L’intelligence artificielle générative, en particulier les modèles de langage capables de produire du texte, s’est imposée en quelques années comme un outil d’une efficacité
remarquable. Elle permet de produire des contenus, d’organiser des idées et de
structurer des raisonnements en un temps réduit, ce qui explique son adoption rapide
dans des contextes aussi variés que le travail, l’enseignement ou la communication.
Pourtant, cette diffusion massive contraste avec la relative discrétion du débat public qui l’entoure. Alors même que ces outils sont déjà profondément intégrés dans nos pratiques quotidiennes, leurs effets sur nos modes de pensée restent encore peu
discutés.
Cette situation est problématique. L’enjeu dépasse la seule question technologique : il
concerne la manière dont nous pensons, apprenons et produisons des idées — une
fonction fondamentale de l’activité humaine.
Penser ne consiste pas uniquement à produire un résultat cohérent. C’est une activité exigeante, qui mobilise un effort cognitif, une élaboration progressive et des
ajustements successifs. En psychologie cognitive, Daniel Kahneman distingue un mode de pensée rapide, intuitif, d’un mode plus lent, analytique, qui requiert une attention soutenue. C’est ce second mode qui permet d’évaluer, de comparer et de construire un raisonnement solide. Or, l’intelligence artificielle tend précisément à réduire le recours à cet effort.
Plusieurs travaux récents confirment cette évolution. Une étude menée par Microsoft
Research en collaboration avec Carnegie Mellon University (2023) montre que
l’utilisation de ces outils est associée à une diminution de l’effort de vérification et de
questionnement : les utilisateurs s’appuient davantage sur les réponses générées et
mobilisent moins systématiquement leur jugement critique. Ce phénomène s’inscrit
dans une dynamique bien connue en sciences cognitives, celle du cognitive offloading : la délégation d’opérations mentales à des outils externes.
Au-delà de cet affaiblissement de l’esprit critique, une transformation plus profonde est à l’œuvre. L’intelligence artificielle ne se contente plus de soutenir la réflexion ; elle en prend en charge certaines étapes fondamentales. Elle génère des idées et propose des réflexions déjà structurées, si bien que l’activité cognitive tend à se déplacer de la construction vers la sélection. Autrement dit, le risque n’est pas seulement de déléguer
des tâches, mais de déléguer la phase même où la pensée se forme.
Ce déplacement affecte aussi l’organisation des idées : les systèmes d’intelligence
artificielle produisent des réponses selon des structures optimisées — enchaînements
fluides, hiérarchisation, formulations stabilisées issues de vastes corpus — qui
favorisent la reproduction de formes argumentatives dominantes. Des travaux récents,
notamment publiés dans Nature Human Behaviour, suggèrent une convergence
progressive des styles d’écriture et des cadres de raisonnement, au risque d’appauvrir
la diversité des formes d’expression. Il ne s’agit pas d’une uniformisation des idées,
mais d’une homogénéisation de leurs formes : les positions varient, mais les
raisonnements deviennent plus linéaires, plus prévisibles, inscrits dans des schémas
récurrents. L’intelligence artificielle tend ainsi à délimiter les formes dans lesquelles la
pensée s’exerce, réduisant la place des détours, des tâtonnements et des
reformulations — pourtant constitutifs de l’élaboration du raisonnement.
Le risque n’est pas de moins penser, mais de ne plus apprendre à penser.
La transformation ne concerne donc pas seulement l’évaluation des idées, mais aussi
leur élaboration. À mesure que certaines étapes de la réflexion sont externalisées,
l’acte de penser se déplace lui-même, passant d’un processus de construction à une
logique de sélection et d’adaptation.
Dans le domaine de l’éducation, cette évolution est déjà documentée. Des recherches récentes sur l’usage de l’intelligence artificielle dans l’apprentissage montrent que l’accès facilité à des contenus générés tend à réduire l’engagement dans les processus d’élaboration. Or, apprendre ne consiste pas uniquement à obtenir une réponse, mais à en comprendre la construction et à en maîtriser les logiques internes. Lorsque ces étapes sont partiellement externalisées, la capacité à construire un enchaînement logique se trouve fragilisée.
Face à ces évolutions, l’absence de débat public structuré constitue un angle mort.
L’intelligence artificielle est omniprésente, mais ses effets cognitifs, éducatifs et
culturels restent peu discutés : le débat porte sur les usages, non sur les transformations qu’elle introduit dans nos modes de pensée. Or, ces mutations concernent directement la production du savoir. Ne pas les interroger, c’est laisser
s’installer sans discussion des évolutions qui transforment la manière dont les idées se construisent, se valident et circulent. L’enjeu n’est donc pas de rejeter l’intelligence
artificielle générative, mais de redéfinir sa place : outil d’appui, elle peut accélérer le
travail intellectuel ; en externalisant une part du raisonnement, elle en déplace aussi le centre, de la construction vers la sélection.
La question devient alors moins technique que culturelle et politique : sommes-nous
prêts à maintenir une exigence d’effort intellectuel dans un environnement qui tend à la réduire ? Acceptons-nous de préserver des espaces de lenteur, de doute et de
complexité dans un contexte où tout encourage la fluidité et l’immédiateté ?
Amal Bouhfas
Journaliste