants, écarter les détails, établir un ordre, donner un titre aux catégories et décider du niveau de certitude de chaque phrase. De même, demander un courriel ne revient pas seulement à déléguer la rédaction. Le système propose aussi un ton, une manière de présenter le désaccord et parfois un engagement que l’utilisateur n’avait pas formulé.
La distinction est importante parce que nous relisons souvent le produit fini sans reconstruire toutes les décisions qui l’ont rendu possible. Nous voyons un texte acceptable ; nous voyons moins facilement le cadrage qu’il installe. Conserver la validation finale ne signifie donc pas avoir conservé chaque étape du jugement.
C’est ici que la proposition conceptuelle développée par Frédéric HATLAS devient utile : observer la fonction confiée à l’IA, et pas seulement le nom de la tâche. Cette grille n’est pas un test scientifique validé. C’est un outil d’observation destiné à rendre l’usage plus explicite et discutable.
Déléguer n’est pas forcément se dessaisir
Nous utilisons depuis longtemps des supports extérieurs pour alléger notre activité mentale : notes, calendriers, cartes, moteurs de recherche ou tableurs. La recherche regroupe une partie de ces pratiques sous le terme anglais cognitive offloading, que l’on peut traduire par externalisation ou délégation cognitive. Les chercheurs Evan Risko et Sam Gilbert le définissent comme le fait de modifier les exigences internes d’une tâche en s’appuyant sur une action ou un support extérieur. Leur revue sur le cognitive offloading montre que ce mécanisme peut être utile et que la décision de déléguer dépend notamment de la difficulté perçue et de l’évaluation que nous faisons de nos propres capacités.
Le problème n’est donc pas la délégation en elle-même. Une IA peut accélérer une mise en forme, proposer des variantes ou soulager une étape répétitive. Le risque apparaît lorsque nous ne savons plus quelle opération a été transférée, quels critères ont guidé la réponse ou comment reprendre le travail si elle ne convient pas.
Une enquête publiée à CHI 2025 auprès de 319 professionnels, à partir de 936 exemples d’usage, a observé qu’une confiance plus élevée dans l’IA générative était associée à un effort de pensée critique déclaré plus faible, tandis qu’une plus grande confiance dans sa propre capacité était associée à davantage de pensée critique. Les auteurs décrivent aussi un déplacement de l’effort vers la vérification, l’intégration de la réponse et la supervision de la tâche. Cette étude sur l’IA générative et la pensée critique repose toutefois sur des déclarations : elle ne démontre ni une érosion durable des compétences ni une causalité simple.
Les quatre zones d’un usage conscient
Prenez une tâche réelle que vous effectuez avec une IA et répartissez ses opérations dans quatre zones.
- Ce que je garde : les intentions, critères, arbitrages ou formulations qui doivent rester sous ma responsabilité directe. Ce sont les éléments que je veux avoir définis avant de lire une proposition.
- Ce que je délègue : les opérations que le système peut préparer, comme structurer des notes, proposer trois plans, simplifier une phrase ou repérer des répétitions. Il faut les nommer précisément.
- Ce que je vérifie : les faits, sources, dates, engagements, interprétations ou omissions dont l’erreur pourrait orienter l’action. Le niveau de contrôle dépend des conséquences, pas de l’élégance du texte.
- Ce que je veux encore savoir faire : les capacités que je souhaite pouvoir exercer sans assistance : expliquer une décision, construire un raisonnement, trouver un angle, conduire un entretien ou reprendre la tâche en cas d’erreur.
La quatrième zone introduit la réversibilité. Dans l’ouvrage, ce terme désigne la possibilité de poursuivre, d’expliquer ou de reconstruire l’activité lorsque l’assistance disparaît, se contredit ou ne doit pas être utilisée. Il s’agit là encore d’un repère conceptuel, pas d’une mesure scientifique normalisée.
Cette zone complète utilement la question posée dans ce que nous devons continuer à savoir faire sans intelligence artificielle. Il ne s’agit pas de conserver chaque ancien geste par principe, mais d’identifier ceux qui soutiennent encore notre compréhension, notre capacité d’explication ou notre responsabilité.
Un exemple : préparer une note de projet
Reprenons la note de cadrage du début. Dans la première zone, la responsable inscrit l’objectif du projet, les contraintes non négociables et les trois critères selon lesquels les options seront comparées. Elle les formule avant d’ouvrir l’outil afin que la première proposition ne devienne pas silencieusement le premier cadre disponible.
Dans la deuxième zone, elle délègue une proposition de plan, la détection des répétitions et deux formulations alternatives pour présenter le calendrier. Elle ne demande pas à l’IA de choisir l’option à défendre ni d’inférer les réactions des personnes concernées.
Dans la troisième zone, elle vérifie les dates dans le calendrier source, les responsabilités dans le relevé de décisions et chaque promesse formulée dans la note. Elle relit aussi les omissions : un document peut contenir des faits exacts tout en laissant de côté une contrainte déterminante. Pour cibler ce contrôle, la méthode proposée dans Vérifier une réponse d’IA sans tout recommencer distingue ce qui sert de piste, ce qui oriente et ce qui engage.
Enfin, elle veut rester capable d’expliquer le projet oralement, sans reprendre les phrases de la note. Elle ferme donc le document et résume en deux minutes le problème, les critères et la décision attendue. Si elle n’y parvient pas, elle ne conclut pas qu’elle a perdu une compétence ; elle repère simplement un point qui mérite d’être retravaillé.
Trois pièges que la grille rend visibles
Premier piège : confondre décision finale et maîtrise du chemin. Dire « c’est moi qui valide » ne suffit pas si le système a choisi les catégories, ordonné les arguments et fixé les premières options sans que ces opérations soient examinées.
Deuxième piège : vérifier seulement les erreurs factuelles. Les dates et les chiffres comptent, mais le cadrage, les absences et le niveau de certitude peuvent également modifier une décision. Une réponse exacte ligne par ligne peut rester mal ajustée à la situation.
Troisième piège : croire qu’une capacité reste disponible parce qu’on l’a déjà possédée. Une compétence s’entretient par des occasions de pratique. Cela ne permet pas d’affirmer qu’un usage régulier de l’IA provoque nécessairement un déclin. Cela invite plutôt à organiser quelques moments où l’opération importante reste réellement exercée.
Des expériences en décision assistée montrent d’ailleurs que de petites contraintes peuvent modifier la reliance. Dans une étude contrôlée menée auprès de 199 participants, des dispositifs obligeant à produire une première réponse ou à attendre avant de voir la recommandation de l’IA ont réduit la surconfiance envers de mauvais conseils. Les dispositifs les plus efficaces étaient aussi les moins appréciés. Cette expérience sur les pauses de réflexion en décision assistée portait sur une tâche délimitée, pas sur tous les usages d’une IA générative ; elle suggère néanmoins qu’un point d’arrêt concret peut être plus robuste qu’une simple consigne de vigilance.
L’exercice de la semaine : quinze minutes sur une tâche
Choisissez une seule tâche fréquente : préparer un courriel, résumer un dossier non sensible, construire un support ou comparer des options. Puis procédez ainsi :
- Avant d’ouvrir l’IA, écrivez l’objectif et trois critères de réussite.
- Décomposez la tâche en opérations : sélectionner, ordonner, formuler, calculer, interpréter, décider, expliquer.
- Répartissez chaque opération dans les quatre zones : garder, déléguer, vérifier, continuer à savoir faire.
- Ajoutez un point de reprise : « Je redeviens actif avant que la production soit envoyée, utilisée pour décider ou transmise à quelqu’un d’autre. »
- Après la tâche, notez une seule différence entre ce que vous pensiez déléguer et ce que la production a réellement orienté.
Si la tâche devient collective, précisez aussi qui prépare, qui vérifie et qui valide. L’article sur les usages de l’IA dans la coordination en ESMS montre comment traduire cette distinction en règles d’équipe, notamment pour les comptes rendus, les transmissions et le suivi d’actions.
Cette grille ne cherche pas à réduire l’usage de l’IA. Elle cherche à rendre sa place visible. La question décisive n’est pas « combien ai-je délégué ? », mais « puis-je encore expliquer ce que j’ai gardé, contrôlé et assumé ? »
Pour aller plus loin
Cet article prolonge une réflexion développée dans Ce que l’intelligence artificielle change en nous — Quand les réponses de l’IA arrivent avant notre pensée, de Frédéric HATLAS.
L’ouvrage explore la manière dont l’intelligence artificielle peut progressivement modifier notre façon de commencer une réflexion, accorder notre confiance, vérifier une information, déléguer une tâche et conserver notre autonomie.
Découvrir le livre :
https://sociaform.fr/ce-que-l-intelligence-artificielle-change-en-nous/