Et si l’IA nous rendait plus performants mais finalement moins compétents ? Dans un article scientifique, Fatiha Tali-Otmani, maîtresse de conférences en sciences de l’éducation et de la formation à l’Université Toulouse-Jean Jaurès, s’intéresse à un risque encore peu étudié : la perte progressive de certaines compétences lorsque nous devons nous en passer.

Pourquoi vous êtes-vous intéressée aux effets de l’IA sur les compétences ?

Je me suis intéressée très tôt au numérique, notamment à travers ma thèse sur la conception de dispositifs hybrides de formation et sur la manière dont ils permettent de construire et d’évaluer des compétences. J’avais alors montré que les outils numériques pouvaient compléter la formation en présentiel sans pour autant remplacer l’accompagnement humain du formateur. À partir de 2022, j’ai demandé à mon équipe de recherche de travailler sur l’intelligence artificielle et la transformation des pratiques. Dès que j’ai testé les premiers modèles de ChatGPT, j’ai compris que quelque chose de nouveau était en train d’émerger. Au-delà de l’accès à l’information, l’IA peut désormais produire une tâche sans que la personne ait nécessairement à s’y engager cognitivement.

Votre article propose un nouveau modèle théorique. Que cherche-t-il à montrer ?

Dans le monde scientifique, nous savons mesurer si l’IA permet de rendre un travail plus rapide ou plus performant. En revanche, nous savons beaucoup moins évaluer si, à force d’utiliser des systèmes d’IA, les professionnels, les apprenants ou les autres utilisateurs restent capables de réaliser ce même travail sans cette technologie. C’est cette question qui m’intéresse. Le modèle triadique de Bandura décrit l’apprentissage (et plus largement le fonctionnement humain) comme le produit de l’interaction permanente entre trois facteurs : les facteurs personnels (cognition, croyances, compétences perçues), les comportements et l’environnement (qu’il soit social ou matériel). Je pose une question supplémentaire : lorsque l’IA produit un contenu qui intervient dans une activité professionnelle ou dans une prise de décision, faut-il considérer ce contenu comme un quatrième facteur ? C’est une proposition de modélisation : l’article ne prétend pas démontrer empiriquement ce modèle.

Comment l’IA peut-elle nous faire perdre nos compétences ?

Le risque est qu’à force de ne plus exercer certaines compétences, on finisse par les perdre progressivement. Une étude publiée en 2025 a par exemple observé qu’après plusieurs mois d’utilisation routinière d’une IA pendant les coloscopies, le taux de détection des adénomes par les endoscopistes lorsqu’ils travaillaient ensuite sans IA était plus faible, passant de 28,4 % à 22,4 % ! C’est problématique parce que cette perte peut être d’abord invisible : dans un premier temps, le professionnel reste performant parce que l’IA continue de l’assister. Mais si une tâche inhabituelle apparaît, si le système n’est plus disponible ou en cas d’urgence, il peut ne plus être capable de réaliser la tâche de façon autonome. C’est ce qui est pernicieux : on peut gagner du temps et améliorer sa performance à court terme, tout en risquant de perdre, à plus long terme, une expertise dont on pourrait avoir besoin lorsque l’IA n’est plus disponible.

Comment cette dépendance peut-elle apparaître concrètement ?

Je distingue trois niveaux. Le premier est la délégation maîtrisée : on peut déléguer une tâche à l’IA comme on pourrait la déléguer à un collaborateur junior, tout en gardant les moyens de vérifier son travail. Le deuxième est l’abandon cognitif : sous l’effet notamment de la pression temporelle, les collaborateurs n’ont plus le temps de vérifier les contenus proposés et finissent par accepter le résultat produit par l’IA. Celui-ci entre alors directement dans les décisions qu’ils prennent. Le troisième est la dépendance : le collaborateur n’est plus capable de réaliser la tâche sans l’outil. Il faut aussi examiner l’écart entre notre responsabilité et notre capacité. Si nous restons responsables d’une décision mais que nous ne sommes plus réellement capables de la vérifier ou de la prendre sans l’IA, cela pose un problème important pour les organisations.

Comment peut-on, malgré tout, préserver nos compétences tout en utilisant l’IA ?

La première pratique consiste, lorsqu’on doit prendre une décision ou réaliser une tâche qui engage une responsabilité, à commencer par produire sa propre analyse : formuler l’hypothèse que l’on ferait soi-même, la solution que l’on envisage ou la décision que l’on prendrait, avant de consulter l’IA. Ensuite seulement, on utilise l’outil et on compare les deux hypothèses. On peut conserver son propre raisonnement, utiliser celle de l’IA ou l’enrichir. La deuxième pratique consiste à permettre régulièrement aux professionnels de travailler sans IA sur certaines tâches d’expertise, afin de vérifier qu’ils sont toujours capables de les réaliser seuls. Cela ne doit pas être punitif : il faut que ce soit annoncé et conçu comme un accompagnement des professionnels dans l’exercice de leur métier.