Une réponse produite avec l'aide d'une IA peut être plus claire, plus rapide et parfois meilleure que celle que nous aurions produite seul. Cela ne dit pas encore ce que nous avons appris. Le vrai enjeu est de ne pas confondre une performance assistée, la compétence mobilisable sans outil et le sentiment de maîtrise.
Une amélioration visible n'est pas encore un apprentissage
L'IA peut faire gagner du temps sur une note de synthèse, un raisonnement, un plan ou un brouillon. Le résultat final devient alors très convaincant. C'est utile, à condition de poser une question moins flatteuse que « est-ce que le livrable est bon ? » : « pourrais-je expliquer, refaire ou adapter ce travail dans une situation proche, sans recevoir la réponse ? »
Ces deux questions ne mesurent pas la même chose.
La première porte sur la performance assistée. Elle est légitime dans de nombreux contextes professionnels : nous travaillons déjà avec des moteurs de recherche, des tableurs, des modèles et des collègues. La seconde porte sur la compétence autonome, c'est-à-dire la capacité à mobiliser un raisonnement, un savoir-faire ou un jugement lorsque l'outil n'est pas disponible, se trompe ou ne comprend pas le contexte.
Il y a enfin une troisième dimension : la calibration. Être compétent ne consiste pas seulement à réussir. C'est aussi savoir ce que l'on sait, ce que l'on ne sait pas encore et à quel moment il faut vérifier. Une IA peut améliorer la première dimension tout en brouillant la troisième.
Ce que les résultats permettent de dire
Plusieurs travaux invitent à prendre cette dissociation au sérieux.
Dans deux études sur des tâches de raisonnement logique, des personnes assistées par IA ont obtenu de meilleures performances, mais n'ont pas évalué plus justement leur propre niveau. Les auteurs parlent d'un décalage possible entre performance et métacognition, autrement dit entre le résultat obtenu et l'estimation que l'on fait de sa propre compréhension. Fernandes et al., 2026
Un essai de terrain mené en mathématiques au lycée apporte un second repère. L'accès à une interface conversationnelle non encadrée a amélioré le travail réalisé avec l'outil, mais les élèves concernés ont ensuite moins bien réussi une épreuve sans IA que ceux qui n'y avaient pas eu accès. Une version conçue pour guider davantage l'apprentissage a atténué ce recul. Elle ne démontre pas pour autant qu'un tuteur IA fait automatiquement progresser : elle montre surtout que la manière dont l'aide est conçue compte. Bastani et al., 2025
Enfin, une enquête auprès de travailleurs du savoir observe que la confiance déclarée dans l'IA est associée à moins d'effort critique déclaré, tandis que la confiance dans sa propre capacité à réaliser la tâche est associée à davantage d'effort. Les participants décrivent aussi un déplacement du travail cognitif vers la vérification et l'intégration des réponses proposées. Lee et al., 2025
L'interprétation : l'IA peut dissocier trois choses
Ces travaux ne prouvent pas que l'IA rend systématiquement moins compétent. Ils suggèrent plutôt que certains usages peuvent dissocier trois réalités : la qualité du résultat obtenu avec l'outil, l'impression de maîtrise et la capacité à réussir ensuite sans lui.
Cette dissociation est plausible dans les tâches où l'IA franchit trop vite les étapes qui font apprendre. Une réponse fluide masque les hésitations, les essais, les connaissances manquantes et les critères qui ont permis d'arriver à une conclusion. Plus le texte final paraît net, plus il peut devenir difficile d'identifier quelle part du raisonnement est véritablement la nôtre.
C'est une interprétation, pas une loi psychologique. L'IA peut aussi soutenir l'apprentissage lorsqu'elle oblige à comparer, justifier, corriger et reformuler. Le problème n'est donc pas l'assistance en elle-même. C'est l'assistance qui remplace sans laisser de trace l'effort que l'on voulait précisément développer.
Faire de l'assistance un support d'apprentissage
Se positionner avant de consulter l'outil. Avant d'ouvrir la conversation, formulez une première réponse, une hypothèse ou au moins un niveau de confiance. Après la réponse de l'IA, comparez : qu'est-ce qui confirme mon raisonnement ? Qu'est-ce qui le contredit ? Qu'est-ce que je n'aurais pas vu seul ? Ce détour rend visible l'écart entre aide reçue et savoir acquis.
Demander une friction utile. Le prompt le plus efficace pour apprendre n'est pas toujours « donne-moi la réponse ». Il peut demander à l'IA de poser des questions, de repérer une hypothèse implicite, de proposer un contre-exemple, d'expliquer pourquoi une piste est fragile ou de signaler les éléments à vérifier dans des sources fiables.
Retirer l'IA à un moment choisi. Pour tester un apprentissage, il faut parfois créer une courte situation sans assistance : expliquer la démarche avec ses mots, résoudre un problème voisin, défendre une décision ou refaire un passage essentiel. Ce n'est pas une punition. C'est une façon de vérifier que la compétence ne vit pas uniquement dans la fenêtre de conversation.
Rendre la contribution visible. Dans une équipe ou une formation, distinguez ce qui vient de l'utilisateur, ce qui a été proposé par l'IA et ce qui a été modifié après vérification. Cette traçabilité ne doit pas devenir une surveillance. Elle permet surtout de discuter de la qualité du jugement.
Les limites à garder en tête
Les études citées ne portent ni sur tous les métiers ni sur tous les usages. L'essai de Bastani et ses collègues concerne des lycéens en mathématiques, avec des outils et des consignes précis. Il ne permet pas de conclure sur le travail créatif, la médecine, le conseil ou la formation d'adultes. L'enquête de Lee et ses collègues mesure des efforts et pratiques déclarés : elle établit des associations, pas une causalité. Les études de Fernandes et ses collègues portent sur un type de raisonnement et une utilisation imposée de l'IA, sans mesurer directement l'apprentissage durable.
Une conclusion responsable ne consiste donc pas à opposer « apprendre sans IA » et « travailler avec IA ». Elle consiste à définir, pour chaque tâche, ce qui doit rester maîtrisé par la personne et ce qui peut être utilement délégué.
Prendre contact
Avant de déployer une IA dans un parcours de travail ou de formation, identifiez une tâche où le résultat semble meilleur. Puis testez une question simple : la personne sait-elle encore expliquer et transférer sa démarche lorsque l'outil se tait ?
Envie d'aller plus loin ?
Échangeons sur vos enjeux IA, cognition et formation.