Le grand paradoxe de l'apprentissage par l'IA
Voici un paradoxe qui définit notre époque : l'IA nous rend plus productifs à court terme tout en nous rendant potentiellement moins compétents à long terme.
Une étude de référence de 2024 de la Wharton School of Business l'a parfaitement démontré. Environ 1 000 lycéens en mathématiques en Turquie ont été répartis en trois groupes : l'un utilisant ChatGPT librement, l'un utilisant un « GPT Tutor » spécialement conçu avec des garde-fous, et un groupe témoin sans accès à l'IA.
Pendant les sessions de pratique, le groupe ChatGPT sans restriction a obtenu des résultats 48 % supérieurs au groupe témoin. Ils ont résolu les problèmes avec aisance. Ils se sentaient confiants. Mais lors de l'examen (sans accès à l'IA), ils ont obtenu des résultats 17 % inférieurs à ceux des étudiants qui n'avaient jamais utilisé l'IA.
L'IA ne leur avait pas appris les mathématiques. Elle avait fait les mathématiques à leur place.
Pendant ce temps, le groupe GPT Tutor (qui fournissait des indices et des questions guidées plutôt que des réponses directes) a obtenu des résultats 127 % supérieurs pendant la pratique et a égalé le groupe témoin aux examens. Même technologie d'IA. Résultat radicalement différent basé uniquement sur la façon dont elle était utilisée.
Cette seule étude résume tout ce que vous devez savoir sur l'IA et l'apprentissage : l'outil n'est pas la variable. C'est votre relation avec lui qui compte.
Ce que disent réellement les recherches
Le débat sur la question de savoir si l'IA aide ou nuit à l'apprentissage a dépassé le stade de l'opinion. Voici ce que plusieurs études évaluées par des pairs ont révélé :
Études montrant que l'IA peut nuire à l'apprentissage
| Étude | Résultat clé | Échelle |
|---|---|---|
| Wharton/UPenn (2024, PNAS) | Les utilisateurs non encadrés de ChatGPT ont obtenu 17 % de moins aux examens sans IA | ~1 000 étudiants |
| MIT Media Lab (2025) | Les utilisateurs de ChatGPT ont montré la connectivité cérébrale la plus faible en créativité et mémoire | 54 sujets, 4 mois |
| Gerlich (2025, MDPI Societies) | Corrélation négative entre la fréquence d'utilisation de l'IA et la pensée critique | 666 participants |
| Étude d'une université chinoise (2025) | Plus grande dépendance à l'IA = scores de pensée critique plus bas | 580 étudiants |
| Barcaui (2025, SSRN) | L'exposition prolongée à l'IA a entraîné un déclin de la mémoire | 73 étudiants de premier cycle |
Études montrant que l'IA peut aider l'apprentissage
| Étude | Résultat clé | Échelle |
|---|---|---|
| Harvard/BCG (2023) | 25 % plus rapide, 40 % de qualité supérieure pour les tâches dans les capacités de l'IA | 758 consultants |
| Dartmouth (2025, Nature) | Le tutorat par IA a significativement surpassé l'apprentissage actif en classe | 190 étudiants en médecine |
| Ma (2025, J. Computer Assisted Learning) | Méta-analyse : taille d'effet positive de g = 0,68 sur les résultats d'apprentissage | Études multiples |
| Wharton GPT Tutor (2024) | Tutorat IA guidé : 127 % mieux en pratique, égal aux témoins aux examens | ~1 000 étudiants |
Le schéma est clair : la même technologie produit des résultats opposés selon la façon dont elle est déployée.
L'étude du MIT sur le cerveau : un signal d'alarme
La découverte la plus frappante provient peut-être de l'étude 2025 du MIT Media Lab, « Your Brain on ChatGPT ». Les chercheurs ont fait rédiger des essais à 54 participants pendant quatre mois en utilisant soit ChatGPT, soit Google Search, soit aucun outil, tout en mesurant l'activité cérébrale par EEG.
Les résultats étaient inquiétants :
- Les utilisateurs de ChatGPT ont montré la connectivité neuronale la plus faible dans toutes les bandes mesurées, y compris celles associées à la créativité, à la formation de la mémoire et au traitement sémantique
- Sur les quatre mois, les utilisateurs de LLM « ont systématiquement sous-performé aux niveaux neuronal, linguistique et comportemental »
- Ils ont produit des essais quasi identiques manquant de pensée originale
- Ils ne pouvaient pas citer avec précision leur propre travail par la suite
Il ne s'agit pas d'intelligence. Il s'agit de ce qui se passe quand on externalise le processus de réflexion. Le cerveau, comme tout autre organe, s'adapte aux exigences qui lui sont imposées (ou à leur absence).
Le problème du délestage cognitif
Le délestage cognitif est la pratique consistant à utiliser des outils externes pour réduire l'effort mental requis pour une tâche. Écrire une liste de courses au lieu de mémoriser les articles est du délestage cognitif. Utiliser une calculatrice aussi. Et demander à ChatGPT de résumer un article au lieu de le lire soi-même également.
Le concept n'est pas nouveau. Mais l'échelle et la facilité du délestage cognitif assisté par l'IA sont sans précédent.
Ce que montrent les données
L'étude de Michael Gerlich en 2025 portant sur 666 participants de différents groupes d'âge a révélé :
- Corrélation négative significative entre l'utilisation fréquente d'outils d'IA et les capacités de pensée critique
- Les participants plus jeunes ont montré une dépendance plus élevée à l'IA et des scores de pensée critique plus bas
- Une confiance plus élevée dans l'IA est corrélée à plus de délestage cognitif. Plus vous croyez que l'IA a raison, moins vous vérifiez.
Une étude de Microsoft et de l'Université Carnegie Mellon l'a confirmé : les travailleurs qui font le plus confiance à l'IA sont ceux qui la vérifient le moins. Cela crée une boucle de rétroaction dangereuse : l'utilisation fréquente de l'IA renforce la confiance, ce qui réduit la vérification, ce qui affaiblit la pensée critique, ce qui augmente la dépendance. Le cycle se répète.
Les chercheurs ont inventé des termes pour ce phénomène :
- « Atrophie cognitive » : l'affaiblissement des capacités mentales par manque d'utilisation
- « AICICA » (AI Companion-Induced Cognitive Atrophy) : un terme spécifique pour le déclin cognitif lié à l'IA
- « Paresse métacognitive » : la diminution de l'auto-surveillance et de l'autorégulation lorsque l'IA se charge de la réflexion
Pourquoi c'est important pour les travailleurs du savoir
Les implications s'étendent bien au-delà de l'éducation. Un article de Frontiers in Psychology (2025) a identifié un « paradoxe cognitif » dans l'apprentissage assisté par l'IA : si l'IA améliore l'apprentissage personnalisé, une dépendance excessive réduit l'engagement cognitif et la rétention à long terme.
Pour quiconque lit, recherche ou apprend dans un cadre professionnel, cela crée une véritable tension : les outils qui nous rendent les plus productifs aujourd'hui pourraient éroder les compétences qui font notre valeur demain.
Quand l'IA aide l'apprentissage : le modèle d'augmentation
Toutes les utilisations de l'IA ne se valent pas. La recherche identifie systématiquement des schémas où l'IA améliore véritablement l'apprentissage :
1. L'IA comme tuteur socratique
La découverte la plus importante de l'étude de Wharton n'était pas que l'IA nuit à l'apprentissage. C'était que une IA correctement conçue l'améliore considérablement. Leur GPT Tutor fournissait :
- Des indices plutôt que des réponses
- Des questions guidées qui stimulaient la réflexion
- Un soutien progressif qui diminuait à mesure que l'étudiant progressait
Résultat : 127 % de meilleures performances en pratique, sans pénalité aux examens.
L'étude « NeuroBot TA » de Dartmouth en 2025 a montré des résultats similaires avec des étudiants en médecine. L'élément clé était que l'IA puisait dans des sources d'experts curées et guidait les étudiants dans leur raisonnement, plutôt que de simplement fournir des réponses.
2. L'IA pour la construction des connaissances
Une étude de 2025 dans Studies in Higher Education a distingué deux modes d'utilisation de l'IA :
- Approche de maîtrise : utiliser l'IA pour construire et augmenter les connaissances (lui demander d'expliquer des concepts, de remettre en question votre compréhension, de générer des exemples)
- Approche procédurale : utiliser l'IA pour accomplir des tâches mécaniquement (copier-coller, générer des brouillons sans engagement)
Un apprentissage de niveau supérieur ne se produisait que dans l'approche de maîtrise. La simple présence d'outils d'IA n'avait pas d'importance. Ce qui comptait, c'était l'intention et l'engagement de l'apprenant.
3. L'IA pour un rythme personnalisé
Les données de méta-analyse (Ma, 2025) montrent une taille d'effet positive combinée de g = 0,68 à travers les études, avec des effets particulièrement forts dans :
- Dimension cognitive (g = 0,795) : comprendre et appliquer les concepts
- Dimension de compétence (g = 0,711) : développer les compétences
Le tutorat par IA excelle lorsqu'il s'adapte au rythme individuel, identifie les lacunes de connaissances et fournit une pratique ciblée. Ce sont des choses difficiles à mettre à l'échelle avec l'enseignement humain seul.
Quand l'IA nuit à l'apprentissage : le piège de la dépendance
Les mêmes recherches identifient des schémas clairs où l'IA dégrade les résultats d'apprentissage :
1. La spirale du copier-coller
Le MIT Media Lab a observé une tendance inquiétante : le comportement de copier-coller a augmenté au cours des quatre mois de leur étude. À mesure que les participants se familiarisaient avec ChatGPT, ils s'engageaient moins avec le contenu, pas plus. Ils ont cessé de reformuler. Ils ont cessé d'ajouter leur propre analyse. Ils sont devenus des transcripteurs de la production de l'IA.
2. L'illusion de compréhension
Lorsque ChatGPT explique clairement un concept, vous avez l'impression de le comprendre. Mais il y a une différence cruciale entre reconnaître une explication et générer une compréhension.
C'est le même phénomène qui fait que relire des manuels semble productif mais est inefficace. La familiarité avec le contenu crée un faux sentiment de maîtrise. L'IA amplifie cette illusion car ses explications sont souvent plus claires et plus accessibles que les sources originales.
3. L'érosion de l'effort productif
L'apprentissage nécessite de l'effort. Les sciences cognitives appellent cela la « difficulté désirable » : l'effort productif qui force votre cerveau à former de nouvelles connexions neuronales. Lorsque l'IA supprime cet effort, elle supprime l'apprentissage lui-même.
Le groupe ChatGPT sans restriction de l'étude de Wharton a vécu exactement cela : ils ont traversé la pratique sans effort (pas de lutte) et ont échoué aux examens (pas d'apprentissage).
| Schéma d'apprentissage | Ressenti à court terme | Résultat à long terme |
|---|---|---|
| Lire passivement les résumés de l'IA | Facile, efficace | Faible rétention |
| Laisser l'IA résoudre les problèmes à votre place | Productif | Atrophie des compétences |
| Utiliser l'IA pour vérifier votre propre travail | Légèrement plus lent | Apprentissage renforcé |
| Demander à l'IA de remettre en question votre raisonnement | Inconfortable | Compréhension profonde |
Les deux archétypes : Centaures vs. Cyborgs
L'étude Harvard/BCG portant sur 758 consultants a identifié deux modèles réussis de collaboration humain-IA :
Centaures
Comme la créature mythologique, les Centaures maintiennent une frontière claire entre le travail humain et celui de l'IA. Ils décident stratégiquement quelles tâches déléguer à l'IA et lesquelles gérer eux-mêmes.
- Approche : « Je fais la réflexion créative et l'analyse. L'IA gère le traitement des données et la mise en forme. »
- Force : Préserve le jugement humain pour les décisions complexes
- Risque : Peut sous-utiliser les capacités de l'IA
Cyborgs
Les Cyborgs intègrent l'IA en continu dans leur flux de travail. Ils ne divisent pas les tâches ; ils collaborent à chaque étape.
- Approche : « L'IA et moi travaillons ensemble sur tout, chacun apportant ses forces. »
- Force : Maximise l'effet de levier de l'IA sur l'ensemble du processus
- Risque : Plus difficile de maintenir une pensée critique indépendante
La mise en garde essentielle
Les deux modèles fonctionnaient bien pour les tâches relevant des capacités de l'IA. Pour les tâches au-delà de la frontière de l'IA, les deux modèles ont entraîné une baisse de performance de 19 points de pourcentage.
Cela nous amène à l'un des concepts les plus importants du travail augmenté par l'IA : la « Frontière technologique irrégulière ». Les capacités de l'IA sont inégales : brillantes pour certaines tâches, médiocres pour d'autres, et mauvaises pour quelques-unes. Les apprenants et travailleurs les plus efficaces sont ceux qui cartographient avec précision où se situe la frontière pour leur domaine spécifique.
| Dans la frontière de l'IA | À la limite | Au-delà de la frontière de l'IA |
|---|---|---|
| Synthèse de données | Stratégie créative | Intelligence émotionnelle |
| Reconnaissance de schémas | Jugement éthique | Expérience vécue |
| Traduction linguistique | Résolution de problèmes inédits | Sagesse contextuelle |
| Génération de code |
Un cadre pratique pour l'apprentissage augmenté par l'IA
Sur la base des recherches, voici un cadre pour utiliser l'IA de manière à améliorer l'apprentissage plutôt qu'à le remplacer :
Le cadre HEAR
H - Surligner d'abord, interroger ensuite (Highlight First, Ask Second)
Avant de demander quoi que ce soit à l'IA, engagez-vous directement avec le matériel source. Lisez l'article. Regardez la vidéo. Surlignez les passages qui comptent pour vous. Formulez vos propres questions et votre compréhension initiale d'abord.
Pourquoi ça marche : la recherche sur le rappel actif montre que l'effort de formuler des questions et d'identifier les points clés est en soi une activité d'apprentissage. Sauter cette étape et aller directement aux résumés de l'IA supprime la partie la plus précieuse du processus.
E - S'engager, ne pas extraire (Engage, Don't Extract)
Lorsque vous utilisez l'IA, utilisez-la comme partenaire de réflexion, pas comme machine à réponses.
-
Au lieu de : « Résume-moi cet article »
-
Essayez : « J'ai surligné ces points clés de l'article. Qu'est-ce que j'ai manqué ? Quels contre-arguments existent ? »
-
Au lieu de : « Explique l'informatique quantique »
-
Essayez : « Voici ma compréhension de l'informatique quantique [vos notes]. Où ai-je tort ? Qu'est-ce qui approfondirait ma compréhension ? »
A - Annoter et connecter (Annotate and Connect)
Ne laissez pas les informations générées par l'IA exister isolément. Connectez-les à ce que vous savez déjà.
- Ajoutez vos propres notes à côté des explications de l'IA
- Créez des connexions entre les nouvelles informations et les connaissances existantes
- Partagez vos annotations avec d'autres pour renforcer la compréhension
C'est là que des outils comme Glasp deviennent essentiels. Lorsque vous surlignez et annotez pendant la lecture, vous effectuez un traitement actif que les résumés de l'IA seuls ne peuvent pas reproduire. Vos surlignages deviennent une carte de votre réflexion, pas de celle de l'IA.
R - Récupérer et vérifier (Retrieve and Verify)
Testez-vous périodiquement sur les connaissances acquises avec l'aide de l'IA. Si vous ne pouvez pas expliquer un concept sans l'IA, vous ne l'avez pas appris.
- Relisez vos surlignages sans le contexte original
- Essayez d'expliquer les concepts avec vos propres mots
- Utilisez l'IA pour vous interroger, pas pour répondre à votre place
Mise en pratique
| Étape | Action | Bénéfice cognitif |
|---|---|---|
| Surligner | Lire et marquer les passages clés vous-même | Engagement actif, traitement initial |
| S'engager | Discuter avec l'IA comme partenaire de réflexion | Compréhension plus profonde, nouveaux angles |
| Annoter | Ajouter vos propres notes et connexions | Construction des connaissances, rétention |
| Récupérer | Se tester sans l'IA | Formation de la mémoire à long terme |
Le rôle du surlignage et de l'annotation à l'ère de l'IA
Il y a une ironie dans le débat sur l'apprentissage par l'IA : la façon la plus efficace d'utiliser l'IA pour apprendre implique la plus ancienne technique d'étude qui soit : le surlignage et la prise de notes.
Pourquoi le surlignage compte toujours
La recherche sur le délestage cognitif révèle que le problème n'est pas l'IA en elle-même. C'est la passivité qu'elle permet. Quand vous lisez un article et demandez immédiatement à ChatGPT de le résumer, vous sautez l'étape cognitive la plus précieuse : décider de ce qui est important.
Le surlignage vous oblige à prendre cette décision. Chaque fois que vous sélectionnez un passage, vous vous demandez : Est-ce important ? Pourquoi ? Comment cela se rapporte-t-il à ce que je sais déjà ?
C'est le traitement actif : exactement l'activité cognitive que les apprenants dépendants de l'IA sautent et que la recherche montre comme essentielle pour la rétention.
L'avantage de l'apprentissage social
L'étude du MIT a révélé que les utilisateurs de ChatGPT produisaient des « essais quasi identiques manquant de pensée originale ». Cela soulève une question importante : si tout le monde apprend de la même IA, d'où vient l'originalité ?
La réponse réside dans les perspectives diverses. Lorsque vous voyez ce que d'autres personnes surlignent dans le même article (ce qu'ils ont trouvé important, quelles questions ils se sont posées, quelles connexions ils ont faites), vous êtes exposé à des schémas de pensée que l'IA ne peut pas générer, car ils proviennent d'expériences humaines réelles.
C'est pourquoi les plateformes de surlignage social créent un environnement d'apprentissage que l'IA seule ne peut pas reproduire :
- Vous voyez de multiples interprétations du même contenu
- Vous découvrez des idées que vous auriez manquées
- Vous interagissez avec une communauté d'apprenants, pas seulement un algorithme
- Vos surlignages font partie d'une base de connaissances collective qui profite à tous
Résumés par l'IA + surlignages humains : le meilleur des deux mondes
Le flux de travail idéal n'est pas l'IA ou l'annotation humaine. C'est les deux :
- Regardez une vidéo YouTube et utilisez l'IA pour obtenir un résumé rapide et une transcription
- Lisez la transcription et surlignez les parties qui correspondent à vos besoins spécifiques
- Ajoutez vos propres notes expliquant pourquoi ces passages comptent pour vous
- Partagez vos surlignages pour que d'autres puissent bénéficier de votre perspective
- Révisez vos surlignages périodiquement pour renforcer l'apprentissage
Ce flux de travail combine l'efficience de l'IA (résumé rapide, génération de transcription) avec l'efficacité de l'engagement humain (sélection active, annotation personnelle, partage social).
Questions fréquemment posées
L'IA rend-elle les étudiants plus stupides ?
Pas exactement. La recherche montre que l'accès non encadré à l'IA peut réduire les résultats d'apprentissage (Wharton : 17 % de moins aux examens), mais le tutorat guidé par l'IA peut égaler ou dépasser les méthodes traditionnelles. La variable n'est pas l'intelligence ; c'est la façon dont l'IA est utilisée. Les étudiants qui utilisent l'IA pour court-circuiter la réflexion apprennent moins. Ceux qui l'utilisent pour approfondir la réflexion apprennent plus.
Les écoles devraient-elles interdire ChatGPT et les outils d'IA similaires ?
La recherche suggère que les interdictions sont contre-productives. 84 % des lycéens utilisent déjà l'IA générative pour leurs travaux scolaires. Au lieu d'interdire, l'étude de Wharton démontre que concevoir des garde-fous (des indices au lieu de réponses, des questions guidées au lieu de réponses directes) produit des résultats nettement meilleurs. L'objectif devrait être d'apprendre aux étudiants comment utiliser l'IA comme outil d'apprentissage, et non comme machine à réponses.
Comment l'IA affecte-t-elle la pensée critique ?
Une étude de 666 participants (Gerlich, 2025) a révélé une corrélation négative significative entre l'utilisation fréquente de l'IA et la pensée critique. Cependant, cela semble être médié par le délestage cognitif : plus les gens externalisent la réflexion vers l'IA, moins ils pratiquent la réflexion indépendante. La solution n'est pas d'éviter l'IA mais de maintenir des pratiques délibérées de pensée critique parallèlement à l'utilisation de l'IA.
L'IA peut-elle remplacer les tuteurs humains ?
Pour certains types d'enseignement, le tutorat par IA est remarquablement efficace. L'étude de Dartmouth en 2025 a montré que le tutorat par IA surpassait l'apprentissage actif en classe pour les étudiants en médecine. Cependant, le tutorat par IA fonctionne mieux lorsqu'il est conçu pour enseigner (questions progressives, raisonnement guidé) plutôt que pour simplement répondre aux questions. Les tuteurs humains excellent encore dans le soutien émotionnel, la motivation et la gestion de situations inédites hors des capacités de l'IA.
Quelle est la meilleure façon d'utiliser l'IA pour étudier ?
La recherche pointe vers l'approche de maîtrise : utiliser l'IA pour construire et augmenter les connaissances, et non pour accomplir des tâches mécaniquement. Plus précisément :
- Lisez et surlignez le contenu d'abord, formez votre propre compréhension
- Utilisez l'IA pour remettre en question votre réflexion, pas pour la remplacer
- Demandez à l'IA des perspectives alternatives, des contre-arguments et des explications plus approfondies
- Testez-vous sur le contenu sans accès à l'IA
- Partagez et discutez de votre apprentissage avec d'autres
L'IA rendra-t-elle un jour l'apprentissage traditionnel obsolète ?
Les données actuelles suggèrent le contraire. L'IA met en lumière la valeur irremplaçable de l'engagement cognitif actif : lire en profondeur, penser de façon critique, créer des connexions et lutter de manière productive avec un contenu difficile. Les outils d'IA sont les plus puissants lorsqu'ils sont combinés à ces pratiques d'apprentissage traditionnelles, et non lorsqu'ils les remplacent.
Conclusion : comment coexister avec l'IA en tant qu'apprenant
La recherche dresse un tableau clair : l'IA est l'outil d'apprentissage le plus puissant jamais créé, et aussi le plus dangereux. Elle amplifie l'approche que vous adoptez. Si vous abordez l'apprentissage de manière active, l'IA accélère votre progression. Si vous l'abordez de manière passive, l'IA accélère votre déclin.
Voici ce que nous savons avec certitude :
- Le modèle de la « béquille » échoue. L'accès non encadré à l'IA sans engagement entraîne des baisses mesurables de l'apprentissage, de la pensée critique et même de la connectivité cérébrale.
- Le modèle du « tuteur » fonctionne. L'IA conçue pour guider, questionner et accompagner progressivement (plutôt que simplement répondre) produit des résultats égaux ou supérieurs aux méthodes traditionnelles.
- L'engagement actif est non négociable. Lire, surligner, annoter et connecter les idées ne sont pas des pratiques dépassées. Ce sont les fondations cognitives qui rendent l'IA utile plutôt que nuisible.
- L'apprentissage social ajoute une dimension que l'IA ne peut pas offrir. Voir comment les autres réfléchissent au même contenu vous expose à des perspectives qu'aucun algorithme ne peut générer.
La question n'est plus de savoir si nous utiliserons l'IA. 84 % des étudiants le font déjà. La question est de savoir si nous l'utiliserons de manière à nous rendre plus compétents, ou moins.
La réponse commence par la façon dont vous lisez, surlignez et réfléchissez.
Vous voulez construire de meilleures habitudes d'apprentissage à l'ère de l'IA ? Glasp vous aide à surligner des articles et des vidéos YouTube, à ajouter vos propres notes et à apprendre de ce que les autres lisent. Vos surlignages deviennent votre base de connaissances numérique : un témoignage de votre réflexion qu'aucune IA ne peut reproduire.