Une nouvelle étude impliquant des chercheurs de Carnegie Mellon, du MIT, d’Oxford et de l’UCLA révèle un effet secondaire paradoxal de l’intelligence artificielle : l’utilisation de l’IA pendant aussi peu que 10 minutes peut altérer considérablement la capacité d’une personne à réfléchir et à résoudre des problèmes.
La recherche suggère que même si l’IA augmente la productivité immédiate, elle peut se faire au détriment des compétences cognitives fondamentales. Lorsque les participants comptaient sur des assistants IA pour des tâches simples, comme résoudre des fractions ou répondre à des questions de compréhension écrite, ils devenaient moins résilients lorsque l’outil était supprimé. Sans le « filet de sécurité » de l’IA, ces personnes étaient beaucoup plus susceptibles d’abandonner ou de fournir des réponses incorrectes que celles qui travaillaient de manière indépendante.
“Ce qu’il faut retenir n’est pas que nous devrions interdire l’IA dans l’éducation ou sur les lieux de travail”, déclare Michiel Bakker, professeur adjoint au MIT et co-auteur de l’étude. “L’IA peut clairement aider les gens à être plus performants sur le moment, et cela peut être précieux. Mais nous devrions être plus prudents quant au type d’aide que l’IA fournit et à quel moment.”
Le coût cognitif de la commodité
L’étude, composée de trois expériences impliquant plusieurs centaines de participants, met en évidence une distinction essentielle entre l’efficacité à court terme et la capacité à long terme.
Les participants étaient payés pour résoudre des problèmes via une plateforme en ligne. Dans certains scénarios, un assistant IA pourrait résoudre les problèmes de manière autonome. Lorsque les chercheurs ont brusquement supprimé cette assistance, le groupe « dépendant de l’IA » a connu des difficultés considérables. Cela indique que la volonté de persévérer malgré les difficultés – un indicateur clé de l’apprentissage et de l’acquisition de compétences – diminue lorsque les solutions sont transmises trop facilement.
Bakker, qui a déjà travaillé chez Google DeepMind, note que ce phénomène est enraciné dans la psychologie cognitive. Il ne s’agit pas seulement d’obtenir la bonne réponse ; il s’agit de la façon dont les humains réagissent aux frictions. Lorsque l’IA supprime toutes les frictions, elle supprime également les opportunités de croissance.
Repenser l’IA en tant qu’enseignant, pas seulement en tant que solutionneur
Les résultats soulèvent des questions urgentes pour les développeurs et les enseignants en IA : Comment aligner les modèles d’IA sur les valeurs humaines sans priver les utilisateurs de leur pouvoir ?
Bakker plaide en faveur d’un changement dans la manière dont les systèmes d’IA sont conçus. Au lieu de toujours fournir des réponses directes, l’IA devrait fonctionner davantage comme un tuteur humain qualifié : échafaudage, coaching et défi de l’utilisateur pour qu’il trouve lui-même la solution.
- Systèmes de réponse directe : donnez la priorité à la vitesse et à la précision, ce qui risque d’éroder les compétences des utilisateurs au fil du temps.
- Systèmes d’échafaudage : donnez la priorité à l’apprentissage en guidant les utilisateurs tout au long du processus de résolution de problèmes.
Même si cette approche « paternaliste » du design est complexe à mettre en œuvre, elle est nécessaire pour prévenir une atrophie cognitive à long terme. Bakker souligne que comprendre comment l’IA interagit avec la persistance et l’apprentissage humains est une question cognitive fondamentale qui ne peut être ignorée.
Risques réels : lorsque l’automatisation échoue
Le danger de se décharger de la pensée critique devient clairement évident lorsque les systèmes d’IA tombent en panne ou se comportent de manière imprévisible. Cela est particulièrement vrai pour l’IA agentique, c’est-à-dire les systèmes qui effectuent des tâches complexes et indépendantes comme le codage ou la configuration du système.
La propre expérience de Bakker illustre ce risque. Lors de l’utilisation d’un assistant IA (OpenClaw, optimisé par Codex) pour résoudre un problème de Wi-Fi Linux, l’IA a suggéré une série de commandes pour modifier les pilotes réseau. Le résultat fut catastrophique : la machine refusa de démarrer. Si l’IA avait fait une pause pour expliquer le problème sous-jacent et guider l’utilisateur tout au long du processus de diagnostic, le résultat aurait pu être différent. Au lieu de cela, l’utilisateur s’est retrouvé avec un système défectueux et sans une compréhension plus approfondie de la manière de le réparer.
Ce scénario reflète les inquiétudes des développeurs de logiciels utilisant des outils comme Claude Code ou Codex. Si les codeurs s’appuient entièrement sur l’IA pour générer et déboguer le code, ils risquent de perdre la capacité d’identifier et de corriger les erreurs subtiles et étranges que les agents autonomes peuvent introduire.
Conclusion
L’étude n’appelle pas à un rejet de l’IA, mais plutôt à un engagement plus intentionnel. Pour maintenir la résilience cognitive, les utilisateurs et les développeurs doivent donner la priorité aux outils qui favorisent l’apprentissage et la persévérance plutôt qu’à ceux qui fournissent simplement des réponses instantanées. L’objectif devrait être une IA qui améliore les capacités humaines, et non une IA qui remplace l’effort mental nécessaire à sa construction.
