L'usage de l'intelligence artificielle peut nous rendre fainéant

L’arrivée des assistants d’intelligence artificielle dans la pratique médicale et scientifique modifie profondément notre rapport à l’information, au raisonnement et à la résolution de problèmes. Rédiger un courrier, interpréter un article, résumer des recommandations, préparer un cours ou générer un diagnostic différentiel devient plus rapide, plus fluide, parfois même plus agréable. Mais une question commence à émerger derrière cette efficacité immédiate : que deviennent nos propres capacités cognitives lorsque l’outil disparaît ? Une équipe de chercheurs américains et britanniques vient d’apporter des éléments expérimentaux particulièrement intéressants à cette question à travers une série d’essais randomisés contrôlés portant sur 1222 participants. Leur conclusion est claire : l’aide par IA améliore les performances à court terme, mais diminue ensuite les capacités de résolution autonome et la persistance face à la difficulté. [Grace Liu et al. AI Assistance Reduces Persistence and Hurts Independent Performance→[https://arxiv.org/abs/2604.04721](https://arxiv.org/abs/2604.04721)]

Méthode

Les chercheurs ont étudié deux domaines cognitifs différents :

la résolution de problèmes mathématiques avec des fractions ;
la compréhension de textes complexes de type SAT américain.

Les participants étaient répartis en groupes randomisés :

un groupe travaillait seul ;
un groupe disposait d’un assistant IA de type GPT-5 pouvant fournir directement réponses, indices ou solutions détaillées.

L’objectif était ensuite de retirer brutalement l’IA afin d’évaluer les capacités autonomes des participants.

Et c’est là que les résultats deviennent particulièrement intéressants.

Résultats

Pendant la phase d’assistance, les participants aidés par IA obtenaient logiquement de meilleurs résultats. Ils résolvaient davantage de problèmes et abandonnaient moins souvent.

Mais lorsque l’assistant disparaissait :

leurs performances chutaient significativement ;
ils abandonnaient plus fréquemment les exercices ;
ils persistaient moins longtemps face à une difficulté.

Le phénomène était reproductible dans les tâches mathématiques comme dans les exercices de compréhension de texte.

Autrement dit, l’IA ne semblait pas seulement modifier la qualité des réponses. Elle modifiait aussi le comportement cognitif lui-même.

Discussion

Les auteurs ont ensuite étudié la manière dont les participants utilisaient l’IA.
Trois profils apparaissaient :

ceux demandant des réponses directes ;
ceux demandant surtout des explications ou des indices ;
ceux utilisant peu ou pas l’IA.

Les résultats étaient très différents selon ces usages.

Les participants utilisant l’IA principalement pour obtenir des réponses toutes faites étaient ceux qui :

voyaient leurs performances autonomes le plus diminuer ;
abandonnaient le plus souvent les exercices ultérieurs ;
perdaient le plus en persistance.

À l’inverse, les utilisateurs demandant des indices ou des clarifications conservaient des performances proches des témoins. Cette distinction est probablement fondamentale pour l’avenir des IA médicales. Le point central de l’article n’est finalement pas le niveau de performance brute. Les auteurs insistent surtout sur la notion de « persistence », c’est-à-dire la capacité à continuer malgré la difficulté.

Or cette persistance est un élément majeur de l’apprentissage humain :

acquisition d’expertise ;
raisonnement clinique complexe ;
lecture critique scientifique ;
mémorisation durable ;
autonomie intellectuelle.

En médecine, cette notion est probablement encore plus importante qu’ailleurs : un allergologue expérimenté sait parfaitement qu’un diagnostic difficile se construit souvent justement dans cette zone d’incertitude où il faut continuer à chercher malgré l’absence de réponse immédiate.

L’IA risque alors de modifier subtilement notre tolérance à l’effort cognitif.

Le parallèle avec la pratique médicale quotidienne

Cette étude touche probablement un point très sensible dans l’usage actuel des IA génératives en médecine.

Lorsqu’un assistant fournit immédiatement :

un résumé d’article ;
une synthèse bibliographique ;
un raisonnement diagnostique ;
une proposition thérapeutique ;
un courrier médical prêt à l’emploi,

il réduit naturellement le temps de réflexion autonome nécessaire. À court terme, cela augmente l’efficacité. Mais à long terme, la question devient différente : sommes-nous encore capables d’effectuer seuls le même raisonnement ?

Les auteurs parlent même d’un risque de « gradual disempowerment », c’est-à-dire d’une perte progressive d’autonomie cognitive liée à une délégation croissante aux systèmes d’IA.

L’article ne propose absolument pas un rejet des IA.
Au contraire, les auteurs estiment que ces outils sont désormais inévitables et potentiellement extrêmement utiles. Leur critique porte surtout sur leur conception actuelle. Aujourd’hui, la plupart des IA sont optimisées pour fournir rapidement une réponse complète.

Mais un bon enseignant ou un bon mentor humain ne fonctionne pas ainsi :

il adapte l’aide ;
il laisse parfois chercher ;
il favorise l’autonomie future plutôt que la seule efficacité immédiate.

Les auteurs plaident donc pour des IA capables de soutenir les compétences humaines plutôt que de simplement remplacer l’effort cognitif. Et vous noterez que c’est dans ce sens que iAtchoum est conçu. Vous orienter, vous aider mais ne pas faire le travail à votre place.

Conclusion

Cette étude expérimentale apporte probablement l’un des premiers signaux solides sur un effet cognitif réel des IA génératives. Le paradoxe est fascinant : plus l’outil devient performant, plus il risque de réduire notre propre entraînement cognitif. En allergologie comme ailleurs, l’enjeu ne sera probablement pas de choisir entre utiliser ou ne pas utiliser l’IA. Le véritable enjeu sera d’apprendre à l’utiliser sans perdre la capacité de penser sans elle.