Lors d’un événement de startup à San Francisco, un homme arborait sur la poitrine une petite gousse métallique large de deux doigts. Un ami curieux lui a demandé ce que c’était ; l’homme a répondu que c’était un microphone, qu’il l’utilisait pour enregistrer toute la journée, puis le soir jetait l’audio dans une IA pour résumé et analyse. Poussant la confidence, il a lâché une phrase qui glace le sang : « Je trouve que Claude est plus intelligent que moi, son esprit critique est plus fort que le mien, alors je lui confie toute ma réflexion désormais. »
Ce n’est pas de la science-fiction. C’est le témoignage réel consigné par la chercheuse en IA Yennie Jun dans son article du 14 juillet 2026, « Are we offloading too much of our thinking to AI? ». Publié ce jour-là, l’article est monté en tête de Hacker News — 353 votes, 356 commentaires, devenant le sujet le plus chaud de la journée. Le commentaire le plus plébiscité disait : « Si vous utilisez une calculatrice pour faire une addition, vous restez vous-même. Mais si vous confiez la majeure partie de votre réflexion à l’IA — que vous reste-t-il ? »
Cette question plane au-dessus de beaucoup de têtes ; la plupart ne se la posent pas encore.
La calculatrice ne vous a pas rendu bête, alors pourquoi l’IA le ferait ?
L’analogie la plus courante des opposants est la calculatrice. « Quand la calculatrice est arrivée, on disait que les élèves allaient s’abrutir ; résultat ? L’enseignement des mathématiques est passé du par cœur à la compréhension conceptuelle. » Ce raisonnement sonne juste — puisque la calculatrice n’a pas détruit la capacité mathématique humaine, l’IA ne détruira pas non plus la capacité de réflexion humaine.
Mais il y a là une différence cruciale, passée sous silence.
Ce que la calculatrice fait à votre place, c’est l’arithmétique — un ensemble d’opérations aux règles claires et aux contours nets. 2 plus 2 égale 4, sin(30°) égale 0,5, sans zone floue. Surtout, la calculatrice ne prend aucun jugement sur « quoi calculer », « pourquoi calculer », « ce que signifie le résultat ». Ces jugements, ce raisonnement, ces arbitrages — le cœur de la pensée — restent dans votre tête.
Ce que l’IA fait à votre place est d’une nature totalement différente. Elle évalue les sources d’information pour vous, juge quels arguments sont les plus solides, organise la structure de la démonstration, décide de l’orientation de la conclusion. Ce ne sont pas des opérations auxiliaires — c’est la pensée même.
Des chercheurs de l’Université de Western Australia ont, dans un article de 2025, systématiquement déconstruit les cinq failles de « l’analogie de la calculatrice ». La plus centrale : la calculatrice n’opère que dans le domaine restreint des mathématiques, tandis qu’un modèle de langage n’a pas de frontière fixe — « en théorie, vous pouvez lui déléguer tout type de tâche cognitive ». Autre point clé : la calculatrice n’hallucine pas, ne fabrique pas d’un ton confiant des faits inexistants, n’imprègne pas sa sortie des biais culturels présents dans ses données d’entraînement.
L’auteur a consulté une étude empirique publiée en 2025 dans la revue MDPI Societies. L’équipe a mené un questionnaire et des entretiens approfondis auprès de 666 participants, révélant une corrélation négative statistiquement significative entre la fréquence d’usage des outils d’IA et la capacité d’auto-évaluation de l’esprit critique. Concrètement, plus on utilise fréquemment les outils d’IA, plus les auto-évaluations sont basses sur trois dimensions : « évaluer la crédibilité de l’information », « identifier les failles d’un argument », « former un jugement indépendant ». Les auteurs nomment ce phénomène l’effet médiateur du déchargement cognitif — l’IA accomplit à votre place les étapes intermédiaires de la réflexion, vous privant de l’occasion de les pratiquer.
C’est comme quelqu’un qui ne court jamais et qu’on demanderait soudain de courir cinq kilomètres — ses muscles, faute d’usage, se sont atrophiés, et sa capacité de course a disparu avec. Les muscles de la pensée obéissent au même principe : use ou perds. L’effrayant, c’est que la dégradation physique se ressent (essoufflement, jambes lourdes), tandis que la dégradation de la pensée reste invisible jusqu’à ce qu’il soit trop tard — le jour où vous devez porter un jugement indépendant, sans IA, et que vous réalisez ne plus savoir penser.
La fenêtre des enseignants : quand tous les élèves ont A, sans rien avoir appris
Yennie Jun raconte un détail dans son article. Sa mère enseigne la physique dans une université en ligne et a récemment repéré un schéma inquiétant : la plupart des devoirs des étudiants se ressemblent à l’identique — comme si tous avaient collé la même question dans le même outil d’IA, puis recopié tel quel. Les réponses sont assez complètes, irreprochables au regard du barème, si bien que la plupart ont eu A. Mais elle sait pertinemment que ces étudiants n’ont rien appris.
L’IA peut produire une réponse parfaite, mais en chemin elle ne vous enseigne pas comment y parvenir. Quelle formule ? Pourquoi cette formule ? Y a-t-il d’autres voies ? Quelles sont les conditions aux limites ? Que se passe-t-il si on change une variable ? — ces questions sont le cœur de l’enseignement de la physique, et la sortie de l’IA les saute toutes.
Le phénomène « plus l’IA est forte, moins on apprend » n’est pas isolé. Une étude de Harvard en 2025 a montré que, dans les cours autorisant l’assistance IA, les notes aux examens finaux ont baissé en moyenne d’environ un demi-crédit de lettre, et que l’ampleur de la baisse est proportionnelle à la dépendance des étudiants envers l’IA. Notable : les étudiants qui « croyaient avoir beaucoup appris de l’IA » avaient en réalité de moins bonnes notes — l’explication fluide de l’IA crée un faux sentiment de « j’ai compris », qui ne résiste pas à une épreuve exigeant un raisonnement indépendant.
Une expérience : réfléchissez d’abord, demandez ensuite
Yennie Jun partage dans son article une expérience vécue. En voyage au Portugal, elle a visité avec sa sœur le « Monument aux découvertes » — un repère commémorant l’âge des grandes navigations portugaises. Toutes deux se sont interrogées : pourquoi le Portugal tire-t-il une telle fierté de son passé colonial ? Aux États-Unis, Christophe Colomb a depuis longtemps été « annulé », mais les Portugais semblent vénérer le prince Henri.
La sœur a sorti son téléphone : « Demandons à ChatGPT. »
Yennie a suggéré de ne pas demander tout de suite, de réfléchir d’abord. Elles se sont mises à supposer : le Portugal est-il plus homogène et religieux que les États-Unis ? Le « Age of Discovery » est-il le chapitre le plus brillant du récit national portugais, justifiant une embellie sélective de cette histoire ? Elles ont supposé, raisonné, se sont mutuellement réfutées, ont rappelé des détails d’histoire appris au lycée. Elles savaient que beaucoup de suppositions pouvaient être fausses — c’était précisément l’exercice.
Elles ont fini par interroger l’IA. Sa réponse a validé la plupart de leurs suppositions, ajouté quelques angles qu’elles n’avaient pas envisagés, et omis certaines possibilités qu’elles jugeaient encore pertinentes.
La valeur de cette expérience n’est pas dans la réponse finale. La valeur réside dans le processus « devine d’abord ». Si l’on demande directement à l’IA, la réponse apparaît à l’écran en une seconde, vous la lisez, hochez la tête, puis l’oubliez. Mais quand vous avez d’abord réfléchi — fussiez-vous plein de trous —, la réponse de l’IA n’est plus une conclusion, mais un interlocuteur avec qui dialoguer : ici j’y avais pensé, là je n’avais pas considéré, cette explication ne me convainc pas tout à fait.
Un commentaire souvent cité sur Hacker News propose un cadre utile. Le commentateur jvanderbot divise l’usage de l’IA en deux modes : « whisper earring » (boucle d’oreille chuchotante) et « exoskeleton » (exosquelette). Le mode boucle d’oreille chuchotante, c’est quand vous cherchez une direction auprès de l’IA — « que devrais-je faire maintenant ? », « où penses-tu que le problème se situe ? » — vous abandonnez l’initiative de la pensée, l’IA juge pour vous. Le mode exosquelette, c’est quand vous avez déjà une idée claire et laissez l’IA accélérer l’exécution — « implémente cet algorithme avec cette structure », « traduis ce texte dans ce style » — vous gardez le jugement, l’IA ne fait que prolonger votre main.
La boucle d’oreille atrophie. L’exosquelette renforce. La différence tient en ceci : avez-vous fait fonctionner votre propre cerveau avant d’enfouir celui de l’IA dans le vôtre.
La face cachée de la pièce : l’IA aide vraiment, et beaucoup
Soyons justes, les gains de productivité de l’IA sont réels. Yennie Jun énumère dans son article plusieurs exemples : sa cousine utilise Gemini pour traduire de longs rapports anglais en coréen, multipliant son efficacité ; son ami utilise ChatGPT comme tuteur personnalisé et a appris la biochimie de zéro en quelques mois ; elle-même analyse ses données personnelles avec l’IA, révélant des schémas qu’elle aurait eu du mal à détecter manuellement.
Tous ces exemples partagent un point commun : l’IA accélère l’exécution de « compétences déjà maîtrisées », au lieu d’apprendre à quelqu’un une « compétence non encore acquise ». La cousine connaissait déjà le coréen et l’anglais, l’IA ne lui a fait sauter que la peine de traduction mot à mot. Yennie sait très bien quelles données analyser et quelles questions poser ; l’IA n’est qu’un accélérateur au niveau de l’exécution.
Le problème surgit quand vous placez l’IA dans un domaine que vous ne maîtrisez pas.
Par exemple, utiliser l’IA pour relire un contrat juridique que vous comprenez mal. L’IA peut vous dire couramment « cette clause présente peut-être un risque », mais vous n’avez pas lu le texte original de la clause, n’avez pas déduit le chemin du risque dans le cadre légal, n’avez pas comparé les différences de formulation. Vous obtenez un sentiment à propos du risque, non une compréhension du risque. La prochaine fois qu’une structure clause similaire apparaîtra dans un autre contexte, vous ne la reconnaîtrez peut-être pas du tout — parce qu’à la précédente occasion vous n’avez pas vraiment « appris » à quoi ressemble le risque, vous avez seulement reçu une conclusion.
Cela explique aussi pourquoi les utilisateurs intensifs d’IA, interrogés sur « qu’avez-vous appris », peinent souvent à répondre — ils ont bien « accompli » beaucoup de choses, mais le savoir ne s’est pas sédimenté dans leur cerveau. La productivité n’est pas l’apprentissage. Ces deux choses s’accélèrent et se séparent à l’ère de l’IA.
« Je ne cours pas vite, la pensée est tout ce qu’il me reste »
Un commentaire sur Hacker News a suscité une large résonance. Le commentateur zerobees a écrit : « Je ne suis pas doué pour la musculation ou la course. La pensée est donc tout ce qu’il me reste. » Derrière cette phrase se cache une angoisse plus profonde : si même la pensée — cette capacité sur laquelle repose toute la civilisation humaine — peut être si facilement déléguée, que reste-t-il de l’unicité de l’espèce humaine ?
L’auteur estime que la réponse se situe peut-être dans « le niveau d’usage ». Les recherches actuelles tracent une ligne de démarcation floue mais orientée : utilisez l’IA sur « ce que vous savez déjà » comme amplificateur d’efficacité ; utilisez l’IA sur « ce que vous ne savez pas encore » en gardant la discipline « réfléchir d’abord, demander ensuite ».
Ce n’est pas une question en noir et blanc. Vous ne pouvez ni ne devez refuser toute assistance IA. Mais vous pouvez choisir, avant de laisser l’IA répondre à votre place, de vous accorder trente secondes — et de vous demander : si j’étais seul, comment y répondrais-je ?
Cet homme au microphone de San Francisco, s’il lui arrive un jour que l’appareil tombe en panne ou que le service IA s’interrompe, saura-t-il encore quoi dire à la personne en face de lui ?
Le matériel de cet article provient de l’article original de Yennie Jun sur Art Fish Intelligence, des discussions associées sur Hacker News, ainsi que de plusieurs études empiriques en sciences cognitives déjà publiées. L’auteur n’a pas participé directement aux recherches ci-dessus ; certains jugements reposent sur l’interprétation d’informations publiques et peuvent comporter des biais. Si vous avez une expérience de première main ou un point de vue différent sur ce sujet, vos contributions sont les bienvenues.
Liens de référence
- Yennie Jun, « Are we offloading too much of our thinking to AI? », Art Fish Intelligence (Substack), 2026-07-14
- Fil de discussion Hacker News
- Gerlich, M., « AI Tools in Society: Impacts on Cognitive Offloading and the Future of Critical Thinking », Societies (MDPI), 2025
- « Generative AI is not a ‘calculator for words’. 5 reasons why this idea is misleading », The Conversation, 2025-08-18
- Javier Santana, « AI and the calculator analogy », Kognitivo (Substack), 2025-08-07
- METR, « Task-Completion Time Horizons of Frontier AI Models », 2025
- Université d’État de Floride, « Étude sur l’infiltration des mots à haute fréquence de l’IA dans la parole humaine », 2025