S’entraîner avec une IA performante semble la voie royale pour apprendre vite. Mais une fois l’assistant débranché, que reste-t-il vraiment dans la tête de l’élève ?
Un essai contrôlé randomisé, mis en ligne sur arXiv en avril, apporte une réponse troublante : moins qu’on ne le croit. Et le déficit ne porte pas seulement sur le savoir. Il touche l’envie même de faire un effort.
Une expérience qui isole la cause, pas la corrélation
La plupart des travaux sur l’« atrophie cognitive » liée à l’IA reposent sur des corrélations ou des auto-déclarations : on observe que les gros utilisateurs réussissent moins, sans savoir qui est cause de quoi. L’étude signée Grace Liu (Carnegie Mellon), avec Brian Christian et Tsvetomira Dumbalska (Oxford), Michiel A. Bakker (MIT) et Rachit Dubey (UCLA), change de méthode.
Le dispositif est simple et brutal. 1 222 participants, répartis au hasard. Les uns s’entraînent sur douze problèmes de fractions avec un assistant fondé sur GPT-5, les autres seuls. Puis tout le monde passe la même épreuve finale de trois problèmes, sans aucune assistance. Un bouton « passer » permet à tout moment d’abandonner.
L’assignation aléatoire autorise une lecture causale. Ce n’est pas une opinion sur l’IA : c’est une mesure.
Les chiffres : 57 % contre 73 %
Au test final sans IA, le groupe préalablement assisté réussit 57 % des problèmes. Le groupe qui s’était entraîné seul : 73 %. Seize points d’écart sur une tâche aussi élémentaire que le calcul de fractions, après une dizaine de minutes d’exposition à peine.
Plus parlant encore, le taux d’abandon. Il double presque, de 11 % à 20 %. Les chercheurs ont répliqué l’expérience sur 667 participants avec un protocole durci : l’effet persiste, atténué (71 % contre 77 %). Une troisième variante, sur la compréhension de texte, le confirme : 76 % contre 89 %, avec huit fois plus d’abandons.
L’assistance n’a pas seulement déplacé la compétence vers l’outil. Elle a entamé la disposition à l’effort elle-même.
Ce n’est pas la dépendance, c’est le conditionnement
On résume souvent ce genre de constat par « les gens deviennent dépendants de l’IA ». C’est rassurant, car réversible : il suffirait de débrancher. La réalité décrite par l’étude est plus dérangeante.
Les auteurs y voient un conditionnement. L’IA habitue au confort de la réponse immédiate, et prive de l’expérience la plus formatrice qui soit : celle de buter sur une difficulté et de finir par la surmonter seul. Or c’est précisément cette friction qui grave une compétence dans la durée.
Le vrai coût n’est donc pas la béquille qu’on retire. C’est le muscle qui ne s’est jamais formé sous la béquille.
Pour qui orchestre l’IA au quotidien, le piège est ailleurs
Voilà où le résultat dépasse le laboratoire. Dans nos métiers, l’assistant n’est pas un outil pédagogique déclaré : il s’installe silencieusement comme formateur implicite. Le junior qui apprend à programmer aux côtés d’un copilote, le rédacteur qui démarre toujours d’un brouillon généré, l’analyste qui ne lit plus que des synthèses.
Le danger n’est pas qu’ils produisent mal. Avec l’IA, ils produisent bien : c’est là tout le piège. La performance assistée devient un indicateur trompeur de la compétence réelle d’une équipe. On mesure ce que le binôme humain-machine livre, jamais ce que l’humain saurait livrer seul.
Concrètement, quelques réflexes méritent d’être posés :
- distinguer, dans une évaluation, ce qui est produit avec l’IA et ce qui l’est sans : sinon vous notez l’outil, pas la personne ;
- réintroduire des plages d’entraînement « à mains nues » sur les compétences que vous voulez voir durer ;
- se méfier d’une montée en compétence apparente d’une équipe qui pourrait n’être qu’une montée en compétence de ses prompts.
La compétence affichée n’est pas toujours la compétence acquise.
Jusqu’où peut-on généraliser ?
Restons honnêtes sur ce que l’étude prouve. C’est un preprint, pas encore validé par les pairs. Les tâches sont étroites : des fractions, des textes courts. L’horizon est immédiat, un seul modèle a été testé, et l’effet s’atténue nettement dans la réplication au protocole plus strict.
Autrement dit, le travail établit un mécanisme, pas une loi universelle. Rien ne dit que l’apprentissage sur des semaines, avec un assistant pensé pour enseigner, donnerait le même résultat. Cependant, le mécanisme, lui, est solidement documenté. Et il pointe vers un chantier de conception récent : des assistants qui guident sans résoudre, qui réintroduisent des frictions délibérées, qui acceptent de laisser l’utilisateur peiner un peu. OpenAI a déjà lancé un mode « étude » dans ChatGPT et Anthropic un mode d’apprentissage dans Claude, tous deux conçus pour répondre par des questions plutôt que par des solutions. Reste à démontrer qu’ils protègent vraiment la compétence : c’est précisément ce qu’une étude de ce type pourrait mesurer.
Une IA qui répond à tout n’est peut-être pas la meilleure IA pour apprendre.
L’assistance aide, personne n’en doute plus. La vraie question est celle que cette étude pose en creux : combien de nos compétences ne tiennent plus que parce que la machine est encore là pour les porter ? Reste à voir si nous saurons construire des outils qui nous rendent plus forts une fois seuls, plutôt que plus performants tant qu’ils nous tiennent la main.
