Illettrisme mathématique : l'IA et la lente érosion de la pensée critique

L’intelligence artificielle n’efface pas nos compétences, elle les déplace. Confier les raisonnements complexes à ChatGPT et aux autres LLM risque de déclencher

Chaque saut technologique dans l’histoire humaine a entraîné une forme d’externalisation : nous avons délégué la force physique aux machines à vapeur, la mémoire à long terme à l’écriture et le calcul arithmétique aux processeurs de silicium. Aujourd’hui, avec l’intégration omniprésente de l’intelligence artificielle générative dans les flux de travail intellectuel, nous assistons à une externalisation de nature profondément différente : celle du raisonnement analytique. L’alerte sociologique émergente ne concerne pas la simple perte de notions, mais la genèse d’un nouvel « illettrisme du calcul » cognitif.

Toutefois, une analyse rigoureuse de la littérature scientifique impose de se garder de la panique morale : l’intelligence artificielle n’« efface » pas automatiquement les compétences logiques humaines, mais les déplace et les transforme. Si elle est utilisée comme un échafaudage intellectuel — pour confronter des hypothèses divergentes, vérifier des sources ou mettre à l’épreuve son propre raisonnement — l’IA peut soutenir et élever la pensée critique. Si, au contraire, elle est adoptée comme un oracle substitutif au calcul laborieux, à la vérification minutieuse et à la décision éthique, elle risque de déclencher une atrophie dangereuse : elle réduit l’auto-efficacité, vide le sentiment de propriété (ownership) sur son propre travail et mine la capacité de l’individu à résoudre des problèmes complexes en autonomie.

Le délestage cognitif : de meilleurs résultats, une moindre compétence

Le cœur du problème réside dans le phénomène connu en psychologie sous le nom de cognitive offloading (délestage cognitif). Une étude centrale et décisive, présentée à la conférence CHI 2025 par les chercheurs de Microsoft Research et de la Carnegie Mellon University, a examiné l’impact de l’IA générative sur la pensée critique de 319 knowledge workers à travers l’analyse de 936 cas d’usage réels [2967, 2975]. Les données révèlent une mécanique perverse : l’usage de l’IA réduit drastiquement l’effort perçu nécessaire pour appliquer la pensée critique, favorisant une confiance excessive envers la machine. L’étude démontre une corrélation très claire : une plus grande confiance préalable dans l’IA est associée à une moindre application de la pensée critique humaine, tandis qu’une plus grande confiance dans ses propres capacités intellectuelles se traduit par une analyse plus rigoureuse de la production algorithmique.

Cette dynamique génère un paradoxe formatif, bien illustré par une étude expérimentale publiée dans Cognitive Processing (2026) où de jeunes adultes devaient identifier des sophismes logiques dans des textes complexes [2968]. Le groupe soutenu par ChatGPT a obtenu un nombre significativement plus élevé de réponses correctes, tout en rapportant un moindre effort mental. Pourtant, à une analyse plus approfondie, ce même groupe a montré des déficits alarmants dans le raisonnement indépendant, dans la propension à la vérification autonome et dans le suivi métacognitif. Se consolide ainsi un écart insidieux : l’entreprise ou l’individu obtient un « meilleur résultat » à court terme, mais l’être humain cède des parts vitales de « compétence maintenue ».

Une enquête supplémentaire publiée dans Societies (2025) sur un échantillon de 666 participants a mis en évidence une corrélation négative entre l’usage fréquent d’outils d’IA et la capacité structurée de pensée critique, médiée précisément par la tendance au délestage cognitif, en notant toutefois qu’une solide instruction supérieure joue un rôle de facteur protecteur [2976, 2977].

L’illusion de la compréhension et le risque de l’approbateur passif

Pourquoi faisons-nous autant confiance, et si vite, à un calcul syntaxique ? Le mécanisme psychologique est lié à l’interface linguistique des modèles de pointe. Comme l’argumente un essai sur arXiv (2025) consacré à la protection et à l’augmentation de la cognition humaine, les grands modèles de langage produisent des résultats intrinsèquement cohérents, apparemment exhaustifs et linguistiquement complaisants [2973]. Cette perfection formelle a le pouvoir de contourner notre scepticisme naturel, en inhibant la nécessaire suspension du jugement et en créant chez l’utilisateur une dangereuse « illusion de compréhension complète ». Un texte bien écrit et formaté avec assurance algorithmique se révèle cognitivement bien plus insidieux qu’un texte manifestement agrammatical ou erroné.

Le risque opérationnel est la transformation du professionnel en simple « approbateur passif ». Un rapport de Microsoft Research (The Future of AI in Knowledge Work, 2025) synthétise cette dynamique : lorsque l’enjeu est perçu comme très élevé (high stakes), les professionnels appliquent une pensée critique sévère sur la production de l’IA. Mais dans les tâches de routine, ou lorsque l’on opère sous forte pression temporelle, l’esprit critique s’effondre [2975]. Dans un écosystème sain, la règle d’or de l’ère synthétique devrait être : on délègue l’exécution procédurale, on ne délègue jamais le jugement. Le centre de gravité du travail intellectuel doit inévitablement se déplacer de la pure génération de contenus vers l’art de la vérification croisée, de l’intégration de sources disparates et de la supervision éthique de la tâche.

Au-delà du déterminisme : la leçon de la calculatrice

Le débat actuel sur le déclin cognitif risque souvent de sombrer dans un catastrophisme luddite. Comme l’a souligné l’IEEE Computer Society (2025), le cognitive offloading n’est pas né avec ChatGPT. Nous avons déjà délégué l’orientation spatiale au GPS et l’arithmétique à la calculatrice de poche [2990]. Utiliser des outils externes pour réduire la charge cognitive de bas niveau libère des ressources précieuses que l’esprit humain peut (et doit) réinvestir dans des tâches d’ordre supérieur. Le problème ne réside pas dans l’outil lui-même, mais dans l’identification exacte des aptitudes humaines que nous cessons d’exercer quotidiennement. Déléguons-nous le calcul des dérivées ou déléguons-nous la compréhension du problème mathématique ?

Dans ce contexte, la rigueur méthodologique est essentielle. Des chercheurs de la Carnegie Mellon University avertissent sévèrement que les peurs actuelles, bien que fondées, reposent sur des preuves préliminaires. Les études observationnelles qui relient l’usage intensif de l’IA à une moindre connectivité cérébrale fonctionnelle en phase d’apprentissage ou à une moindre mémorisation des informations montrent de fortes corrélations, non des liens causaux définitifs [2971, 2972]. Il est impératif de rester prudent et de ne pas transformer une corrélation statistique alarmante en une prophétie inéluctable sur la fin de l’intellect humain.

Concevoir la friction : le design de l’agentivité épistémique

Si le problème n’est pas la machine mais la posture avec laquelle nous nous rapportons à elle, la solution doit aussi être cherchée dans la conception du logiciel. Les chercheurs proposent un changement de paradigme : concevoir des systèmes d’IA qui visent à augmenter la cognition humaine préservée, au lieu de la remplacer brutalement [2974]. Une intelligence artificielle conçue pour soutenir la pensée critique ne devrait pas se limiter à fournir la réponse parfaite ; elle devrait expliciter son degré d’incertitude, demander à l’utilisateur les raisons d’une hypothèse donnée, montrer les sources en conflit potentiel et laisser de larges marges, y compris dans l’interface utilisateur, pour l’exploration et la révision du raisonnement. Elle doit réintroduire une salutaire « friction cognitive ».

La vraie question que les intellectuels, les scientifiques et les professionnels doivent se poser aujourd’hui n’est pas la banale instance défensive « dois-je arrêter d’utiliser l’IA pour ne pas atrophier mon cerveau ? ». La question centrale est : quelle partie spécifique du raisonnement est-ce que je prétends encore faire moi-même ?

Si l’algorithme est employé pour calculer des scénarios probabilistes, comparer d’immenses ensembles de données et proposer des variantes structurelles, nous assistons à la plus grande extension des facultés humaines jamais conçue. Mais si à ce même algorithme nous demandons de décider autonomement ce qui est vrai et ce qui est faux, quelle hypothèse scientifique ou entrepreneuriale mérite d’être testée, et quel choix moral doit être assumé, l’être humain abdique à son propre rôle. L’illettrisme du calcul du XXIe siècle, en définitive, ne consistera pas dans l’incapacité technique d’écrire un bon prompt pour interroger un modèle linguistique. Ce sera l’incapacité dramatique de comprendre quand le modèle a mathématiquement raison, quand il hallucine de manière plausible, et quand une décision — par sa nature même, éthique ou stratégique — ne peut être déléguée à personne d’autre qu’à nous-mêmes [2967, 2973, 2974].

Références bibliographiques et sources

  • [The Impact of Generative AI on Critical Thinking — CHI 2025; Microsoft Research et Carnegie Mellon University] [2967, 2975]
  • [Cognitive offloading, critical thinking and attitudes towards AI — Cognitive Processing, 2026] [2968]
  • [AI Tools in Society: Impacts on Cognitive Offloading and the Future of Critical Thinking — Societies, 2025; Michael Gerlich] [2976, 2977]
  • [The Future of AI in Knowledge Work — Microsoft Research, 2025] [2975]
  • [Understanding, Protecting, and Augmenting Human Cognition — arXiv, 2025] [2973]
  • [Designing AI Systems that Augment Human Performed vs. Replaced Cognition — arXiv, 2025] [2974]
  • [Cognitive Offloading: How AI is Quietly Eroding Our… — IEEE Computer Society, 2025] [2990]
  • [How AI Impacts Skill Formation — arXiv, 2026] [2971]
  • [AI may blunt our thinking skills — Carnegie Mellon University / New Scientist] [2972]

Article réalisé par la Rédaction de La Bussola dell’IA