Dette cognitive et IA générative : quand la suppression de l'effort freine l'apprentissage

Quand la suppression de l'effort intellectuel freine la mémorisation et la transmission des compétences.

Il y a un peu plus d'un an, j'évoquais ici même le risque de voir s'installer une nouvelle dette cognitive liée à l'usage compulsif des intelligences artificielles génératives. L'intuition reposait alors sur un constat de terrain : à trop vouloir accélérer la production d'écrits professionnels en déléguant la réflexion initiale à un modèle de langage, on finissait par multiplier les relectures, étouffer la mémoire de travail et produire du contenu jetable.

Un an plus tard, ce qui relevait de l'observation empirique et de l'hygiène d'organisation vient de trouver une confirmation scientifique frappante dans les travaux menés par l'équipe de recherche du MIT Media Lab.

1.  L'illusion de la fluidité et le piège du MIT

Pour mesurer l'impact réel des agents conversationnels sur nos facultés intellectuelles, les chercheurs du MIT ont comparé les réactions cognitives et les taux de rétention de trois groupes d'individus confrontés à une tâche de synthèse et de résolution de problème :

• Groupe 1 (Mémoire seule) : Réflexion, formulation et structuration 100 % autonomes.
• Groupe 2 (Recherche classique) : Utilisation d'un moteur de recherche, nécessitant un effort de tri, de lecture critique et de sélection.
• Groupe 3 (Délégation LLM) : Génération directe des réponses via ChatGPT.

Résultats de l'expérience du MIT : l'impact sur la rétention

Groupe 1 : Cerveau seul	Rétention maximale, effort de formulation élevé.
Groupe 2 : Recherche (Google)	Rétention élevée dès la 2ᵉ session (tri et sélection actifs).
Groupe 3 : LLM (ChatGPT)	33% d'incapacité à citer leur propre texte après 3 sessions.

Chute de l'activité cérébrale dans les zones de consolidation mnésique lors de la délégation totale.

En supprimant ce que les sciences cognitives appellent la "friction désirable" — c'est-à-dire l'effort d'hésitation, de recherche de mots et d'assemblage d'idées —, l'IA générative produit un sentiment immédiat de maîtrise, mais détruit la consolidation mnésique. On comprend le texte sur le moment, mais on n'apprend rien.

Les résultats d'imagerie cérébrale et les tests de rétention à moyen terme sont sans appel : le groupe ayant délégué la tâche à l'IA a enregistré une baisse d'activité significative dans les zones cérébrales liées à la mémoire de travail. Plus inquiétant encore : quelques jours après l'expérience, plus d'un tiers des utilisateurs du groupe IA étaient incapables de restituer ou d'expliquer les concepts clés qu'ils avaient pourtant validés et signés dans leurs propres documents.

En supprimant ce que les sciences cognitives appellent la "friction désirable" — c'est-à-dire l'effort d'hésitation, de recherche de mots et d'assemblage d'idées —, l'IA générative produit un sentiment immédiat de maîtrise, mais détruit la consolidation mnésique. On comprend le texte sur le moment, mais on n'apprend rien.

2. La pyramide de l'apprentissage à l'épreuve des algorithmes

Ce phénomène s'explique très bien si l'on replace l'usage de l'IA au regard de la célèbre Pyramide de l'apprentissage (Learning Pyramid) :

Bien que les pourcentages exacts de ce schéma soient régulièrement discutés par la recherche, la frontière fondamentale qu'il trace entre apprentissage passif et apprentissage actif reste d'une grande pertinence méthodologique :

• L'usage passif (Haut de la pyramide) : Demander à l'IA de rédiger une note, la relire rapidement du regard et l'envoyer. L'effort cognitif se situe au même niveau qu'une écoute passive ou une simple lecture (5 à 10 % de rétention). On devient un passe-plat éditorial.
• L'usage actif (Bas de la pyramide) : Utiliser l'outil pour pratiquer, tester des hypothèses, débattre ou retravailler une argumentation (50 à 90 % de rétention). L'esprit reste en prise directe avec la matière.

Le danger majeur pour les organisations réside là : en incitant les collaborateurs (et tout particulièrement les juniors) à se réfugier dans le haut de la pyramide par manque de temps, on crée une véritable dette d'apprentissage. On accélère le traitement du courrier du jour, mais on assèche le capital d'expertise de demain.

3. Réintroduire de la friction pour préserver son "mieux-faire"

Il ne s'agit évidemment pas de jeter le bébé avec l'eau du bain ou de renoncer à des outils d'une puissance incontestable, mais de refuser la paresse intellectuelle déguisée en gain de productivité. Pour éviter de contracter cette dette cognitive, trois règles d'hygiène simple peuvent être appliquées au quotidien :

1. Le principe du brouillon préalable : Ne jamais lancer un prompt sans avoir posé sur le papier, en trois puces manuscrites ou mentales, sa propre intention, son plan et son idée force. L'IA doit habiller une pensée qui existe déjà, pas la remplacer.
2. L'IA comme contradicteur, jamais comme auteur : Plutôt que de lui demander "Rédige-moi une note sur...", préférez lui soumettre vos propres arguments et lui demander : "Trouve les 3 failles majeures de ce raisonnement." L'effort d'analyse reste du côté humain.
3. Le test de la restitution orale : Avant de transmettre un document généré ou reformulé par une IA, posez-vous une question simple : "Suis-je capable d'expliquer ce texte en 30 secondes à un collègue sans avoir les yeux rivés sur l'écran ?" Si la réponse est non, c'est que la dette cognitive a déjà commencé à s'accumuler.

Pour conclure

L'efficacité soutenable ne consiste pas à éliminer tout effort, mais à réserver notre énergie mentale aux tâches qui construisent notre jugement et notre valeur ajoutée. Pour ma part, je pense que l'IA est un formidable amplificateur lorsque l'esprit reste aux commandes, mais qu'elle devient une prothèse affaiblissante dès qu'on lui abandonne la friction d'apprendre.

---

Et dans vos pratiques quotidiennes, parvenez-vous à conserver cette "friction désirable" face à la tentation de la délégation rapide ? Vos retours d'expérience sont les bienvenus en commentaires !

Sources et références

• MIT Media Lab (2025). Cognitive Load, Memory Retention and Generative AI Assistance in Knowledge Work.
• Bjork, R. A. (1994). Memory and Metamemory Considerations in the Training of Human Beings. MIT Press.
• National Training Laboratories. The Learning Pyramid Model.

A relire sur pragma-tic

• IA générative au travail : opportunité d'efficacité ou nouvelle dette cognitive ? (Avril 2024)
• L'art du Bilan de bande passante : auditer sa charge cognitive (Janvier 2024)
• Deep Work : la résistance de l'attention dans un monde distrait (Mai 2017)