IA et atrophie cognitive : que devons-nous continuer à comprendre ?
L'IA peut alléger notre effort mental sans condamner notre esprit critique. Le vrai enjeu : choisir ce que nous refusons de lui déléguer.
L'intelligence artificielle nous fait gagner du temps pour rédiger, résumer, coder et structurer nos idées. Mais que devient notre capacité à raisonner lorsque l'effort disparaît ? Dans un entretien récent, Sam Altman estime que le risque d'« atrophie cognitive » ne reçoit pas l'attention qu'il mérite. Sa question n'est pas de savoir s'il faut renoncer à l'IA. Elle est plus difficile : comment continuer à étirer nos cerveaux lorsque la machine peut prendre en charge une part croissante du travail intellectuel ?
Le vrai risque n'est pas d'oublier, mais de ne plus savoir juger
Nous avons toujours confié une partie de notre cognition à des outils. Une liste externalise la mémoire ; une calculatrice évite un calcul ; un GPS dispense de mémoriser un trajet. Les travaux sur le cognitive offloading, ou délestage cognitif, décrivent ce mécanisme : modifier notre environnement pour réduire la demande mentale d'une tâche.
Ce délestage n'est pas mauvais en soi. Il libère des ressources limitées et peut améliorer la performance. Le problème apparaît lorsque nous ne savons plus ce que nous avons délégué, lorsque nous perdons la capacité de détecter une erreur ou lorsque l'outil commence à définir le problème à notre place.
Avec une IA générative, le saut est important. Nous n'externalisons plus seulement un souvenir ou une opération ; nous pouvons lui confier l'argumentation, la synthèse, le plan et parfois la conclusion. Le résultat peut être excellent tout en nous laissant incapables d'expliquer pourquoi il est juste.
L'anecdote du compilateur : toute abstraction n'est pas une régression
Sam Altman raconte qu'un enseignant lui avait affirmé que, sans comprendre le fonctionnement des compilateurs, il ne deviendrait jamais un bon programmeur. Avec le recul, il juge cette prédiction trop rigide. On peut produire un logiciel utile sans maîtriser chaque transformation qui convertit le code en instructions exécutables.
Altman conserve pourtant une partie essentielle de la leçon : avoir une compréhension globale et raisonnable des principaux composants d'un système lui a été très utile. Il ne s'agit donc pas de tout connaître, mais de conserver une carte mentale suffisante pour anticiper les interactions, diagnostiquer une anomalie et évaluer une réponse.
La bonne question n'est pas « faut-il déléguer à l'IA ? », mais « quelle compréhension devons-nous conserver pour rester capables de cadrer, vérifier et décider ? »
Ce que la recherche permet — et ne permet pas — de conclure
Une étude présentée à CHI 2025 a interrogé 319 travailleurs du savoir à partir de 936 exemples d'utilisation. Une confiance élevée dans l'IA était associée à moins d'effort de pensée critique déclaré. Mais l'étude observe aussi un déplacement du travail intellectuel vers la vérification des informations, l'intégration des réponses et la supervision de la tâche. Elle décrit une transformation de l'effort, pas sa disparition automatique, et ne démontre pas un effet causal à long terme.
Une expérience publiée en 2026 auprès de 120 jeunes adultes apporte une autre nuance. Sur une tâche d'identification de raisonnements fallacieux, le groupe assisté par ChatGPT a obtenu davantage de bonnes réponses avec moins d'effort mental. L'analyse qualitative a toutefois relevé davantage de raisonnement indépendant, de vérification et de suivi métacognitif dans le groupe travaillant sans IA.
Ces résultats peuvent être vrais simultanément : l'IA peut améliorer le produit final tout en réduisant certains exercices qui construisent l'autonomie intellectuelle. Un bon score aujourd'hui ne garantit pas que nous saurons réussir seuls demain.
Définir un plancher de compréhension
Dans chaque métier, certaines connaissances deviennent moins utiles tandis que d'autres restent structurantes. Il est inutile de mémoriser chaque syntaxe qu'une documentation ou une IA retrouve instantanément. En revanche, comprendre les concepts, les contraintes, les ordres de grandeur et les conséquences d'une décision reste indispensable.
Pour un développeur, ce plancher peut inclure la circulation des données, la sécurité et les causes probables d'une panne. Pour une personne qui pilote une entreprise, il comprend les mécanismes économiques, les responsabilités et les indicateurs qui signalent une dérive. Pour un étudiant, il contient les notions sans lesquelles il ne peut ni formuler une question solide ni reconnaître une réponse incohérente.
Le test le plus simple consiste à retirer momentanément l'outil : pouvez-vous reformuler le raisonnement, défendre le choix et identifier ce qui pourrait le faire échouer ? Si la réponse est non, vous avez peut-être obtenu un livrable sans acquérir la compréhension qui devrait l'accompagner.
Utiliser l'IA pour exercer la pensée, pas seulement pour l'éviter
La manière de solliciter l'IA change profondément son effet. Lui demander une réponse prête à envoyer réduit l'effort. Lui demander de contester votre hypothèse, de révéler les angles morts ou de comparer plusieurs options peut au contraire intensifier le raisonnement.
Une discipline utile consiste à formuler d'abord votre propre position, même brièvement. Utilisez ensuite l'IA comme contradicteur : demandez-lui ce qui invaliderait votre conclusion, quelles données manquent et quel argument opposé serait le plus solide. Vérifiez enfin les faits importants dans leurs sources, puis reformulez la décision avec vos mots.
Cette friction volontaire protège une compétence décisive : rester propriétaire du problème. L'IA propose ; vous définissez les objectifs, les critères de qualité et le niveau de preuve attendu.
L'entreprise doit protéger son capital cognitif
Le risque ne concerne pas seulement les individus. Une organisation peut automatiser si vite qu'elle ne sait plus expliquer ses propres processus. Quand personne ne comprend les hypothèses d'un système, la première exception transforme le gain de temps en dépendance.
Il faut décider ce qui peut être automatisé, ce qui exige une validation humaine et ce que plusieurs personnes doivent continuer à savoir faire. Les équipes peuvent documenter les raisonnements critiques et organiser des revues sans IA sur certains cas.
Le paradoxe est clair : plus l'IA devient compétente, moins nous avons besoin d'exécuter chaque étape, mais plus nous devons savoir où porter notre attention. Notre valeur se déplace du geste vers le jugement. Encore faut-il continuer à entraîner ce jugement.
L'objectif n'est pas de préserver toutes les difficultés du passé, mais celles qui construisent compréhension, intuition et responsabilité. Une IA bien utilisée concentre cet effort sur les sujets qui comptent vraiment.
Sources : entretien « Sam Altman on AGI, Compute, and Human Agency » à 49 min 12 s, Invest Like The Best, 28 juillet 2026 ; Risko et Gilbert — « Cognitive Offloading », Trends in Cognitive Sciences, 2016 ; Microsoft Research — impact de l'IA générative sur la pensée critique, CHI 2025 ; Jain et al. — délestage cognitif et pensée critique avec ChatGPT, Cognitive Processing, 2026.
Questions fréquentes
L'IA provoque-t-elle réellement une atrophie cognitive ?
Les recherches disponibles ne démontrent pas une dégradation générale et irréversible du cerveau causée par l'IA. Elles montrent surtout que déléguer une tâche réduit certains efforts mentaux et peut modifier la manière de raisonner. Les effets dépendent de l'usage, de la tâche, du niveau de compréhension initial et des pratiques de vérification.
Qu'est-ce que le délestage cognitif ?
Le délestage cognitif consiste à utiliser une action ou un outil extérieur pour réduire la demande mentale d'une tâche : écrire une note, programmer un rappel, utiliser un GPS ou interroger une IA. Il peut améliorer la performance et libérer de l'attention. Il devient problématique lorsque l'utilisateur perd la compréhension ou le contrôle nécessaires pour juger le résultat.
Faut-il comprendre le fonctionnement technique d'une IA pour bien l'utiliser ?
Il n'est pas nécessaire de maîtriser chaque détail d'un modèle. Il faut cependant comprendre ses limites essentielles : une réponse plausible peut être fausse, les sources doivent être contrôlées et le contexte influence le résultat. Le niveau requis dépend du risque de la tâche et de votre responsabilité dans la décision finale.
Comment utiliser l'IA sans affaiblir son esprit critique ?
Formulez une première analyse avant de consulter l'IA, utilisez-la pour contester vos hypothèses plutôt que pour décider à votre place, vérifiez les faits importants et reformulez la conclusion avec vos mots. Pour les sujets essentiels, entraînez-vous parfois sans outil afin de vérifier que la compréhension reste disponible et pas seulement le résultat.