L'IA qui pense à votre place : la dette cognitive de la formation

Il existe une promesse que je n'entends plus comme une bonne nouvelle : « avec l'IA, la formation va deux fois plus vite. » Vingt ans d'enseignement et d'ingénierie pédagogique m'ont appris à me méfier de cette phrase. Car gagner du temps et apprendre ne sont pas la même chose — ce sont, parfois, deux opérations contraires. Et la science commence à le mesurer avec une précision dérangeante.

Je voudrais ici prendre au sérieux une notion qui monte dans la littérature : celle de dette cognitive. L'idée est simple et redoutable. Quand une intelligence artificielle produit à notre place le raisonnement, la rédaction, la synthèse, elle nous offre une performance immédiate — un livrable propre, vite obtenu — mais elle prélève en silence sur ce qui devait s'apprendre. La facture n'arrive pas le jour même. Elle arrive plus tard, le jour où il faut mobiliser seul une compétence que l'on croyait posséder, et que l'on découvre n'avoir jamais réellement construite.

Ce que l'EEG voit quand le cerveau délègue

L'étude qui a donné son nom à cette tribune vient du MIT Media Lab. Dans un travail intitulé Your Brain on ChatGPT, Kosmyna et ses collègues ont demandé à 54 participants de rédiger des essais, tantôt seuls, tantôt avec un moteur de recherche, tantôt avec un grand modèle de langage, tout en enregistrant leur activité cérébrale par électroencéphalographie^[1]. Le résultat est net : les personnes qui s'appuyaient sur le modèle de langage présentaient la connectivité cérébrale la plus faible des trois groupes, ainsi que le plus faible sentiment de propriété de leur propre texte. Les auteurs parlent précisément de dette cognitive pour décrire cet effondrement de l'engagement mental.

Je tiens à être honnête sur le statut de ce travail : il s'agit d'un préprint, à ce jour non encore évalué par les pairs. Il faut donc le lire avec la prudence qui s'impose. Mais il ne flotte pas seul. Il rejoint un faisceau d'études convergentes qui, prises ensemble, dessinent un tableau qu'un pédagogue ne peut plus ignorer.

« L'IA nous offre une performance immédiate, mais elle prélève en silence sur ce qui devait s'apprendre. La facture n'arrive pas le jour même : elle arrive le jour où il faut mobiliser seul une compétence que l'on croyait posséder. »

L'expérience qui devrait nous arrêter

La démonstration la plus frappante nous vient d'un essai contrôlé publié en 2025 dans PNAS par Bastani et ses collègues^[2]. Près d'un millier de lycéens turcs ont travaillé les mathématiques avec, ou sans, l'aide d'une IA générative. Pendant la phase d'entraînement, l'effet est spectaculaire : l'accès à GPT-4 améliore fortement la performance des élèves. Tout semble confirmer la promesse. Puis vient l'examen final, passé cette fois sans assistance — et le tableau se renverse.

Les élèves qui s'étaient entraînés avec un ChatGPT standard obtiennent à l'examen un résultat inférieur d'environ 17 % à celui de leurs camarades qui n'avaient jamais eu d'IA. Autrement dit : l'outil qui les avait fait progresser pendant l'entraînement les a laissés moins capables une fois retiré. La béquille avait remplacé la jambe. Ils n'avaient pas appris à résoudre des problèmes ; ils avaient appris à les faire résoudre.

Mais l'étude ne s'arrête pas à ce constat décourageant — et c'est précisément ce qui en fait une boussole plutôt qu'un acte d'accusation. Un second groupe avait travaillé avec une variante de l'outil, un « tuteur » muni de garde-fous pédagogiques : un assistant qui ne livrait pas la réponse, mais guidait, questionnait, faisait chercher. Pour ce groupe, l'effet négatif sur l'examen final est largement annulé. La différence ne tient donc pas à l'IA en soi. Elle tient à la manière dont l'IA a été conçue. Le même moteur, deux pédagogies, deux destins opposés.

Pensée critique, transfert : ce qui s'érode

Que se passe-t-il, plus largement, quand l'usage de ces outils s'installe dans les habitudes ? Une enquête de Gerlich, publiée en 2025 dans la revue Societies, a interrogé 666 personnes au Royaume-Uni^[3]. Elle relève une corrélation négative forte entre l'usage des outils d'IA et la pensée critique — de l'ordre de r ≈ −0,68 — médiée par ce que les chercheurs appellent le déchargement cognitif : l'habitude de confier à la machine l'effort que l'on faisait soi-même. Les 17-25 ans, ceux-là mêmes que nous formons, en sont les plus dépendants. Une correction a depuis été publiée sur cet article, sans en modifier les conclusions.

On objectera qu'une corrélation n'est pas une cause. C'est juste. Mais une étude expérimentale de Fan et ses collègues, parue en 2025 dans le British Journal of Educational Technology, ferme cette porte de sortie^[4]. Sur 117 étudiants, le groupe qui rédigeait avec ChatGPT obtenait de meilleurs scores à son essai — mais sans gain significatif de connaissance ni de capacité de transfert. Le livrable brillait ; l'apprenant, lui, n'avait pas appris. Les auteurs nomment ce phénomène paresse métacognitive : on délègue à la machine non seulement la tâche, mais le pilotage même de sa propre pensée — le fait de se demander « est-ce que je comprends, est-ce que je progresse, où est-ce que je bloque ? ».

« Le livrable brillait ; l'apprenant, lui, n'avait pas appris. C'est toute la différence entre une formation qui produit un document et une formation qui transforme une personne. »

Une génération déjà à l'intérieur

Ce débat n'est pas une hypothèse de laboratoire que l'on aurait le loisir d'arbitrer plus tard. Il est déjà dans nos salles. L'enquête HEPI / Kortext de 2025, menée auprès de 1 041 étudiants, montre que 92 % d'entre eux utilisent désormais un outil d'IA générative — contre 66 % un an plus tôt^[5]. Plus frappant encore : 88 % s'en servent pour leurs évaluations, mais seulement 36 % déclarent avoir été formés par leur établissement à ces outils. L'adoption a couru ; l'accompagnement pédagogique, lui, est resté à quai.

C'est ce décalage qui m'inquiète, bien plus que l'outil lui-même. Une technologie massivement présente, intégrée aux gestes d'apprentissage les plus quotidiens, et dont presque personne n'a appris l'usage réfléchi : voilà le terrain idéal pour que la dette cognitive s'accumule sans que personne ne la voie passer.

La solution n'est pas d'interdire. C'est de concevoir.

Il serait tentant d'en conclure qu'il faut bannir l'IA des parcours de formation. Ce serait une erreur de même nature que la précédente : une réaction de posture, là où il faut une réponse d'ingénierie. Car ces mêmes études le disent toutes, en creux. L'effet n'est pas porté par l'IA ; il est porté par le design de son usage. Le GPT Tutor de l'étude PNAS n'appauvrit pas l'apprentissage ; le ChatGPT standard, oui. Même technologie, intentions opposées.

L'OCDE le formule très clairement dans son Digital Education Outlook 2026^[6] : l'IA n'améliore les apprentissages qu'à la condition d'une intention pédagogique explicite. Et les compétences qu'il faut désormais placer au centre — la pensée critique, la collaboration, la créativité, l'apprentissage autorégulé — sont précisément celles que le déchargement cognitif met le plus en danger. La conclusion n'est pas « moins d'IA », mais « mieux d'IA », au service de ces compétences-là plutôt qu'à leur détriment.

Concevoir l'inverse de la dette cognitive, en ingénierie pédagogique, cela porte des noms précis. Voici les trois principes que je pose au cœur de tout dispositif que nous bâtissons chez E²SN.

1. Des garde-fous, pas des raccourcis. Une IA pédagogique ne doit jamais livrer la réponse finie quand l'objectif est que l'apprenant la construise. Elle questionne, reformule, propose des indices gradués, demande à l'apprenant d'expliciter son raisonnement avant de valider. C'est exactement la différence entre le tuteur et le ChatGPT standard de l'étude PNAS — et c'est elle qui décide si la formation ajoute, ou soustrait, de la compétence.
2. La récupération active, toujours. Apprendre durablement suppose d'aller rechercher soi-même l'information en mémoire, au prix d'un effort — c'est l'effet de test, l'un des résultats les mieux établis des sciences cognitives. Un parcours bien conçu interrompt la production assistée par des moments où l'apprenant doit, seul, restituer, appliquer, transférer. Sans cet effort de rappel, l'IA ne fait que lisser la surface d'un savoir qui ne s'enracine jamais.
3. Une intention pédagogique avant l'outil. La question n'est jamais « comment mettre de l'IA dans cette formation ? », mais « quelle compétence vise-t-on, et l'IA la sert-elle ou la court-circuite-t-elle ? ». Parfois la bonne réponse est de désactiver l'assistance sur une étape précise. Cette intention, décidée en amont par l'ingénieur pédagogique, est ce qui sépare un dispositif qui forme d'un dispositif qui ne fait qu'accélérer la remise d'un livrable.

L'IA comme tuteur, jamais comme béquille : cette ligne n'est pas un slogan, c'est une discipline de conception. Elle suppose que quelqu'un, quelque part, ait pensé le parcours pour que l'effort reste là où il doit rester — chez l'apprenant. C'est précisément ce travail d'ingénierie pédagogique que la promesse du « gain de temps » propose, sans le dire, de supprimer. Et c'est ce travail que nous refusons de sacrifier.