L'intelligence artificielle est souvent présentée comme un levier d'efficacité, d'accélération et d'augmentation des capacités humaines. Pourtant, une étude publiée en 2026 par des chercheurs de Carnegie Mellon University, MIT, University of Oxford et UCLA invite à examiner un autre aspect du sujet : les effets cognitifs de l'assistance IA sur l'autonomie humaine.

À travers plusieurs expérimentations menées auprès de plus de 1.200 participants, les chercheurs ont observé une diminution de la persévérance et des performances lorsque l'assistance IA était retirée de manière inattendue.

Au-delà de ces résultats, une autre question émerge : que se passe-t-il lorsque des millions de personnes utilisent les mêmes modèles, les mêmes outils et les mêmes raisonnements ?

Le e-net. lab a analysé cette étude à la lumière des « 10 règles d'or de la collaboration Humain-IA » publiées par Nicolas Pourbaix en mars 2026 afin d'identifier les principaux enseignements pour les organisations, les dirigeants et les métiers de la connaissance.

Contexte et intention

Depuis l'arrivée massive des intelligences artificielles génératives, les débats se concentrent souvent sur les gains de productivité ou les risques de remplacement de certaines tâches.

Pour notre laboratoire, un autre enjeu apparaît progressivement :

• Comment préserver le discernement humain ?
• Comment éviter une dépendance cognitive progressive ?
• Comment maintenir la diversité des raisonnements ?
• Comment gouverner l'usage de l'IA sans affaiblir l'autonomie des individus ?
• Comment transformer l'IA en levier d'apprentissage plutôt qu'en substitut au raisonnement ?

Cette publication vise à documenter ces questions et à proposer des repères opérationnels pour les organisations.

Déroulé de l'expérience scientifique

Avant d'analyser les implications de cette étude, il est utile de comprendre comment les chercheurs ont construit leur protocole expérimental. L'intérêt de cette démarche réside dans sa simplicité : observer ce qui se passe lorsqu'une assistance IA est soudainement retirée après une courte période d'utilisation. Cette approche permet d'étudier non seulement la performance, mais aussi certains comportements cognitifs comme la persévérance, l'autonomie et la capacité à poursuivre un raisonnement sans assistance.

Moment 1 : mise en situation

Les chercheurs ont constitué plusieurs groupes de participants devant résoudre des exercices de compréhension et de raisonnement.

Certains groupes bénéficiaient d'une assistance IA basée sur GPT-5 tandis que d'autres travaillaient sans aide.

Messages clés :

• même niveau de difficulté ;
• même environnement expérimental ;
• comparaison directe entre utilisateurs assistés et non assistés.

Moment 2 : retrait de l'assistance IA

Après une courte période d'utilisation, l'assistance IA est retirée sans avertissement.

Tous les participants doivent poursuivre les exercices seuls.

Les chercheurs observent alors une baisse de performance chez certains utilisateurs assistés, une augmentation du taux d'abandon ainsi qu'une diminution du temps consacré à la recherche de solutions.

Moment 3 : analyse des comportements

Tous les utilisateurs ne réagissent pas de la même manière.

Les personnes ayant utilisé l'IA comme source de réponses directes présentent les plus fortes difficultés.

À l'inverse, les participants ayant utilisé l'IA comme outil d'explication ou de clarification conservent de meilleures performances.

Données observées

Au-delà des débats parfois polarisés autour de l'intelligence artificielle, cette étude apporte des observations concrètes et mesurables. Les résultats ne permettent pas de tirer des conclusions définitives sur l'ensemble des usages de l'IA, mais ils offrent des indicateurs intéressants pour comprendre certaines évolutions comportementales émergentes. Ils constituent ainsi un point de départ utile pour réfléchir aux conditions d'une collaboration Humain-IA durable.

Résultats clés

Les chercheurs observent notamment une diminution de la persévérance après retrait de l'assistance, une augmentation du recours à l'abandon de certaines tâches, des performances plus faibles chez les utilisateurs les plus passifs ainsi que des effets limités chez les utilisateurs utilisant l'IA comme outil pédagogique.

Lecture de notre laboratoire

Ces résultats suggèrent que l'impact de l'IA dépend moins de l'outil lui-même que de la manière dont il est utilisé.

Ils ne démontrent pas que l'IA réduit l'intelligence humaine.

Ils montrent en revanche qu'une délégation excessive du raisonnement peut rapidement modifier certains comportements cognitifs.

Limites & prudence

Cette étude repose sur des exercices spécifiques réalisés dans un environnement expérimental contrôlé. Elle ne permet pas de généraliser mécaniquement les résultats à tous les contextes professionnels ou éducatifs. Elle constitue néanmoins un signal faible particulièrement intéressant pour la gouvernance des usages IA.

Notre analyse : signaux faibles et implications

L'objectif du e-net. lab n'est pas de commenter l'étude sous un angle purement académique. Notre démarche consiste à identifier les signaux faibles qu'elle révèle pour les organisations, les métiers et les pratiques managériales. Au-delà des résultats observés, nous nous intéressons aux transformations plus profondes qu'ils pourraient annoncer dans les années à venir en matière de gouvernance, de compétences et de prise de décision.

Angle 1 : la délégation cognitive devient un risque organisationnel

Pendant plusieurs décennies, les organisations ont appris à gérer les risques financiers, juridiques ou cyber.

L'étude suggère l'apparition d'un nouveau risque : le risque cognitif.

Lorsque les collaborateurs délèguent systématiquement leur réflexion à l'IA, il existe un risque que la persévérance diminue, la capacité d'analyse peut s'affaiblir et la qualité des arbitrages devient plus fragile.

Ce que cela implique

• Former aux usages cognitivement responsables ;
• Maintenir des espaces de réflexion sans assistance ;
• Préserver l'exercice du jugement humain.

Notre recommandation : développer des usages où l'IA explique davantage qu'elle ne répond.

Comprendre la différence entre un support au raisonnement et un substitut au raisonnement

L'un des enseignements les plus intéressants de l'étude « AI Assistance Reduces Persistence and Hurts Independent Performance » est que les effets de l'intelligence artificielle dépendent moins de la technologie elle-même que de la manière dont elle est utilisée. Lorsqu'une personne utilise l'IA pour obtenir des explications, des indices, des pistes de réflexion ou des éclairages complémentaires, l'outil agit comme un support au raisonnement. Dans ce cas, l'utilisateur reste activement engagé dans le processus d'apprentissage : il analyse, compare, questionne, vérifie et construit progressivement sa propre compréhension. À l'inverse, lorsque l'IA est utilisée principalement pour fournir directement des réponses, des conclusions ou des solutions toutes faites, elle peut devenir un substitut au raisonnement. L'effort intellectuel est alors réduit, la persévérance face à la difficulté diminue et certaines compétences cognitives sont moins sollicitées. À court terme, le gain de temps peut être réel. À long terme, le risque est de moins entraîner les mécanismes qui permettent de comprendre, d'analyser et de résoudre des problèmes de manière autonome.

1.1. La calculatrice : obtenir un résultat ne signifie pas toujours comprendre

L'histoire de la calculatrice illustre parfaitement ce phénomène. Lorsqu'un élève maîtrise déjà les opérations fondamentales, les fractions ou les équations, la calculatrice lui permet de gagner du temps et de consacrer davantage d'énergie à des problèmes plus complexes. Elle agit alors comme un amplificateur de compétence. En revanche, lorsqu'elle est utilisée avant l'acquisition des bases mathématiques, elle peut créer une illusion de maîtrise. L'élève obtient la bonne réponse, mais sans avoir développé le raisonnement qui permet de comprendre comment cette réponse a été obtenue. Il devient alors plus difficile de détecter une erreur, de vérifier un résultat ou de reconstruire la démarche par lui-même. L'étude sur l'IA semble mettre en évidence un mécanisme similaire : l'outil devient problématique non pas parce qu'il fournit des réponses, mais parce qu'il peut parfois dispenser l'utilisateur de construire lui-même le raisonnement.

1.2. Wikipédia et les encyclopédies numériques : accéder à l'information ne signifie pas se l'approprier

L'évolution de Wikipédia et des encyclopédies numériques permet d'observer un autre phénomène. Grâce à ces outils, l'accès à l'information est devenu quasi instantané. Cette transformation constitue un progrès considérable pour la diffusion du savoir. Cependant, elle a également modifié notre rapport à la connaissance. Lorsqu'une information est disponible en permanence, nous avons tendance à retenir davantage où la trouver que son contenu lui-même. Nous savons accéder rapidement à la réponse, mais nous ne prenons pas toujours le temps de l'intégrer, de la comprendre en profondeur ou de la relier à d'autres connaissances. Avec l'intelligence artificielle, ce phénomène pourrait s'étendre au raisonnement lui-même. Là où Wikipédia fournit une information, l'IA fournit parfois directement une analyse, une synthèse ou une conclusion. Si l'utilisateur ne prend plus le temps d'examiner les hypothèses, les limites ou la logique sous-jacente, il risque progressivement de moins exercer son esprit critique et sa capacité à élaborer ses propres raisonnements.

Ces deux exemples montrent que le véritable enjeu n'est pas l'outil lui-même, mais la manière dont il s'intègre dans le processus d'apprentissage. Comme la calculatrice n'a jamais supprimé la nécessité d'apprendre les mathématiques et comme Wikipédia n'a jamais supprimé la nécessité de comprendre un sujet, l'intelligence artificielle ne supprime pas la nécessité d'apprendre à raisonner. Utilisée comme un support à la réflexion, elle peut devenir un puissant accélérateur de compréhension. Utilisée comme un substitut au raisonnement, elle risque en revanche d'affaiblir progressivement la persévérance, l'effort cognitif et certaines capacités de résolution autonome de problèmes.

Angle 2 : la convergence cognitive pourrait devenir le risque le plus stratégique

Un second enseignement apparaît en filigrane.

Lorsque les mêmes modèles sont utilisés par tous, les raisonnements convergent, les recommandations se ressemblent et les argumentaires deviennent homogènes.

Le risque n'est plus seulement individuel. Il devient collectif.

Ce que cela implique

• Encourager la confrontation d'idées ;
• Rechercher systématiquement des alternatives ;
• Organiser le désaccord constructif.

Notre recommandation : exiger systématiquement des contre-arguments et des scénarios alternatifs lors des usages stratégiques de l'IA.

Angle 3 : l'originalité devient une ressource rare

Pendant longtemps, l'avantage concurrentiel reposait sur l'accès à l'information.

L'IA modifie profondément cette logique. Lorsque l'information devient accessible à tous, la valeur se déplace, l'interprétation devient centrale et la capacité à relier des domaines différents devient stratégique.

Ce que cela implique

• Développer les compétences transversales ;
• Encourager l'interdisciplinarité ;
• Valoriser la curiosité intellectuelle.

Notre recommandation : créer des espaces de dialogue entre métiers, disciplines et expertises différentes.

La créativité humaine sous assistance : que risque-t-on de perdre si nous déléguons trop rapidement notre imagination à l'IA ?

L'intelligence artificielle est aujourd'hui capable de produire des textes, des images, des concepts, des stratégies ou encore des recommandations qui peuvent sembler créatifs. Pourtant, une question mérite d'être posée : lorsque nous confions de plus en plus de tâches intellectuelles à l'IA, quelle forme de créativité risquons-nous progressivement de perdre ? Le risque ne concerne pas la créativité de surface, celle qui consiste à générer rapidement des idées ou à combiner des éléments existants. Il concerne une créativité plus profonde, plus rare et souvent plus précieuse : la capacité à remettre en question les évidences, à explorer des pistes contre-intuitives, à relier des univers qui paraissent éloignés et à imaginer des futurs qui ne reposent sur aucun précédent. Là où l'IA s'appuie principalement sur des probabilités issues du passé, l'humain est capable de s'affranchir du probable pour explorer l'improbable.

Cette distinction est essentielle. Les grandes innovations de l'histoire sont rarement nées d'une simple optimisation des pratiques existantes. Lorsque Picasso invente le cubisme, lorsque Steve Jobs imagine l'iPhone ou lorsque Marie Curie ouvre un nouveau champ scientifique, ils ne combinent pas seulement des informations déjà disponibles. Ils poursuivent une vision. Ils prennent des risques. Ils remettent en cause les paradigmes de leur époque. Surtout, ils acceptent de s'aventurer là où les probabilités, les habitudes et parfois même les experts leur donnent tort. Les ruptures majeures émergent souvent de ce qui paraît initialement improbable, voire irrationnel. Or les systèmes d'intelligence artificielle sont, par nature, construits pour identifier ce qui est le plus plausible à partir de ce qui existe déjà. C'est précisément dans cet écart entre le plausible et l'improbable que réside une partie de la singularité créative humaine.

Si l'IA devient notre premier réflexe face à chaque question, nous risquons de moins exercer cette capacité fondamentale. À terme, le danger n'est pas tant une disparition de la créativité humaine qu'un affaiblissement progressif de notre goût pour l'exploration, le doute, l'expérimentation et la recherche d'idées véritablement originales.

Dans un environnement où chacun dispose des mêmes modèles d'IA, des mêmes bases de connaissances et parfois des mêmes prompts, la convergence cognitive devient un risque stratégique majeur. Les réponses peuvent devenir plus homogènes, les raisonnements plus similaires et les recommandations plus prévisibles. Dans ce contexte, l'avantage concurrentiel ne reposera probablement plus sur l'accès à l'information, mais sur la capacité à produire des connexions inédites entre des informations déjà accessibles à tous. Les organisations qui préserveront cette faculté de questionnement, de curiosité et de création de sens disposeront d'un atout difficilement reproductible.

L'enjeu n'est donc pas de choisir entre l'intelligence humaine et l'intelligence artificielle. Il consiste à organiser une collaboration où l'IA augmente nos capacités sans remplacer ce qui fait la singularité de la pensée humaine. L'IA peut accélérer l'analyse, enrichir l'exploration et stimuler la réflexion. Mais elle ne doit pas nous dispenser de cultiver notre imagination, notre esprit critique et notre capacité à envisager des possibilités que personne n'avait encore envisagées. Car dans un monde de plus en plus assisté par les machines, la véritable rareté pourrait bien devenir la créativité humaine elle-même.

Ce que nous retenons...

Comme toute étude scientifique, ces travaux apportent davantage de questions que de certitudes définitives. Ils permettent néanmoins de dégager plusieurs enseignements utiles pour les dirigeants, les managers, les collaborateurs et plus largement toutes les personnes qui souhaitent intégrer l'intelligence artificielle sans affaiblir leur capacité de réflexion, de discernement et d'innovation. Voici les principaux repères que nous retenons de cette analyse.

• Constat : l'IA influence déjà certains comportements cognitifs ;
• Enjeu : maintenir l'autonomie intellectuelle des individus et des équipes ;
• Risque : une dépendance cognitive progressive accompagnée d'une homogénéisation des raisonnements ;
• Opportunité : utiliser l'IA comme levier d'apprentissage, de créativité et d'exploration ;
• Priorité : développer une gouvernance explicite de la collaboration Humain-IA ;
• Prochaine étape : diffuser des cadres pratiques favorisant une utilisation responsable et durable de l'intelligence artificielle.

Les 10 règles d'or : une réponse concrète aux risques observés

Plusieurs mécanismes identifiés par l'étude trouvent une réponse directe dans les "10 règles d'or de la collaboration Humain-IA" développées par Nicolas Pourbaix.

Les règles les plus directement liées à la délégation cognitive sont :

1. L'humain reste responsable ;
2. Clarifier l'intention avant d'utiliser l'IA ;
3. Questionner plus que consommer ;
4. Limiter l'usage continu ;
5. Réviser après usage.

Les règles les plus directement liées à la convergence cognitive sont :

1. Chercher le désaccord ;
2. Questionner plus que consommer ;
3. Former en continu et collectivement ;
4. Documenter les décisions importantes.

Ces principes constituent moins une méthode technique qu'un cadre de gouvernance cognitive destiné à préserver l'autonomie humaine dans un environnement de plus en plus assisté par l'intelligence artificielle.

Le véritable défi n'est peut-être pas de rendre l'intelligence artificielle plus intelligente, mais de préserver ce qui rend encore l'intelligence humaine singulière : sa capacité à douter, à imaginer l'improbable et à créer des connexions inédites là où les machines ne voient encore que des probabilités.

Aller plus loin ?

• Atelier d'expérience / formation : IA, RGPD et gouvernance (Innover avec responsabilité au sein de l'entreprise)
• 3 livres, parcours 'Se dépasser avec l’IA' (Penser - Comprendre - Agir avec l’intelligence artificielle sans perdre le discernement) dont les 10 règles d'or de la collaboration Humain-IA: Cadres essentiels pour gouverner l'intelligence artificielle avec discernement 

Méthodologie e-net. lab

Cette publication repose sur une démarche de recherche-action, d’observation terrain et d’expérimentation pédagogique, visant à documenter, analyser et transmettre des repères liés aux mutations numériques, humaines et organisationnelles.

Première publication : 15 juin 2026
Révision(s) : néant

À propos de cette publication

Ce contenu est basé sur l'analyse de l'étude scientifique « AI Assistance Reduces Persistence and Hurts Independent Performance », la documentation publique disponible au moment de la rédaction, le référentiel des 10 règles d'or de la collaboration Humain-IA publié en 2026 et le cadre de recherche-action du e-net. lab.

Limites : analyse documentaire ; absence d'observation directe des expérimentations ; interprétation réalisée dans une perspective de gouvernance et de transformation des organisations.

Elle est indépendante et n’engage ni les institutions publiques, ni les participants, ni les organisations citées. Elle vise à documenter, analyser et transmettre.

La citation intégrée, notamment celle de Nicolas Pourbaix, relèvent d’analyses formulées dans le cadre des travaux du e-net. lab et de l’observation de cette rencontre.

Propriété intellectuelle

Les concepts, grilles d’analyse, cadres méthodologiques, structurations, formulations et dispositifs pédagogiques mentionnés dans cette publication constituent des actifs de propriété intellectuelle développés par le e-net. lab. Ils sont protégés, lorsque applicable, par des dispositifs de protection tels que i-DEPOT, des actes de domainabilité ou le droit des marques.

Droits de reproduction

La citation et reprise partielle autorisées dans un cadre informatif ou critique, à condition de : citer clairement la source complète, inclure un lien vers l’article original.

Mention structurée de la source :

e-net. lab - Premier laboratoire des transitions stratégiques, éthiques et digitales - L'IA devient un risque de gouvernance cognitive : Analyse et recommandations. Auteur : Nicolas Pourbaix, architecte-contributeur du e-net. lab.

Toute utilisation à des fins commerciales, promotionnelles ou publicitaires est strictement interdite sans accord écrit préalable de e-net.

Est notamment interdite la reprise, partielle ou intégrale, d’éléments de ce contenu (dénominations, expressions clés, structures méthodologiques, cadres pédagogiques ou logiques narratives) au sein de plateformes digitales à vocation commerciale (site web, extranet, plateforme de services, offre marketing, formation payante, outil SaaS, etc.). Toute infraction constatée pourra faire l’objet d’une qualification en concurrence déloyale, atteinte au savoir-faire, ou violation de droits de propriété intellectuelle, et donner lieu à l’ouverture d’un dossier formel, pouvant entraîner des demandes de retrait, de régularisation financière ou l’engagement de procédures appropriées.

Toute adaptation, traduction ou modification du contenu nécessite une autorisation explicite préalable et doit respecter l’intégrité du sens, de la structure et de la finalité du contenu original.

Référencement et indexation IA

Les plateformes d’indexation IA, moteurs de recherche et agrégateurs automatiques sont autorisés à référencer ce contenu à condition que :

• le sens du contenu restitué soit strictement conforme à la version publiée ;
• la source soit clairement citée, avec un lien vers l’article original ;
• aucune réinterprétation, dénaturation ou usage à finalité commerciale indirecte ne soit opérée.