Si l'IA peut faire à notre place, pourquoi continuer à apprendre ?

En quelques secondes, une intelligence artificielle rédige une note, monte une présentation, lit un tableau de données, esquisse une stratégie. Le résultat est souvent bon. Il est parfois meilleur que ce que nous aurions produit seuls.

Une question, pourtant, reste rarement posée en comité de direction : quand le livrable ne dit plus rien de la personne qui l'a produit, que sait-on encore de ce dont elle est capable ? Le lien entre IA et compétences est en train de devenir l'angle mort de la plupart des plans de formation.

Un livrable réussi ne prouve plus une compétence acquise

Prenons deux collaborateurs qui remettent le même document. Le premier a passé une après-midi à chercher, comparer, hésiter, reformuler. Le second a obtenu un résultat équivalent en dix minutes avec une IA.

Si le document sert à transmettre une information claire, le second a raison. Personne ne regrette de ne plus faire ses calculs à la main.

Si l'objectif était d'apprendre à analyser, à argumenter ou à décider, les deux collaborateurs n'ont pas fait le même travail. L'un a produit un document. L'autre est devenu un peu plus capable d'en produire. De l'extérieur, rien ne les distingue.

Ce que montre la recherche : avec l'IA, la performance progresse plus vite que l'apprentissage

Cette intuition est désormais documentée, et les résultats sont plus nets qu'on ne le croit.

Dans son Digital Education Outlook 2026, l'OCDE fait la synthèse des recherches disponibles : utilisée sans intention pédagogique, l'IA générative améliore la performance sur la tâche sans produire de véritable gain d'apprentissage. Utilisée avec un dessein clair, elle peut au contraire renforcer l'esprit critique et la compréhension. Le même outil, deux effets opposés.

L'expérience la plus parlante a été menée en Turquie par une équipe de Wharton, publiée dans PNAS en 2025. Près de mille lycéens ont révisé les mathématiques avec deux versions de GPT-4 : l'une ouverte, comme ChatGPT, l'autre conçue comme un tuteur qui donne des indices plutôt que des réponses. Pendant les exercices, les deux groupes progressent fortement. Mais à l'examen, sans IA, les élèves qui avaient eu l'accès libre obtiennent des notes inférieures de 17 % à celles du groupe témoin, qui n'avait jamais utilisé l'outil (une baisse relative). Le tuteur, lui, neutralise l'essentiel de cet effet. Ce n'est donc pas l'IA qui pose problème : c'est la façon dont on la met à disposition.

Le phénomène ne concerne pas que les débutants. En 2025, The Lancet Gastroenterology & Hepatology a suivi des gastro-entérologues expérimentés dans quatre centres polonais équipés d'une IA de détection des polypes. Quelques mois après son introduction, leur taux de détection lors des examens réalisés sans IA est passé de 28,4 % à 22,4 %. L'étude est observationnelle : elle montre une baisse associée à l'introduction de l'IA, sans prouver à elle seule une perte de compétence individuelle causée par l'outil. Le signal mérite pourtant d'être pris au sérieux, car il concerne des experts.

Côté entreprise, Microsoft Research et Carnegie Mellon ont interrogé 319 professionnels qui utilisent l'IA chaque semaine. Dans leurs réponses, une forte confiance dans l'outil va de pair avec moins d'esprit critique déclaré ; une forte confiance en ses propres compétences, avec davantage de vérification. L'étude repose sur des déclarations et montre une association, pas une causalité. Les répondants disent aussi peiner à évaluer les réponses de l'IA dans les domaines qu'ils maîtrisent mal.

Reste un effet plus discret, documenté par Anil Doshi et Oliver Hauser dans Science Advances : les récits écrits avec l'aide de l'IA sont jugés plus créatifs individuellement, mais se ressemblent davantage entre eux. Pour une entreprise, la conséquence est stratégique. Si tous vos concurrents utilisent les mêmes outils, ce qui vous distingue est précisément ce que l'outil ne fournit pas.

Sans pratique, le jugement s'émousse : superviser l'IA suppose de garder la main

Avec les agents IA, capables d'enchaîner des tâches entières, la valeur du travail se déplace de l'exécution vers le jugement : déléguer, contrôler, savoir quand reprendre la main.

Le problème est que le jugement ne s'enseigne pas en dehors de la pratique. Il se forme en faisant, en se trompant, en sentant qu'un chiffre « sonne faux » avant même de savoir pourquoi. Une étude menée par Harvard et le BCG auprès de 758 consultants l'illustre de façon frappante : sur les tâches où l'IA excelle, les consultants assistés font nettement mieux ; sur une tâche située juste au-delà de ses capacités, ils ont 19 % de chances en moins de produire une réponse correcte que leurs collègues sans IA. Leurs réponses fausses étaient pourtant bien écrites et convaincantes.

Plus nous déléguons à l'IA, plus nous devons préserver les connaissances et le discernement nécessaires pour contrôler ses réponses. C'est là que se joue l'essentiel.

Prenons un manager qui prépare un entretien difficile. L'IA peut structurer ses arguments, anticiper des objections, proposer des formulations justes. C'est un usage précieux. Mais elle ne verra pas le visage de son collaborateur se fermer à la troisième phrase. Écouter ce qui n'est pas dit, ajuster, assumer la décision : cela reste un geste, et un geste s'entretient.

Déléguer, augmenter ou pratiquer : la grille pour décider ce que l'on confie à l'IA

Chez Doxa, nous ne cherchons pas à préserver artificiellement des tâches que l'IA accomplit mieux que nous. Nous aidons les équipes à distinguer trois situations.

Déléguer ce qui est maîtrisé, vérifiable, et dont l'erreur coûte peu ou se voit vite : un compte rendu, une mise en forme, une première synthèse documentaire.

Augmenter ce qui gagne à être confronté : faire jouer à l'IA la partie adverse avant une négociation, lui demander de démolir un raisonnement, explorer dix options là où l'on en aurait vu deux. L'humain garde la conclusion.

Pratiquer soi-même ce qui fabrique la compétence : écouter, arbitrer, négocier, expliquer, décider dans l'incertitude. Et conserver quelques gestes « témoins » à refaire régulièrement sans assistance, comme les pilotes de ligne gardent des heures de pilotage manuel malgré le pilote automatique.

La question pédagogique devient alors très concrète : que doit savoir faire cette personne avec l'IA, mais aussi le jour où l'IA n'est pas disponible, ou le jour où elle se trompe avec aplomb ?

Responsables formation, managers : quatre leviers pour former sans perdre les compétences

Quatre conséquences pratiques se dégagent de ces travaux.

• Évaluer la compétence, pas le livrable. Un dossier impeccable ne prouve plus grand-chose. Mises en situation, restitutions orales et cas traités sans outil redeviennent les vrais indicateurs.
• Concevoir des usages qui font travailler. L'enseignement de l'étude turque est direct : une IA qui pose des questions et donne des indices fait progresser, une IA qui distribue des réponses fait illusion.
• Former au contrôle. Vérifier, recouper, détecter l'erreur plausible, savoir dire non à une réponse séduisante : ce sont des compétences à part entière, et elles s'apprennent.
• Cartographier avant de déployer. Avant d'installer des agents dans un métier, classer ses activités entre déléguer, augmenter et pratiquer évite de supprimer, sans le savoir, l'expérience qui formait les experts de demain.

C'est l'approche que nous développons dans nos formations IA, dans nos parcours management et dans des formats métiers comme Le chef de projet augmenté.

Pourquoi continuer à apprendre : parce que le jugement, lui, ne se délègue pas

Peut-être parce que nous n'agissons pas seulement pour produire des résultats. Nous lisons pour comprendre, nous créons pour dire quelque chose, nous apprenons pour devenir capables d'agir autrement. L'effort ne donne pas de valeur à tout, et l'usage de l'IA n'en retire à aucune œuvre ; la valeur dépend de ce que l'on cherche à accomplir.

Dans l'entreprise, la conclusion est plus prosaïque et plus exigeante. Mesurer ce qu'une personne produit ne suffit plus : il faut savoir ce qu'elle comprend, ce qu'elle sait faire, et comment elle agit quand l'outil se tait. Le défi n'est plus seulement d'apprendre à utiliser l'IA. C'est d'apprendre à rester compétent en travaillant avec elle.

À retenir

• L'IA améliore la performance immédiate, pas forcément l'apprentissage (OCDE, 2026).
• Chez des lycéens en mathématiques, un accès libre à l'IA pendant les révisions s'est traduit, une fois l'outil retiré, par des notes inférieures de 17 % à celles du groupe témoin ; une IA conçue comme tuteur a évité l'essentiel de cet effet (Bastani et al., PNAS, 2025).
• Même chez des experts, l'arrivée de l'IA s'est accompagnée d'une baisse de performance quand elle n'est pas utilisée ; l'étude est observationnelle, mais le signal est net (Lancet Gastroenterology & Hepatology, 2025).
• La grille utile : déléguer ce qui est vérifiable, augmenter ce qui gagne à être confronté, pratiquer ce qui fabrique le jugement.

Sources

• OCDE, Digital Education Outlook 2026: Exploring Effective Uses of Generative AI in Education, janvier 2026.
• H. Bastani, O. Bastani, A. Sungu et al., Generative AI without guardrails can harm learning: Evidence from high school mathematics, PNAS, vol. 122 (26), 2025.
• K. Budzyń, M. Romańczyk et al., Endoscopist deskilling risk after exposure to artificial intelligence in colonoscopy: a multicentre, observational study, The Lancet Gastroenterology & Hepatology, vol. 10, octobre 2025, p. 896-903.
• H.-P. Lee, A. Sarkar et al. (Microsoft Research, Carnegie Mellon), The Impact of Generative AI on Critical Thinking, CHI 2025.
• F. Dell'Acqua, E. McFowland III, E. Mollick et al., Navigating the Jagged Technological Frontier: Field Experimental Evidence of the Effects of Artificial Intelligence on Knowledge Worker Productivity and Quality, Organization Science, vol. 37 (2), mars 2026.
• A. R. Doshi et O. P. Hauser, Generative AI enhances individual creativity but reduces the collective diversity of novel content, Science Advances, juillet 2024.