Perspectives
Pourquoi le poli de l'IA mine l'esprit critique
J’ai remarqué quelque chose de troublant dans mon propre travail récemment. Je révisais un document qu’une IA avait rédigé pour moi. C’était bon. Structure claire, logique raisonnable, aucune erreur évidente. Je l’ai lu deux fois, j’ai fait trois petites modifications et je l’ai approuvé. Ensuite, je me suis posé une question à laquelle je n’ai pas aimé répondre : aurais-je détecté un défaut grave s’il y en avait eu un ? Je ne suis pas certain que je l’aurais fait. Non pas par manque de compétences, mais parce que le brouillon arrivait déjà avec un air achevé.
Le poli invite l’adhésion
Et j’étais inconsciemment passé de la réflexion sur le problème à la vérification de la réponse. Il existe maintenant des recherches à ce sujet. Microsoft Research a sondé 319 travailleurs du savoir qui ont partagé 936 exemples réels d’utilisation de l’IA dans leur travail. Le modèle qu’ils ont observé n’est pas que l’IA rend les gens moins aptes à réfléchir. C’était plus subtil et plus inquiétant : plus les gens avaient confiance en l’IA, moins ils dépensaient d’efforts de réflexion critique. Plus ils avaient confiance en eux-mêmes, plus ils en dépensaient. La confiance, s’avère-t-il, est une ressource finie qui se déplace. Lorsque nous en accordons davantage à l’outil, nous en retirons une partie de nous-mêmes. Une autre étude menée en 2026 auprès de plus de 1 200 personnes a fait un constat similaire : les participants avaient du mal à estimer correctement le temps que l’IA leur avait réellement fait gagner. La vitesse ressentie et la vitesse réelle divergeaient. Les auteurs ont appelé cela une illusion d’accélération. Je ne cesse de revenir sur ce que ces conclusions impliquent pour les organisations, car je ne crois pas qu’il s’agisse d’un problème de formation. Toutes les organisations que je connais mesurent actuellement l’adoption de l’IA. Licences déployées. Tâches automatisées. Heures économisées. Pas une seule ne mesure si la qualité de la réflexion humaine au sein de l’organisation a augmenté ou diminué.
Nous avons des instruments pour la machine et aucun pour
Et il y a ici une étrange asymétrie. Le Work Trend Index 2026 de Microsoft a révélé que lorsque l’on demandait aux travailleurs quelles compétences comptent le plus à mesure que l’IA prend en charge davantage de travail, les deux principales réponses étaient le contrôle de la qualité des résultats de l’IA et l’esprit critique. Quatre-vingt-six pour cent ont déclaré traiter les résultats de l’IA comme un point de départ plutôt que comme une réponse finale. Les gens savent donc de quoi il retourne. Ils peuvent nommer la compétence. Ce qui leur manque, c’est un environnement qui protège les conditions nécessaires pour l’exercer — le temps, le doute, la contestation, la permission de dire « cela a l’air correct et pourtant je ne lui fais pas confiance ». Cette permission n’est pas un trait de personnalité.
C’est un choix de conception organisationnelle
Si les réunions d’une équipe sont structurées de manière à ce que la réponse rapide l’emporte, le brouillon de l’IA l’emportera. Si le désaccord coûte du capital social, personne ne le dépense pour remettre en question quelque chose qui se lit déjà bien. Si le calendrier ne laisse aucun espace entre la réception du travail et la décision à prendre, le jugement se comprime en simple approbation. Le Contribution Leadership part du principe que l’IA doit optimiser le travail tandis que les organisations optimisent les humains. Ce que j’apprends, c’est qu’il ne s’agit pas seulement de libérer ce que les gens peuvent apporter. Il s’agit aussi de défendre ce qu’ils risquent de perdre en silence. La chose la plus précieuse qu’une personne apporte à une organisation saturée par l’IA est peut-être sa disposition à rester légèrement sceptique. Ce qui soulève une question à laquelle je n’ai pas encore de réponse claire : si la confiance se transfère de la personne vers l’outil, que fait un leader pour en redonner une partie ? Je soupçonne que la réponse ressemble moins à une politique qu’à une pratique. Demander à quelqu’un d’expliquer son raisonnement, pas seulement le résultat. Réviser les décisions, pas seulement les livrables. Rendre normal — voire attendu — de dire « j’ai utilisé l’IA ici, et voici où je pense encore qu’elle a tort ». De petits rituels. Mais ils pourraient bien faire la différence entre une organisation qui pense avec l’IA et une autre qui cesse lentement de penser tout court.