À 9 h 05, une cheffe de projet doit présenter les raisons d’un changement d’organisation. Son document est prêt : l’IA a clarifié le plan, raccourci les phrases et proposé trois objections possibles. Un collègue lui demande alors : « Pourquoi avons-nous écarté l’autre option ? » Elle retrouve la conclusion, mais peine à reconstruire le chemin qui y conduit. Le texte est bon. Pourtant, une partie du raisonnement lui est devenue moins accessible.
Cette scène ne prouve ni une dépendance ni une perte de compétence. Elle révèle une question plus utile : parmi les opérations confiées à l’IA, lesquelles voulons-nous encore pouvoir réaliser seuls ? Tout ne mérite pas d’être conservé à l’identique. Mais certaines capacités restent indispensables pour comprendre un résultat, le contester, l’expliquer ou agir lorsque l’outil n’est pas disponible. L’enjeu n’est donc pas de travailler sans intelligence artificielle. Il est de choisir ce que nous refusons de ne plus savoir faire.
Une production réussie ne prouve pas une compétence conservée
L’IA peut améliorer immédiatement un résultat : une note devient plus lisible, un tableau plus ordonné, un argumentaire plus complet. Ce bénéfice est réel. Mais la qualité du document final ne dit pas quelles opérations ont encore été exercées par son auteur.
Entre une intention et un livrable, il faut parfois définir le problème, sélectionner les informations, choisir un angle, hiérarchiser des critères, formuler une première hypothèse, repérer une contradiction et justifier une décision. Lorsque l’IA fournit d’emblée une structure convaincante, plusieurs de ces gestes deviennent moins visibles. Nous travaillons encore, mais autrement : davantage en sélection, en correction et en validation ; moins souvent dans la construction du premier cadre.
Ce déplacement n’est pas nécessairement mauvais. Déléguer une mise en forme répétitive peut libérer du temps pour le fond. Demander des contre-arguments peut enrichir une réflexion. Le problème commence lorsque nous confondons deux capacités différentes : reconnaître qu’une proposition est acceptable et savoir la produire, l’expliquer ou la reconstruire.
Cette distinction complète utilement la question de la fiabilité. Vérifier une réponse d’IA aide à sécuriser le résultat du jour. Maintenir une compétence concerne aussi la tâche de demain, notamment si la situation change ou si l’assistance ne convient plus.
Ce que la recherche permet de dire, et ce qu’elle ne permet pas
La délégation vers un support extérieur n’a pas commencé avec l’IA générative. Dans leur article de synthèse sur le « cognitive offloading », Evan Risko et Sam Gilbert décrivent la manière dont une action ou un outil peut réduire les exigences mentales d’une tâche. Noter un rendez-vous, utiliser une calculatrice ou programmer un rappel peut améliorer la performance immédiate. La délégation cognitive est donc aussi une stratégie efficace, pas seulement un risque.
Elle modifie toutefois ce que nous pratiquons. Une étude publiée en 2020 dans Scientific Reports a observé, chez des conducteurs réguliers, des associations entre une plus grande expérience du GPS et de moins bonnes performances dans certaines tâches de mémoire spatiale sans GPS. Son suivi longitudinal ne portait que sur treize personnes : il serait excessif d’en faire une loi générale. Cet exemple montre surtout qu’un outil qui réussit la tâche avec nous peut réduire certaines occasions de construire nos propres repères.
Pour l’IA générative, les preuves sur l’évolution durable des compétences restent encore limitées. Une étude présentée à la conférence CHI 2025 a interrogé 319 professionnels et recueilli 936 exemples d’usage. Les auteurs ont trouvé qu’une confiance plus élevée dans l’IA était associée à un effort de pensée critique déclaré plus faible, tandis que la pensée critique se déplaçait vers la vérification, l’intégration de la réponse et la supervision de la tâche. Mais il s’agit de déclarations recueillies par enquête, non d’une mesure d’érosion des capacités au fil des années.
La conclusion prudente est donc double : l’assistance change les opérations que nous exerçons, mais la recherche disponible ne démontre pas que l’IA provoquerait automatiquement une déqualification générale. Le mot « atrophie » va beaucoup plus loin que les données. Le bon niveau d’analyse reste la tâche, la fréquence d’usage, la place laissée à l’effort humain et la capacité de reprise.
La réversibilité : un repère pour choisir, pas un diagnostic
Dans Ce que l’intelligence artificielle change en nous, Frédéric HATLAS propose la réversibilité comme un repère d’autonomie : pouvoir poursuivre une activité lorsque l’assistance devient indisponible, produit une réponse inadéquate, se contredit ou ne doit pas être utilisée. Cette notion inclut aussi la possibilité d’expliquer les étapes, de changer de méthode et de contester la proposition reçue.
Il s’agit d’une proposition conceptuelle de l’auteur, pas d’une échelle scientifiquement validée. Son intérêt est pratique : elle évite d’opposer artificiellement les utilisateurs de l’IA à ceux qui s’en passeraient. On peut utiliser souvent un outil tout en conservant une capacité de reprise. À l’inverse, on peut l’utiliser rarement mais lui confier une étape décisive que l’on ne sait plus expliciter.
La réversibilité ne demande pas de préserver tous les anciens gestes. Personne n’a besoin de refaire à la main une mise en page standard pour prouver son autonomie. En revanche, si une opération permet de juger la qualité du résultat ou d’assumer une décision, sa disparition mérite attention.
Ce repère vaut aussi pour les organisations. Un établissement véritablement compatible avec l’IA sans devenir dépendant doit savoir ce qui se passe en cas d’indisponibilité, d’erreur ou d’usage interdit. Un mode dégradé n’est pas seulement une solution technique : c’est la preuve que les responsabilités, les critères et les savoir-faire essentiels restent identifiables.
Quatre capacités méritent une attention particulière
La réponse dépend du métier et de la tâche. Pour une communication sans enjeu, une forte délégation peut être raisonnable. Pour une décision qui affecte une équipe, un apprenant, un usager ou un partenaire, le seuil change. Quatre capacités fournissent un premier tri.
- Cadrer : formuler le problème, les contraintes et les critères avant de recevoir une solution. Sans cadre propre, il devient difficile de voir ce que la réponse a laissé de côté.
- Expliquer : rendre compte du raisonnement avec ses propres mots, sans relire la formulation générée. Une conclusion que l’on ne peut pas expliquer reste fragile.
- Contester : imaginer une objection, repérer une hypothèse discutable et savoir dans quelles conditions la proposition ne tient plus.
- Reprendre : produire une version suffisante lorsque l’outil est indisponible, inadapté ou exclu pour des raisons de confidentialité.
Ces capacités ne doivent pas être exercées à chaque étape de chaque tâche. Il faut plutôt identifier celles dont dépend notre pouvoir de juger. Dans un support pédagogique, par exemple, générer des variantes de formulation peut être délégué ; définir l’objectif d’apprentissage et vérifier l’alignement de l’activité méritent probablement d’être conservés. Cette distinction prolonge la réflexion sur le temps réellement gagné par l’IA en formation : accélérer la production n’a de sens que si la qualité et la maîtrise restent visibles.
Le test de reprise en vingt minutes
Choisissez une tâche que vous réalisez avec l’IA au moins une fois par semaine : préparer une note, synthétiser un dossier, construire un plan, rédiger un courriel délicat ou analyser des options. Prenez une occurrence réelle, sans données personnelles ou sensibles, puis désactivez l’assistance pendant vingt minutes.
- Commencez : notez ce que vous faites dans les trois premières minutes. Cherchez-vous les faits, l’angle, les critères, une phrase d’ouverture ou un ancien modèle ?
- Construisez : produisez une version imparfaite mais exploitable. Le but n’est pas d’égaler la vitesse de l’IA.
- Expliquez : résumez oralement votre raisonnement en une minute. Où avez-vous hésité ? Quel choix pourriez-vous défendre ?
- Comparez : réactivez ensuite l’IA et observez ce qu’elle améliore, ce qu’elle déplace et ce qu’elle ferait disparaître si elle intervenait toujours en premier.
Terminez avec quatre lignes : ce que je garde ; ce que je délègue ; ce que je vérifie ; ce que je veux encore savoir faire. Si la reprise est difficile, inutile de bannir l’outil. Choisissez une seule capacité à exercer : écrire d’abord trois critères, réaliser un premier jet une fois sur quatre, expliquer la décision avant de relire le texte ou prévoir un mode dégradé en équipe.
Répété un mois plus tard sur la même tâche, ce test révèle une évolution plus concrète qu’une impression générale de dépendance. Il ne mesure pas une compétence au sens scientifique. Il sert à rendre visibles les opérations que l’usage quotidien tend à effacer.
Utiliser l’IA pour faire travailler, pas seulement pour fournir
L’ordre de l’interaction change profondément l’expérience. Demander immédiatement « Rédige ce document » place la réponse générée au début du raisonnement. Commencer par une trace personnelle, même très courte, crée un point de comparaison. L’IA rencontre alors une pensée déjà engagée au lieu de lui fournir son premier cadre.
On peut aussi lui attribuer des rôles qui maintiennent l’activité : demander une objection plutôt qu’une conclusion, solliciter des questions plutôt qu’un plan complet, faire comparer deux hypothèses déjà formulées, ou demander de signaler les maillons faibles d’un premier essai. Ces pratiques ne garantissent pas l’apprentissage et ne transforment pas l’IA en évaluateur fiable. Elles préservent simplement davantage d’occasions de cadrer, d’expliquer et de décider.
Conserver des savoir-faire sans IA ne consiste donc pas à entretenir la difficulté pour elle-même. Il s’agit de garder disponibles les capacités qui permettent de comprendre ce que nous faisons, d’assumer nos choix et de reprendre la main quand le contexte l’exige. La question n’est pas « Puis-je encore tout faire seul ? », mais « Qu’est-ce que je ne veux pas cesser de savoir faire ? »
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/