L'IA menace les compétences cognitives, révèle une étude

Une étude révèle l'impact de l'IA sur la résolution de problèmes

Une étude récente, menée conjointement par des chercheurs des États-Unis et du Royaume-Uni, met en lumière un effet préoccupant de l'utilisation des assistants IA. Selon leurs conclusions, une exposition de seulement 10 à 15 minutes à une IA utilisée comme machine à réponses peut affaiblir de manière mesurable les compétences en résolution de problèmes et la persistance des utilisateurs sur des tâches ultérieures effectuées sans assistance.

Les résultats de cette recherche montrent que bien que l'assistance de l'IA améliore les performances immédiates, elle a un revers notable. Une fois l'IA retirée, les utilisateurs qui en dépendaient obtiennent de moins bons résultats que ceux qui ont abordé les mêmes tâches de manière autonome dès le départ. De plus, ils ont tendance à abandonner plus fréquemment.

Expériences sur les problèmes de fractions

Dans la première expérience, les participants ont été confrontés à 15 problèmes de fractions, allant de calculs simples à des tâches plus complexes. Un groupe avait accès à GPT-5 via une barre latérale, où chaque problème et sa solution étaient préchargés. Cela permettait aux participants d'obtenir des réponses correctes avec un effort minimal, simplement en tapant "Réponse ?". Le groupe témoin, quant à lui, a travaillé sans aucun outil d'assistance.

Après avoir résolu 12 problèmes, l'IA a été retirée sans avertissement, et tous les participants ont dû résoudre trois problèmes de test identiques par eux-mêmes. Pendant que l'IA était disponible, le groupe utilisant l'IA a presque résolu tous les problèmes de fractions. Cependant, une fois l'IA retirée, leur taux de réussite a chuté en dessous de celui du groupe témoin, et leur taux d'abandon a fortement augmenté.

Confirmation par une deuxième expérience

Une deuxième expérience a été menée pour corriger un biais méthodologique observé lors de la première. Dans cette expérience, des participants moins performants dans le groupe IA pouvaient soumettre des réponses correctes via l'IA, ce qui les empêchait d'être filtrés par les mêmes critères que le groupe témoin. Pour remédier à cela, un pré-test avec des problèmes de fractions simples a été ajouté, et le groupe témoin a reçu une barre latérale avec des solutions de pré-test pour correspondre à l'interface du groupe IA.

Cette deuxième expérience a reproduit l'effet avec une méthodologie plus rigoureuse. Le groupe IA a de nouveau dominé pendant la phase d'apprentissage, mais a reculé lors du test sans assistance. Les taux d'abandon étaient à peu près équivalents en moyenne entre les deux groupes.

Différents styles d'utilisation de l'IA

L'étude a révélé que 61 % des utilisateurs d'IA demandaient principalement des réponses directes à l'assistant. Un quart des participants l'utilisait pour obtenir des indices ou des explications, tandis que le reste ne l'utilisait pas du tout. Lors du pré-test, ces groupes ont obtenu des résultats similaires en termes de taux de résolution et d'abandon.

Cependant, lors du test sans assistance, les utilisateurs qui demandaient des "réponses directes" ont obtenu les pires résultats et ont le plus souvent abandonné. En revanche, ceux qui ont ignoré complètement l'IA ont affiché les taux de réussite les plus élevés. Après le retrait de l'IA, les résultats ont changé de manière significative. Les personnes ayant compté sur des réponses directes ont obtenu les pires résultats, tandis que les participants ayant ignoré l'IA ont affiché des taux de réussite encore plus élevés que le groupe témoin.

Effet sur la compréhension de lecture

Pour vérifier si cet effet était limité aux mathématiques, les chercheurs ont appliqué le même design expérimental avec des passages de compréhension de lecture du SAT américain. Ici, le groupe témoin a reçu une barre latérale avec des conseils généraux pour imiter le changement de contexte entre les phases d'apprentissage et de test. L'équipe a également compté les réponses données en moins de cinq secondes comme des abandons, car le passage ne peut pas être lu aussi rapidement.

Les résultats ont confirmé les expériences mathématiques. Le groupe IA a obtenu moins de bonnes réponses lors du test sans assistance et a abandonné significativement plus souvent. La réduction de la persistance, selon les chercheurs, est un effet secondaire général de la résolution de problèmes assistée par IA, même sur des tâches étroitement liées à la pensée critique.

Deux mécanismes, un problème structurel

L'étude propose deux explications pour la perte de persistance observée. Premièrement, l'IA réinitialise le point de référence quant à la difficulté d'une tâche. Travailler sans aide semble alors plus difficile, de la même manière que l'on s'habitue à toute commodité. Ce mécanisme est auto-renforçant : chaque raccourci augmente le coût perçu de faire le travail soi-même la prochaine fois.

Deuxièmement, les utilisateurs manquent de la lutte productive qui construit à la fois des connaissances et une perception réaliste de leurs propres capacités. Les chercheurs relient leurs conclusions au débat plus large sur la perte progressive de compétences. Les systèmes d'IA optimisés pour une aide instantanée pourraient nuire aux capacités à long terme de leurs utilisateurs.

Les fractions et la compréhension de lecture peuvent sembler faciles à déléguer, mais elles sont des prérequis pour des compétences plus avancées comme l'algèbre et la pensée critique. Les étudiants avec moins de ressources académiques sont particulièrement à risque. Si seulement 10 minutes d'utilisation produisent des effets mesurables, les chercheurs avertissent que les conséquences pourraient s'accumuler au fil des mois et des années et devenir difficiles à inverser.

Une base de preuves croissante sur les coûts cognitifs de l'IA

Des recherches antérieures ont également pointé dans la même direction, bien que par des méthodes moins rigoureuses. Une étude de la Swiss Business School a trouvé une forte corrélation négative entre l'utilisation de l'IA et la pensée critique, particulièrement marquée chez les participants âgés de 17 à 25 ans. L'enseignement supérieur a agi comme un facteur de protection : les personnes ayant plus de scolarité remettaient en question les informations générées par l'IA plus souvent et s'engageaient dans une analyse plus approfondie.

Une étude conjointe de Microsoft Research et de Carnegie Mellon a décrit une "ironie de l'automatisation" : en gérant le travail routinier, les outils d'IA privent les utilisateurs de la chance de faire travailler leurs "muscles cognitifs". Pour des tâches routinières ou à faible enjeu, les utilisateurs se tournent simplement vers l'IA.

Une étude d'Anthropic avec 52 développeurs de logiciels, principalement juniors, a également montré que l'assistance de l'IA peut nuire à l'apprentissage de nouvelles compétences en programmation. Les participants ont été invités à résoudre deux tâches en utilisant la bibliothèque Trio, peu familière. Un groupe avait accès à un assistant basé sur GPT-4o ; le groupe témoin travaillait uniquement avec la documentation et la recherche sur le web.

Lors d'un test de connaissances de suivi, le groupe IA a obtenu un score inférieur de 17 %. Encore une fois, la manière dont les gens utilisaient l'outil importait : ceux qui demandaient des explications apprenaient mieux que ceux qui déléguaient le travail.

L'expérience d'utilisation compte également. Dans une autre étude d'Anthropic, les utilisateurs expérimentés de Claude ont obtenu des taux de réussite environ quatre points de pourcentage plus élevés que les nouveaux utilisateurs sur des tâches identiques. Ils ont travaillé de manière itérative avec le modèle plutôt que de simplement donner des commandes.

D'autres recherches montrent que l'IA peut améliorer la performance individuelle et en équipe. Mais de nombreuses entreprises peinent encore à transformer ces gains de productivité isolés en réelles améliorations d'efficacité ou en croissance des revenus, pour de nombreuses raisons.