Vous devez répondre à un message délicat, préparer une note ou choisir entre deux options. Vous ouvrez un outil d’intelligence artificielle et demandez « une première proposition ». Quelques secondes plus tard, le texte est là : calme, structuré, utilisable. Vous le corrigez, vous en gardez une partie, puis vous avancez.
Rien, dans cette scène, ne ressemble à un abandon de la pensée. L’aide est réelle. Pourtant, un déplacement discret s’est produit : avant même que vous ayez complètement formulé votre intention, une réponse extérieure a fourni les premiers mots, les premières catégories ou le premier ordre du problème.
C’est ce déplacement qui m’a conduit à écrire Ce que l’intelligence artificielle change en nous. Non pour décider si l’IA est « bonne » ou « mauvaise », mais pour observer ce qui se passe lorsqu’elle devient disponible au commencement de notre réflexion, et pas seulement à la fin d’un travail déjà pensé.
Le point de départ : une aide ordinaire qui arrive plus tôt
Nous avons l’habitude de déléguer des opérations à des outils. La calculatrice prend en charge un calcul. Le correcteur repère une faute. Le moteur de recherche nous conduit vers des pages que nous devons encore lire, comparer et relier.
Une IA générative peut intervenir autrement. Elle ne fournit pas seulement un résultat isolé : elle rédige, résume, classe, compare, conseille et propose un ton. Elle travaille dans la même matière que celle dont nous nous servons pour organiser notre expérience : le langage.
Le gain est évident. Une page blanche devient un brouillon. Une hésitation devient une liste de critères. Un ensemble de notes devient une synthèse. L’ouvrage n’a pas été écrit pour contester ces bénéfices. Il part au contraire de leur efficacité. Si l’assistance n’était jamais utile, elle ne deviendrait pas un réflexe.
Mais cette efficacité rend la délégation moins visible. Demander un texte, ce n’est pas toujours confier seulement la formulation. La réponse peut aussi sélectionner les faits importants, ordonner les arguments et suggérer ce qu’il conviendrait de faire. Nous passons alors de la production à l’évaluation : au lieu de construire une première forme, nous jugeons une forme déjà construite.
Cette différence mérite d’être observée, notamment dans les situations professionnelles où les usages se diffusent vite. Comme le montre aussi notre article sur le sens, le cadre et la confiance dans les usages de l’IA, la question centrale n’est pas seulement technique. Elle concerne la place donnée à la production dans le travail et dans la décision.
La vraie question n’est pas de savoir si la machine « pense »
Le débat public se concentre souvent sur les capacités de la machine : comprend-elle, raisonne-t-elle, devient-elle intelligente au sens humain ? Ces questions sont importantes, mais elles peuvent détourner l’attention d’un phénomène déjà observable.
Un système n’a pas besoin de comprendre une situation comme une personne pour produire un texte qui modifie la manière dont cette personne la comprend. Une réponse peut rassurer, donner une impression d’évidence, rendre un choix plus saillant ou faire disparaître momentanément une autre possibilité. Le fonctionnement reste computationnel ; l’effet, lui, se manifeste dans l’attention et dans l’action de l’utilisateur.
C’est pourquoi l’ouvrage décrit l’IA comme un agent fonctionnel : un système capable de produire des formulations, des comparaisons et des hypothèses sans lui attribuer une intention, une conscience ou une expérience vécue. Cette distinction permet de tenir ensemble deux idées que l’on oppose trop facilement :
- la production peut être réellement utile ;
- son utilité ne prouve ni une compréhension humaine ni une fiabilité générale.
Le sujet devient alors plus concret : qu’avons-nous demandé ? Quelle opération le système a-t-il prise en charge ? Qu’avons-nous fait de sa réponse ? Et que resterions-nous capables de reprendre si l’outil n’était plus disponible ? Cette approche rejoint la réflexion sur un environnement professionnel compatible avec l’IA sans devenir dépendant de ses productions.
Pourquoi une réponse claire peut prendre plus de place qu’elle ne le devrait
Une pensée humaine en train de se former est souvent désordonnée. Elle contient des intuitions, des contradictions, des souvenirs incomplets et des critères encore mal nommés. Face à elle, la réponse générée arrive avec des titres, des listes et une conclusion. Sa forme achevée peut lui donner une autorité supérieure à sa valeur réelle.
La recherche commence à documenter certains aspects de cette influence. En 2024, deux expériences publiées dans Scientific Reports ont comparé des informations identiques présentées sous différentes formes. Les participants jugeaient les informations reçues par des agents conversationnels plus crédibles que les mêmes informations présentées comme un texte statique. Dans une des deux expériences, ils distinguaient aussi moins bien les contenus exacts des contenus partiellement inexacts lorsque la présentation était conversationnelle. Les auteurs soulignent toutefois les limites du dispositif : les participants observaient des interactions au lieu de dialoguer directement avec les outils.
Une autre étude de 2024, menée auprès de participants japonais, a montré que des conseils attribués à ChatGPT pouvaient infléchir certaines décisions morales, économiques ou liées à des stéréotypes. L’effet n’apparaissait pas dans toutes les tâches ni dans toutes les directions. Ce résultat ne permet donc pas d’affirmer qu’une IA détermine nos choix. Il indique plus modestement qu’un conseil généré peut peser sur certaines décisions, parfois d’une manière comparable à un conseil présenté comme expert.
Enfin, la délégation cognitive n’est pas née avec l’IA. Les travaux de psychologie parlent de cognitive offloading lorsque nous modifions une tâche ou utilisons un support extérieur pour réduire l’effort mental nécessaire. Un rappel dans un téléphone, une liste ou une calculatrice peuvent soutenir efficacement l’activité. Les recherches montrent aussi que notre décision de déléguer dépend de l’effort attendu et de l’évaluation, parfois imparfaite, de nos propres capacités.
Ces résultats documentent la crédibilité perçue, l’influence de certains conseils et la délégation cognitive. Ils n’établissent pas les effets durables de l’IA générative sur l’ensemble de nos compétences. Sur ce point, la prudence reste nécessaire.
L’antériorité de l’assistance : une proposition pour rendre le déplacement visible
J’ai proposé l’expression antériorité de l’assistance pour désigner une situation précise : la réponse de l’IA intervient avant que nous ayons suffisamment formulé notre propre raisonnement, nos critères ou notre intention, et devient ainsi le premier cadre disponible.
Cette expression n’est pas un concept scientifiquement validé. Elle constitue une proposition de lecture qui rassemble plusieurs mécanismes déjà étudiés séparément : le cadrage, l’ancrage, la délégation cognitive, la confiance et la reliance, c’est-à-dire la place que nous accordons effectivement à une aide dans notre action.
L’antériorité ne désigne pas une faute. Elle décrit une position dans le déroulement de la réflexion. Son importance varie selon la tâche :
- pour trouver trois variantes de titre, recevoir une première proposition engage peu ;
- pour résumer un dossier, le système sélectionne déjà ce qui paraîtra principal ;
- pour arbitrer un conflit ou préparer une décision sensible, il peut introduire les premiers critères à partir desquels nous jugerons la situation.
Cette gradation évite les jugements absolus. Il n’est pas nécessaire de préserver une pensée « pure » avant chaque demande. Il est en revanche utile de reconnaître les moments où le premier cadre compte : lorsque la décision engage une relation, un parcours, une responsabilité ou une conséquence difficilement réversible.
Le livre a donc été écrit pour déplacer légèrement la question. Au lieu de demander seulement « la réponse est-elle bonne ? », il propose d’examiner « à quel moment est-elle arrivée, qu’a-t-elle organisé et que suis-je en train de lui confier ? »
Un mini-test : observer une interaction avant de vouloir tout réglementer
Il n’est pas nécessaire de renoncer à l’IA pour observer ce qu’elle change. Pendant une semaine, choisissez une tâche que vous réalisez souvent avec son aide : rédiger un message, préparer un plan, résumer un document ou comparer des options.
Avant d’ouvrir l’outil, prenez deux minutes pour noter quatre éléments :
- Ce que je garde : l’intention, le critère ou la décision qui doit rester mien.
- Ce que je délègue : la formulation, le classement, la recherche d’options ou une autre opération précise.
- Ce que je vérifie : les faits, les omissions, le ton, les conséquences ou les sources.
- Ce que je veux encore savoir faire : l’étape que je souhaite continuer à exercer sans assistance.
Après avoir lu la réponse, ajoutez deux questions : qu’a-t-elle rendu plus visible ? Qu’a-t-elle laissé hors du cadre ? Le but n’est pas de mesurer la quantité de texte conservée. Une phrase générée peut être décisive ; un paragraphe entier peut rester un simple matériau.
Ce test permet aussi de mieux apprécier le bénéfice réel. Le temps gagné est utile s’il ne se transforme pas en vérification disproportionnée, en correction transférée à un collègue ou en perte de compréhension de la tâche. Sur ce point, notre analyse du temps réellement gagné avec l’intelligence artificielle en formation apporte un complément concret.
Écrire cet ouvrage, c’était finalement défendre une position simple : notre autonomie ne se mesure pas au nombre de tâches réalisées sans outil. Elle tient à notre capacité à comprendre ce que nous déléguons, à calibrer notre contrôle, à expliquer nos choix et à reprendre la tâche lorsque l’assistance ne convient plus.
Entre notre hésitation et notre action, une réponse est désormais disponible. La question n’est pas de la faire disparaître, mais de décider consciemment de la place qu’elle prendra.
Sources scientifiques
- Anderl et al. (2024), Conversational presentation mode increases credibility judgements during information search with ChatGPT, Scientific Reports.
- Ikeda (2024), Inconsistent advice by ChatGPT influences decision making in various areas, Scientific Reports.
- Risko et Gilbert (2016), Cognitive Offloading, Trends in Cognitive Sciences.
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/