Ce que l'IA vous prend pendant qu'elle vous aide.

À la fin de cette leçon

Vous saurez énoncer les trois conditions qui doivent être réunies pour qu'un usage de l'IA vous coûte une compétence, et distinguer deux phénomènes que presque tout le monde confond : la déférence dans l'instant et l'érosion dans la durée. Ils n'ont ni la même cause ni la même contre-mesure.

La preuve a changé de nature

Jusqu'en 2025, le débat reposait surtout sur des étudiants rédigeant des textes en laboratoire, et sur des enquêtes où l'on demandait aux gens s'ils avaient l'impression de moins réfléchir. C'est peu, et c'est facile à contester.

Depuis, trois travaux ont mesuré autre chose : des professionnels en exercice, sur des résultats vérifiables plutôt que sur des impressions. Un taux de détection de lésions précancéreuses, avant et après l'arrivée de l'IA. Un score de compréhension de code, entre deux groupes tirés au sort. Une précision de lecture d'imagerie, selon que la machine dit juste ou faux. Trois dispositifs différents, et c'est ce qui compte : chacun autorise une conclusion différente, et la leçon suivante apprend à faire cette distinction.

Le dommage a une adresse

« L'IA fait perdre des compétences » est une phrase inutilisable : elle ne dit ni quelles compétences, ni à qui, ni quand. Le mécanisme, lui, se décrit en quatre temps, et il explique pourquoi personne ne le voit venir.

Six points de détection

Quatre centres d'endoscopie polonais participant à l'essai ACCEPT ont introduit fin 2021 une assistance IA à la détection de polypes. Des chercheurs ont comparé les coloscopies réalisées sans assistance dans les trois mois précédant l'introduction et dans les trois mois suivants, par les mêmes praticiens.

Le taux de détection d'adénomes, ces lésions précancéreuses que la coloscopie a précisément pour but de trouver, est passé d'environ 28 % à environ 22 %. Six points en valeur absolue, sur des patients réels, chez des praticiens travaillant sans l'outil. Les auteurs décrivent des cliniciens devenus moins attentifs et moins impliqués dans la décision quand l'IA n'était pas là pour la porter.

Ce que l'étude ne permet pas de dire. Elle est observationnelle et rétrospective, pas randomisée : on compare deux périodes, pas deux groupes tirés au sort. D'autres facteurs ont pu contribuer à la baisse. Le signal est fort et il porte sur un résultat clinique dur, mais il ne prouve pas à lui seul la causalité.

Dix-sept points de compréhension

Le 29 janvier 2026, Anthropic a publié une expérience sur 52 développeurs, majoritairement juniors, tous ayant plus d'un an de pratique hebdomadaire de Python et aucun ne connaissant Trio, la bibliothèque de programmation asynchrone servant de terrain. Un groupe apprend avec une assistance IA, l'autre à la main, les deux avec la documentation et la recherche.

Au questionnaire de compréhension qui suit, le groupe assisté obtient 50 % contre 67 % pour le groupe manuel. L'écart est net statistiquement, et il se creuse surtout sur les questions de débogage : savoir reconnaître qu'un code est faux et pourquoi il échoue.

Le détail que la couverture médiatique perd. Cet écart n'a pas été payé par un gain de temps. Dans l'expérience, le groupe assisté a terminé environ deux minutes plus tôt, un écart que les auteurs ne tiennent pas pour significatif. Il a donc appris moins sans aller mesurablement plus vite.

Le fameux gain de vitesse existe, mais ailleurs : la même équipe l'a mesuré jusqu'à 80 % sur certaines tâches, dans une étude observationnelle distincte portant sur des compétences déjà acquises. Deux travaux, deux questions. L'un dit que l'IA accélère ce que vous savez faire, l'autre qu'elle freine ce que vous êtes en train d'apprendre. Les confondre est la faute la plus répandue sur le sujet.

La déférence n'est pas l'érosion

Le troisième cas mesure un phénomène différent, et c'est la distinction la plus utile de cette leçon. Des radiologues ont relu des mammographies accompagnées d'une classification BI-RADS produite par une IA, juste dans certains cas, fausse dans d'autres.

Chez les lecteurs les plus expérimentés, environ onze ans de pratique en moyenne, la proportion de classements corrects est de 82,3 % quand la suggestion de la machine est juste, et de 45,5 % quand elle est fausse. Notez bien ce qui est comparé : non pas un avant et un après, mais deux façons de se tromper de la machine, sur les mêmes lecteurs.

Ces praticiens n'ont rien désappris. Ils savent lire une mammographie, ils l'ont fait toute leur carrière. Ce qui se produit est une déférence dans l'instant : la présence d'un avis machine déplace le jugement, immédiatement, sans érosion préalable.

Les deux phénomènes se combattent différemment. La déférence se combat par le doute organisé : formuler son propre avis avant de regarder celui de la machine. L'érosion se combat par la pratique maintenue : refaire soi-même, de temps en temps, ce qu'on a délégué. Confondre les deux fait appliquer la mauvaise contre-mesure au bon problème.

Les pièges courants

La note de cadrage, en atelier

La situation. Une consultante rédigeait elle-même ses notes de cadrage. Depuis huit mois, elle les fait produire par l'IA à partir de ses notes de réunion, les relit, les corrige à la marge, les envoie. Les clients n'ont rien remarqué, la qualité tient, elle gagne deux heures par note.

Le moment de vérité. Un client lui demande de cadrer un projet en direct, au tableau, pendant l'atelier. Pas de laptop, pas d'outil, trente minutes.

Ce qui a tenu. Le jugement sur ce qui compte dans un projet, la capacité à poser les bonnes questions, la connaissance du secteur. Ce sont des compétences qu'elle a continué d'exercer, parce que c'est elle qui menait les réunions.

Ce qui a lâché. La mise en forme sous contrainte : passer d'un tas de constats à une structure lisible en quelques minutes. Elle savait le faire. Elle l'a délégué huit mois, sur une tâche où l'outil livrait le résultat et non le chemin, et personne ne lui avait jamais demandé de le refaire sans.

Ce que dit l'exemple. L'érosion n'a pas touché son expertise, elle a touché la seule chose qu'elle avait cessé de produire. C'est le comportement attendu, et c'est ce qui le rend prévisible : listez ce que vous ne produisez plus vous-même, vous avez la liste de ce que vous êtes en train de perdre.

À retenir

10 minutes pour mesurer

Listez les trois tâches professionnelles que vous avez le plus complètement déléguées à l'IA depuis six mois. Pour chacune, cochez les trois conditions : étiez-vous en train d'apprendre, l'IA livre-t-elle le résultat, existe-t-il un moment où vous devrez le faire sans elle ?

Prenez celle qui coche les trois, et refaites-la une fois sans aucun outil. Chronométrez, puis comparez au résultat que produirait l'IA. Vous n'aurez pas une mesure scientifique, vous aurez la seule information qui manque à tout le monde : où vous en êtes réellement.