L’intelligence artificielle générative a installé une promesse simple dans les organisations : aller plus vite. Plus vite pour rechercher une information, analyser un marché, synthétiser un rapport, produire une note, préparer une réunion ou explorer différents scénarios. Cette accélération est réelle. Mais elle fait émerger une question beaucoup moins souvent posée : parce que nous pouvons obtenir une réponse plus rapidement, devons-nous également décider plus rapidement ?
La distinction est essentielle. Produire une réponse et prendre une décision ne relèvent pas du même processus. Une intelligence artificielle peut générer en quelques secondes une synthèse remarquablement structurée. Elle peut identifier des options, formuler des hypothèses ou construire des scénarios. Mais une décision engage une organisation, des ressources, des personnes, parfois une réputation et une responsabilité juridique. Elle suppose de comprendre un contexte, d’apprécier l’incertitude, de confronter plusieurs interprétations et d’assumer les conséquences du choix effectué.
À mesure que l’IA réduit le temps nécessaire pour produire et traiter l’information, les entreprises vont donc devoir apprendre à protéger une autre ressource : le temps nécessaire à la formation du jugement.
Quand l’immédiateté transforme notre rapport à la réflexion
Dans un entretien publié le 28 octobre 2026 par Monaco Hebdo, le pédagogue Philippe Meirieu alerte sur les effets possibles d’un usage intensif de l’intelligence artificielle dans l’éducation. Son argument le plus intéressant concerne moins la technologie elle-même que la temporalité de la réflexion. Écrire, rappelle-t-il, signifie chercher, hésiter, revenir sur une formulation, reprendre un raisonnement. Lorsque l’IA fournit immédiatement un résultat déjà structuré, une partie de ce cheminement peut disparaître. (Monaco Hebdo)
Le propos concerne l’école. Il mérite pourtant d’être transposé au monde de l’entreprise.
Une grande partie du travail intellectuel repose elle aussi sur des étapes qui prennent du temps. Formuler un problème, rechercher des informations, confronter une hypothèse à la réalité, identifier une contradiction, modifier son interprétation, demander un avis extérieur et, finalement, décider.
L’intelligence artificielle peut réduire fortement le coût de plusieurs de ces opérations. C’est précisément ce qui fait sa valeur. Mais elle peut également installer l’idée que le raisonnement lui-même devrait pouvoir être compressé.
C’est là que se situe une tension nouvelle.
L’IA accélère la production des réponses. Elle ne garantit pas pour autant une accélération de la qualité du jugement.
Ce que la « dette cognitive » nous dit, et ce qu’elle ne dit pas encore
Le débat sur les effets cognitifs de l’IA a été fortement alimenté par l’étude Your Brain on ChatGPT, publiée par des chercheurs associés au MIT Media Lab le 10 juin 2025. Cinquante-quatre participants ont été répartis entre trois conditions pour rédiger des essais : utilisation d’un LLM, utilisation d’un moteur de recherche ou absence d’outil. Dix-huit participants ont poursuivi une quatrième session dans laquelle certaines conditions ont été inversées. (www-prod.media.mit.edu)
Les chercheurs ont observé des différences dans plusieurs indicateurs neurologiques et comportementaux entre les groupes. Leur travail a popularisé l’expression de « cognitive debt », ou dette cognitive, pour décrire le risque qu’une externalisation répétée de certaines opérations intellectuelles puisse affecter l’engagement cognitif et l’appropriation du travail réalisé. (www-prod.media.mit.edu)
Il faut néanmoins rester extrêmement prudent.
L’étude porte sur une tâche particulière, la rédaction d’essais, avec un effectif limité. Elle ne permet pas de conclure qu’une durée quotidienne précise d’utilisation de l’IA entraînerait mécaniquement une perte de capacités cognitives. Il serait également excessif d’en déduire que toute utilisation d’un LLM provoque un affaiblissement intellectuel durable.
Ce point est important, car l’entretien de Philippe Meirieu va parfois plus loin dans ses formulations que les résultats actuellement disponibles. Il évoque notamment l’idée qu’une utilisation de l’IA d’une à deux heures par jour produirait une dette cognitive. Ce seuil n’est pas établi par l’étude du MIT citée dans l’entretien. Monaco Hebdo mentionne également cette étude comme ayant été publiée durant l’été 2026, alors que sa première publication date de juin 2025. (Monaco Hebdo)
La question scientifique intéressante n’est donc pas de savoir si « l’IA nous rend moins intelligents ».
Elle est plus précise :
quelles opérations cognitives cessons-nous d’exercer lorsque nous les déléguons régulièrement à une machine, et quelles conséquences cette délégation peut-elle avoir à long terme ?
De « penser en faisant » à « choisir parmi des réponses »
Cette question concerne directement le travail.
Microsoft Research observe, dans ses travaux sur le futur du travail, un déplacement progressif de ce qu’il qualifie de thinking by doing, penser en faisant, vers le choosing from outputs, choisir parmi les résultats proposés par l’IA. Un rédacteur peut devenir davantage éditeur. Un développeur peut consacrer moins de temps à écrire du code et davantage à contrôler celui qui lui est proposé. Un analyste peut passer de la production d’une première interprétation à l’évaluation de plusieurs interprétations générées automatiquement. (Microsoft)
Ce déplacement n’est pas nécessairement négatif.
Il peut même permettre d’élever considérablement le niveau du travail humain lorsque le temps économisé est réinvesti dans l’analyse, la confrontation des hypothèses ou la compréhension du contexte.
Mais une condition devient alors essentielle : la capacité de jugement doit progresser au moins aussi vite que la capacité de génération de l’IA.
Sinon, nous risquons de créer une asymétrie. Les organisations disposeront de davantage de réponses, de scénarios et de recommandations, mais leurs collaborateurs ne disposeront pas nécessairement de davantage de compétences pour les évaluer.
Microsoft Research souligne d’ailleurs que l’amélioration des systèmes d’IA accroît la valeur de compétences telles que le jugement, la capacité à travailler dans l’ambiguïté et l’évaluation des résultats produits par la machine. (Microsoft)
Le paradoxe est important : plus l’IA devient performante, plus la qualité du jugement humain peut devenir stratégique.
Quand la confiance dans l’IA modifie l’effort de réflexion
Une étude présentée à la conférence CHI 2025 permet d’aller plus loin. Des chercheurs de Microsoft Research ont interrogé 319 travailleurs du savoir et recueilli 936 exemples concrets d’utilisation de l’IA générative dans leur activité professionnelle.
Ils observent une association intéressante : lorsque les utilisateurs déclarent avoir davantage confiance dans l’IA pour accomplir une tâche, ils rapportent également moins d’exercice de pensée critique. À l’inverse, une confiance plus élevée dans leur propre capacité à réaliser la tâche est associée à davantage d’évaluation critique. (Microsoft)
Il faut là encore interpréter correctement le résultat. Cette recherche repose notamment sur des déclarations d’utilisateurs. Elle ne démontre pas que l’utilisation d’un LLM provoque directement une diminution généralisée de la pensée critique.
Elle met cependant en évidence un mécanisme essentiel : la manière dont nous percevons la fiabilité de l’IA influence la quantité d’effort que nous investissons dans son contrôle.
Le problème n’est donc pas uniquement la qualité de la réponse produite par le système.
Il réside également dans le comportement que cette réponse provoque chez celui qui la reçoit.
Une réponse convaincante n’est pas nécessairement une bonne décision
Cette distinction devient particulièrement importante lorsque l’IA intervient dans la prise de décision.
Une revue systématique publiée en 2026 dans Procedia Computer Science a synthétisé 15 études regroupant 15 752 participants afin d’examiner les effets de l’intelligence artificielle générative sur les décisions organisationnelles. Les auteurs observent des résultats différents selon les phases du processus décisionnel. Les effets apparaissent globalement favorables dans les activités de collecte et d’analyse d’information, plus hétérogènes dans la conception des options et négatifs, dans les études examinées, pour certaines tâches relevant directement du choix. (ScienceDirect)
Ces résultats ne constituent évidemment pas une règle universelle. Les situations étudiées, les modèles utilisés et les contextes professionnels varient.
Mais ils suggèrent une hypothèse très importante pour les dirigeants : l’endroit où l’on introduit l’IA dans la chaîne de décision pourrait compter autant que la qualité du modèle utilisé.
L’IA peut être particulièrement efficace pour augmenter l’espace d’analyse. Elle peut rechercher, comparer, synthétiser et générer des alternatives à une vitesse inaccessible à une équipe humaine.
Cela ne signifie pas nécessairement qu’elle doit devenir le point de départ du choix lui-même.
Le risque de l’ancrage algorithmique
Prenons une décision stratégique classique.
Une entreprise envisage d’entrer sur un nouveau marché. Une IA peut examiner les tendances sectorielles, identifier les concurrents, synthétiser les contraintes réglementaires, comparer plusieurs territoires et proposer différents scénarios.
Le gain de temps est considérable.
Mais que se passe-t-il lorsque l’on demande ensuite à l’IA : « Quel marché devons-nous choisir ? »
La question paraît naturelle. Pourtant, elle transforme le processus décisionnel.
La première recommandation fournie devient un cadre à partir duquel le décideur raisonne. Même s’il la remet ensuite en question, elle peut orienter la manière dont les autres options seront évaluées.
Des recherches du National Bureau of Economic Research montrent également que la présence de recommandations algorithmiques peut modifier l’effort humain. Dans une expérience consacrée au fact-checking, les chercheurs Nikhil Agarwal, Alex Moehring et Alexander Wolitzky observent notamment que les participants réduisent leur effort lorsqu’ils reçoivent des prédictions de l’IA présentées avec une forte confiance. Leur travail montre en même temps que les humains ne suivent pas mécaniquement l’IA et peuvent aussi sous-réagir à ses recommandations. (NBER)
Le phénomène est donc plus complexe qu’une simple « dépendance à l’IA ».
La présence du système modifie les conditions dans lesquelles le jugement humain s’exerce.
L’IA ne s’ajoute pas simplement au processus de décision. Elle peut transformer ce processus.
La temporalité devient un sujet de gouvernance
La réflexion sur le temps prend alors une dimension nouvelle.
Certaines décisions bénéficient évidemment de la vitesse. Lorsqu’un incident opérationnel se produit, réduire le délai de réaction peut être décisif. Lorsqu’il faut analyser plusieurs milliers de documents, automatiser une partie du travail constitue un avantage évident. Lorsque l’information recherchée est précise et vérifiable, l’accélération apporte généralement de la valeur.
Mais toutes les décisions n’appartiennent pas à cette catégorie.
Une acquisition, une restructuration, le recrutement d’un dirigeant, l’entrée sur un nouveau marché, une transformation du modèle économique ou une décision éthique complexe nécessitent autre chose qu’une simple optimisation du temps de traitement.
Certaines décisions demandent de laisser apparaître les contradictions. Elles nécessitent parfois de confronter plusieurs expertises, de rechercher volontairement des arguments contraires, de comprendre pourquoi plusieurs dirigeants interprètent différemment la même information et de réexaminer des hypothèses qui semblaient initialement évidentes.
Dans ces situations, la lenteur n’est pas nécessairement l’opposé de la performance. Elle peut devenir l’une des conditions de la qualité décisionnelle.
Réintroduire une friction productive
Depuis des décennies, la conception des technologies numériques poursuit un objectif dominant : supprimer les frictions.
Moins de clics. Moins d’étapes. Moins d’attente. Moins d’effort.
L’intelligence artificielle pousse cette logique beaucoup plus loin puisqu’elle permet désormais de réduire une partie de la friction intellectuelle elle-même.
Mais toutes les frictions ne sont pas inutiles.
Une prépublication de Microsoft Research publiée en octobre 2026 explore justement la notion de productive friction. Dans une expérience randomisée menée auprès de 297 travailleurs réalisant 594 tâches d’écriture assistée par IA, les chercheurs ont introduit des mécanismes obligeant les participants à préciser davantage leurs objectifs et à décomposer leur tâche. Ces dispositifs ont été associés à une amélioration de la qualité de l’écriture et à certains effets positifs sur le rappel du sujet quelques jours plus tard. Fait intéressant, les participants ont pourtant jugé l’expérience plus exigeante et l’IA moins utile. (Microsoft)
L’étude est encore une prépublication. Elle ne permet donc pas de tirer de conclusions générales.
Mais elle ouvre une piste particulièrement intéressante pour les entreprises : le meilleur système n’est peut-être pas toujours celui qui minimise l’effort humain.
Dans certains contextes, un bon système d’IA pourrait être celui qui oblige l’utilisateur à réfléchir avant de lui répondre.
Human first, AI second, Human judgment last
Une architecture différente de la décision devient alors possible.
Pour certaines décisions complexes, le premier diagnostic pourrait rester humain. Avant de consulter une IA, les décideurs pourraient expliciter leur compréhension du problème, leurs hypothèses, leurs incertitudes et les données qu’ils considèrent comme déterminantes. L’IA interviendrait ensuite.
Son rôle ne serait pas seulement de confirmer. Elle pourrait rechercher les contre-arguments, identifier les informations manquantes, tester les hypothèses, construire des scénarios alternatifs, mettre en évidence des incohérences ou révéler des angles morts.
Puis l’humain reprendrait la responsabilité du choix. Non pas simplement pour approuver une recommandation algorithmique, mais pour arbitrer à partir d’un espace de réflexion enrichi par la machine. On pourrait résumer cette logique ainsi :
Human first. AI second. Human judgment last.
Ce principe n’a évidemment pas vocation à s’appliquer à toutes les tâches. De nombreuses décisions opérationnelles pourront être automatisées. Mais plus une décision est stratégique, ambiguë, irréversible ou humainement sensible, plus l’organisation devrait probablement expliciter les conditions dans lesquelles l’IA intervient.
Le débat sur l’IA ne concerne donc plus seulement ce que la technologie est capable de faire.
Il concerne également l’architecture du raisonnement que nous voulons conserver autour d’elle.
Quelles capacités voulons-nous continuer à exercer ?
Cette question mène à un enjeu encore plus profond. Les entreprises évaluent aujourd’hui principalement l’intelligence artificielle par les capacités nouvelles qu’elle leur apporte.
Il faudrait probablement ajouter une deuxième interrogation :
quelles capacités voulons-nous continuer à exercer nous-mêmes, même lorsque l’IA devient capable de les accomplir ?
Certaines activités sont des moyens de produire un résultat. D’autres sont également des moyens d’entretenir une compétence.
Rédiger une analyse permet de produire un document, mais aussi de structurer sa pensée. Chercher plusieurs sources produit de l’information, mais permet également d’apprendre à en évaluer la fiabilité. Construire soi-même plusieurs scénarios entraîne la capacité à raisonner sous incertitude.
Lorsque ces activités sont entièrement déléguées, l’entreprise gagne potentiellement du temps. Mais elle doit également se demander ce qui arrive aux compétences qui se développaient à travers elles.
C’est ici qu’apparaît une hypothèse que les organisations devraient commencer à surveiller : celle d’une dette cognitive organisationnelle. Le concept reste à démontrer empiriquement à l’échelle des entreprises. Il ne faut donc pas le présenter comme un phénomène scientifique déjà établi. Mais il peut servir de grille de lecture. Une organisation pourrait devenir extrêmement productive grâce à l’IA tout en exerçant progressivement moins certaines compétences essentielles. Analyser sans assistance, construire un raisonnement original, détecter une anomalie, formuler une contradiction ou prendre une décision lorsque les informations demeurent incomplètes.
Le risque ne serait alors pas que l’IA remplace l’intelligence humaine.
Il serait que l’organisation cesse progressivement d’entraîner certaines formes d’intelligence dont elle aura encore besoin lorsque les situations deviendront réellement difficiles.
De la productivité à la qualité du jugement
La première phase d’adoption de l’IA générative a été largement dominée par les indicateurs de productivité : combien de temps gagné, combien de tâches automatisées, combien de documents produits, combien d’informations synthétisées. Ces indicateurs restent importants mais ils deviennent insuffisants. Les dirigeants vont progressivement devoir poser une autre question :
qu’est-ce que l’IA fait à la qualité de nos décisions ?
Une organisation mature ne mesurera probablement pas seulement ce qu’elle gagne grâce à l’automatisation. Elle cherchera également à identifier ce qu’elle ne doit pas perdre.
Elle distinguera les tâches qui peuvent être automatisées, celles qui nécessitent une supervision humaine. Mais aussi celles dans lesquelles l’IA doit jouer le rôle de contradicteur et celles pour lesquelles la délibération humaine reste au cœur de la création de valeur. L’enjeu n’est donc pas de ralentir l’intelligence artificielle.
Il consiste à savoir où nous voulons profiter de sa vitesse et où nous devons préserver le temps du raisonnement. Car disposer rapidement d’une réponse deviendra progressivement banal. La différence entre les organisations ne se fera probablement plus uniquement sur leur capacité à accéder aux meilleurs modèles. Elle se fera aussi sur leur capacité à poser les bonnes questions, à contester les réponses obtenues et à savoir quand une décision mérite encore du temps.
L’intelligence artificielle crée une capacité. Les organisations créent la valeur. Entre les deux demeure une fonction qu’elles ne devraient pas abandonner : le jugement.
