Introduction
En avril 2026, Enrique Dans a publié un texte intitulé « Penser fatigue » (titre original : Pensar cansa). Sa thèse était simple et dérangeante : le plus souvent, nous commençons à utiliser l'IA non pas pour mieux penser, mais pour ne plus avoir à penser. Dans rattachait cela à une tendance que certains chercheurs nomment « reddition cognitive » (rendición cognitiva) : nous approuvons la réponse présentée dans un style bien construit, fluide et assuré, nous la copions et nous poursuivons notre chemin. Pourtant, nous refusons aux textes produits par l'IA l'examen que nous exigerions si la même réponse venait d'un humain.
Ce qui en disait plus long que le texte lui-même, ce furent les réactions qui revenaient dans ses commentaires et dans des discussions en ligne semblables.
Face au même phénomène, les lecteurs étaient projetés vers des pôles diamétralement opposés, et cette dispersion se répétait aussi bien dans les commentaires de ce texte que dans des discussions en ligne semblables. Un commentateur soutenait qu'il était erroné d'imputer la responsabilité à l'outil : la calculatrice, le livre, le crayon, l'IA sont tous des outils neutres ; ce qui est vraiment déterminant, c'est l'attitude de la personne qui se tient derrière eux. Qui veut apprendre apprend même avec une encyclopédie ; qui ne le veut pas ne tend pas à apprendre, fût-ce avec l'outil le plus perfectionné. La position de Dans, elle, soulignait l'inverse : l'outil n'est pas conçu comme neutre ; il est conçu pour réduire la friction, non pour susciter le doute. Un autre commentateur déplaçait la ligne de partage ailleurs : l'IA peut traiter avec fluidité un ensemble de règles codifiées et discutables, mais elle ne peut accéder de la même manière à une morale enracinée dans le corps et le vécu, accumulée au fil d'une vie entière ; de plus, comme elle énonce avec la même aisance la règle qu'elle atteint et la morale qu'elle n'atteint pas, elle ne laisse guère le lecteur percevoir cette différence. Un quatrième les contestait tous : nous n'arrêtons pas de penser, nous commençons à penser autrement.
La véritable question, ici, n'est pas de savoir qui a raison. Une autre la précède : pourquoi des personnes qui regardent le même objet aboutissent-elles à des positions si différentes ? Et une autre encore : que révèlent au fond ces réactions ? L'IA, ou bien la position de celui qui la regarde ? Ce pour quoi l'outil a été conçu, ou bien ce qu'il devient chez chacun ?
L'observation de départ de ce texte est la suivante : chacun de ces commentaires trahit l'endroit où se tient celui qui le formule. Celui qui tient l'outil pour neutre et rattache la responsabilité à la volonté de l'individu parle depuis une certaine vision du monde. Celui qui souligne le caractère incarné de la morale expose son propre socle, professionnel ou philosophique. Celui qui affirme que l'IA n'offre qu'une manière « différente » de penser défend son propre mode d'usage. Plus que l'objet sur lequel la réaction retombe, l'IA fonctionne comme une surface qui renvoie la position de celui qui réagit.
Voici la thèse que ce texte avancera : la réaction à l'IA ne parle le plus souvent pas de l'IA, mais de la position propre de celui qui réagit. L'IA opère cette projection sur trois modes, et le texte se construit autour de ces trois modes.
Le premier est le miroir. La personne voit dans l'IA sa propre position (sa compétence, son privilège, sa vertu) et la défend ; le contenu de sa réaction montre aussi ce qu'elle défend.
Le deuxième est la loupe. Celui qui tente de masquer son insuffisance avec l'IA n'y parvient pas ; car, ne connaissant pas assez le sujet, il ne peut ni contrôler ni pénétrer la production fluide et convaincante de l'outil. Ainsi, au lieu de se cacher, l'insuffisance grandit et se révèle. La même loupe fonctionne aussi dans l'autre sens : si l'on place sous elle un acquis, une matière, une question bien posée, elle multiplie la capacité. La lentille est neutre ; ce qui fait la différence, c'est ce que l'on place sous elle et la main qui la tient, c'est-à-dire l'acquis et l'orientation avec lesquels la personne regarde l'outil.
Le troisième est le tournesol. (Le papier de tournesol est un instrument de mesure qui, en changeant de couleur, révèle si le liquide dans lequel on le plonge est acide ou basique.) Bien produire avec l'IA est aussi un savoir-faire, et ce savoir-faire est en grande partie non codifiable : il mûrit par l'expérience vécue et l'accompagnement. C'est précisément pour cela que l'IA ne l'égalise pas, elle le sépare : lorsque deux personnes prennent en main le même outil, l'une ne peut faire ce que fait l'autre. C'est une affirmation qui va à l'encontre du discours selon lequel « l'IA égalise tout le monde et ouvre l'expertise à tous », un discours qu'elle prend de front et soumet à une épreuve rigoureuse.
À ces trois lentilles s'ajoute une quatrième couche : le bouclier. L'observation selon laquelle « l'IA invente » est techniquement exacte, mais ce constat peut se muer en excuse qui déplace la responsabilité de l'agent vers l'outil. Celui à qui appartient l'erreur peut être tenté de préserver sa propre position en renvoyant la faute à la nature de l'outil.
Tout ce qui précède pointe une lentille vers autrui. La véritable colonne vertébrale du texte est de retourner cette lentille vers soi : la lentille est à double sens. Le camp qui la porte, c'est-à-dire celui qui défend l'IA et dit à son interlocuteur « tu as peur, tu résistes pour un privilège que tu vas perdre », peut lui aussi utiliser la même lentille pour confirmer sa propre position. Chacun voit l'autre dans le miroir et y lit son mobile ; le plus difficile, c'est de se voir soi-même. Si ce texte ne soumettait pas sa propre position (celle du camp qui utilise l'IA et en tire parti) à la même épreuve, il deviendrait un exemple de ce qu'il diagnostique. C'est pourquoi la lentille sera construite ici non comme une arme de diagnostic, mais comme une lecture mise à l'épreuve.
Enfin, une déclaration de limite : ce texte ne prétend pas découvrir un mécanisme nouveau. Il propose une lecture qui rassemble, au niveau du discours public, des travaux jusque-là dispersés (dont la plupart sont restés dans le contexte du travail ou du laboratoire) : menace identitaire, savoir tacite, esbroufe morale, lacune de responsabilité. L'originalité ne réside pas dans les résultats pris un à un, mais dans le cadre capable de les relier et dans la discipline de s'appliquer ce cadre à soi-même. Les commentateurs de forum cités tout au long du texte seront traités non comme des personnes, mais comme des positions ; aucun ne sera étiqueté, car la question n'est pas de savoir qui est quoi, mais ce que révèlent les réactions ; notre but n'est pas d'avoir raison. Dans clôt son texte par cette phrase : « la frontière n'est pas dans la technologie, mais dans l'attitude ». Le seul ajout de ce texte, c'est l'exigence que cette attitude soit mise à l'épreuve dans les deux sens.
I. Miroir : de qui parle la réaction ?
Pour démêler la réaction à l'IA, un concept issu d'une recherche en systèmes d'information peut être utile : la « menace identitaire ». Mirbabaie et ses collègues, reprenant une définition de Craig et ses collègues, l'expriment comme « l'attente que l'usage d'un produit des technologies de l'information porte atteinte aux croyances qu'un individu a sur lui-même » (Mirbabaie et al., 2021, p. 75). Le mécanisme est simple : lorsqu'une expérience entre en contradiction avec l'identité de la personne, l'individu subit une perte d'estime de soi et se met en mouvement pour protéger l'estime de soi liée à cette identité ; cet acte prend le plus souvent la forme d'une résistance (ibid., p. 77).
Ce qui est décisif, c'est l'objet de la menace. Ce qui est menacé n'est le plus souvent ni le travail ni le revenu de la personne, mais la réponse qu'elle donne à la question « qui suis-je ? ». L'étude que Mirbabaie et ses collègues ont menée en milieu de travail trouve trois prédicteurs de la menace identitaire liée à l'IA : la transformation du travail, la perte de position statutaire et l'identité que la personne construit avec l'IA (Mirbabaie et al., 2021, p. 73). Les trois relèvent moins d'une perte matérielle que de la position.
Bankins et ses collègues situent la même menace au niveau du groupe. Pour eux, l'identité professionnelle est la réponse commune qu'un groupe professionnel donne aux questions « qui sommes-nous ? où sont les limites de notre expertise, quelles sont nos valeurs ? » (Bankins et al., 2024, p. 164). Si cette réponse commune est forte, elle absorbe l'outil : les métiers dotés d'une identité enracinée et bien définie essaient plus volontiers les nouvelles technologies, car des présupposés communs et solides rendent acceptable le risque du changement. Mais si l'identité est faible ou incertaine, le même outil est reçu comme une menace.
De là surgit un constat contre-intuitif qui mène à l'observation centrale de cet essai. Celui qui résiste le plus n'est pas le plus insuffisant. Les travaux rassemblés par Bankins et ses collègues montrent que les personnes dotées d'une forte expertise de domaine résistent davantage à la recommandation algorithmique : d'une part, parce que ce sont elles qui devront répondre du résultat produit par l'IA (elles s'en approprient la production), elles ne s'y fient pas aveuglément et veulent le vérifier ; d'autre part, jugeant leurs propres capacités supérieures à celles de l'outil, elles estiment qu'il n'y a guère d'intérêt à l'utiliser (Allen & Choudhury, 2022, cité dans Bankins et al., 2024, p. 164). Ce n'est pas l'insuffisance, mais la perception d'expertise qui accroît la résistance.
Voilà le cœur du miroir. La résistance renseigne moins sur une propriété de l'IA que sur la position de celui qui résiste : sur l'expertise qu'il croit posséder et sur le privilège que cette expertise confère. L'intensité de la réaction mesure la valeur subjective de ce qui est protégé. Qu'un outil soit rejeté au motif qu'« il ne peut faire ce que je fais » procède le plus souvent moins de la limite de cet outil que du sens que le locuteur attache à sa propre compétence.
Cette littérature est née en milieu de travail, mais le motif apparaît aussi dans le débat public. Sous un article sur la technologie, si les uns appellent le même outil « ce qui allège enfin le fardeau de penser » tandis que les autres le disent « une menace qui appauvrit l'humain », cette divergence tient le plus souvent non à ce que fait l'outil, mais à l'endroit où chaque partie place son propre travail et sa propre identité. Une observation fréquente dans ce genre de discussions montre que nous trouvons l'IA formidable quand elle ne se trompe pas, et que nous la déclarons « stupide de toute façon » quand elle se trompe ; notre évaluation de l'outil est le plus souvent le miroir de notre propre attente et du fait qu'elle soit ou non satisfaite.
Une dernière distinction, car cette section est celle qui se prête le plus aisément au malentendu. Que le contenu de la réaction trahisse la position de la personne ne signifie pas qu'il faille étiqueter cette réaction comme « complexe », « jalousie » ou « peur ». Un tel étiquetage reviendrait à juger l'argument de celui qui réagit non par son contenu mais par son mobile, ce qui est un autre type d'erreur, traité à la section V. L'affirmation, ici, est plus mesurée : la réaction à l'IA porte moins l'information d'une propriété objective de l'outil que celle de la position propre de celui qui réagit face à l'IA. Le miroir ne dit pas ce qu'est la personne ; il montre où elle regarde.
II. Loupe : la tentative de dissimulation s'expose
Le miroir disait que le contenu de la réaction trahit la position. La loupe va un pas plus loin : elle rend visible non seulement la réaction, mais le travail lui-même. Le cœur de la métaphore tient dans sa neutralité. La loupe grossit ce que l'on place sous elle : si l'on y place l'insuffisance, l'insuffisance ; si l'on y place l'acquis, l'acquis. Ce qui les distingue n'est pas la lentille elle-même, mais ce que l'on place sous elle et la manière dont la main qui la tient l'utilise. Cette section suit l'un des versants de la lentille, la façon dont la tentative de dissimulation se retourne ; l'autre versant, celui qui multiplie la capacité, la reliera plus loin à la section du tournesol, à travers la question de savoir pourquoi le même outil donne un résultat différent dans deux mains.
Le mécanisme paraît simple, mais il se noue en un point contre-intuitif. La production de l'IA se présente dans un style fluide, ordonné et assuré. Ces trois qualités sont indépendantes de la véracité du contenu, or l'humain les lit le plus souvent comme un signe de véracité. L'expérience de Buçinca et ses collègues a mesuré précisément ce point : ajouter une justification à la décision de l'IA accroît la confiance que l'utilisateur lui porte. Et cette confiance augmente même lorsque l'IA se trompe ; c'est là que naît précisément la confiance excessive (Buçinca et al., 2021, p. 2). Ce que les chercheurs appellent « confiance excessive » (overreliance) reçoit ici une définition technique : la tendance de l'utilisateur à se conformer malgré tout à la recommandation de l'IA lorsqu'elle est fausse ou inadaptée (ibid.). La revue institutionnelle de Passi et Vorvoreanu, qui parcourt une soixantaine de travaux, voit le même motif à plus grande échelle : les explications accroissent la confiance non seulement envers les recommandations justes mais même envers les fausses, et le biais d'automatisation comme la complaisance entraînent l'utilisateur vers l'erreur (Passi & Vorvoreanu, 2022).
Cette tendance se mue en un comportement mesurable. Les trois expériences préenregistrées de Shaw et Nave ont trouvé que les participants, lorsqu'ils consultaient l'IA et que l'IA se trompait, adoptaient dans une large mesure le mauvais conseil (dans la première étude, 79,8 % des essais erronés pour lesquels il y avait eu consultation ; dans la deuxième, 74,6 %, et sous pression temporelle dans la troisième, 72,3 % ; Shaw & Nave, 2026, p. 22, 28). Les auteurs soulignent une condition : ce taux est lié au fait de choisir de consulter l'IA sur la question, car le taux de consultation lui-même avoisine les cinquante pour cent. Autrement dit, tout le monde ne capitule pas à chaque question ; mais là où il y a capitulation, l'erreur est reprise pour l'essentiel. Le résultat net est une baisse de l'exactitude : quand l'IA a raison, les participants gagnent environ vingt-cinq points, quand elle se trompe, ils en perdent quinze (Cohen's h = 0,81 ; ibid., p. 22). Le nom que les auteurs donnent à ce motif recoupe le terme qu'emploie aussi Enrique Dans : la reddition cognitive.
Une observation répétée en langage courant dans les forums technologiques décrit le même mécanisme : lorsqu'on délègue à l'IA toute la pensée en se contentant de poser des questions, l'esprit se met hors circuit ; or poser une question n'est pas penser, la vraie pensée est dans la construction de la réponse. C'est la description ordinaire d'un relâchement de l'autocontrôle. La personne s'affranchit de la peine de produire sa propre réponse, mais cette peine était en même temps l'occasion d'éprouver la réponse.
Ce qui précède prépare la raison pour laquelle la tentative de dissimulation échoue. Une distinction s'impose ici : trop se fier à une production fluide est une tendance répandue, mais manquer du savoir permettant de la contrôler en est une autre ; l'une est une négligence, l'autre une impossibilité. Celui qui tente de masquer son insuffisance avec l'IA, faute du savoir permettant de contrôler la production fluide, la prend telle quelle ; alors l'insuffisance ne se masque pas, au contraire elle grandit. Car la lacune masquée entre dans la production, et quand celle-ci devient publique, la lacune devient visible avec elle. L'exemple le plus net est venu du droit : dans une affaire très commentée, un avocat s'est vu sanctionner pour avoir inséré dans son mémoire des affaires fictives inventées par l'IA, et d'autres cas ont suivi (rapporté dans Magesh et al., 2024, p. 2). L'apport véritable de Magesh et ses collègues n'est pas de mentionner cette affaire, mais de mesurer à quelle fréquence des outils d'IA conçus spécialement pour le droit inventent : les outils juridiques spécialisés produisent des hallucinations dans 17 % à 33 % des requêtes, et tandis que l'outil le plus performant répond correctement à 65 % des requêtes, un autre plafonne à 42 %, inventant presque deux fois plus souvent (ibid., p. 1). La fluidité de l'outil est constante, sa fiabilité non ; l'utilisateur qui ne distingue pas les deux documente la lacune qu'il voulait masquer.
Pourquoi ce cycle ne se corrige-t-il pas de lui-même ? Le résultat classique de Kruger et Dunning s'y applique : l'insuffisance ampute d'un coup deux compétences, celle d'accomplir la tâche et celle de s'apercevoir qu'on l'accomplit mal. Ceux qui se situaient dans le quartile inférieur, en réalité au 12e centile, se croyaient au 62e (Kruger & Dunning, 1999, p. 1121). La cécité métacognitive fait précisément que celui qui a le plus besoin de masquer est celui qui voit le moins que le masque ne recouvre rien. La loupe est pour cela impitoyable : la lacune qu'elle grossit le plus est celle dont le porteur est le moins conscient. Le coût à long terme se mesure aussi. L'étude que Gerlich a menée avec 666 participants trouve une forte corrélation négative entre l'usage fréquent de l'IA et la capacité de pensée critique (r = −0,68), et une corrélation négative plus forte encore entre le déchargement cognitif et la pensée critique (r = −0,75). En régression multiple, l'usage de l'IA absorbait négativement la pensée critique (β = −1,76, p < 0,001 ; Gerlich, 2025a, p. 14, 16). C'est un tableau corrélationnel, qui n'établit pas à lui seul de causalité ; mais il montre une accumulation dans le sens qu'attend la métaphore de la loupe. Deux études supplémentaires renforcent ce tableau. La première montre que le motif ne se limite ni à l'étudiant ni au laboratoire : Lee et ses collègues ont interrogé 319 travailleurs du savoir sur 936 cas réels où ils avaient utilisé l'IA au travail et les ont analysés un à un. Le résultat convertit l'intuition de la « main qui tient la loupe » en un coefficient mesuré. À mesure que la confiance placée dans l'IA augmente, l'entrée en jeu de la pensée critique diminue (β = −0,69, p < 0,001) ; en revanche, la confiance de la personne dans sa propre tâche (β = 0,26) et la confiance dans sa capacité à évaluer la réponse de l'IA (β = 0,31) accroissent la pensée critique, l'effet positif le plus fort étant la propension à la réflexion (β = 0,52, p < 0,001 ; Lee et al., 2025). Ce qui est déterminant n'est pas la présence de la confiance mais sa direction : la confiance qui se remet à l'outil réduit la pensée, tandis que la confiance tournée vers soi et vers le contrôle l'accroît. La seconde solde en partie la dette de causalité. L'étude expérimentale du même auteur a comparé, avec 150 participants dans trois pays (Allemagne, Suisse, Royaume-Uni), quatre conditions (humain seul, humain plus IA sans guidage, humain plus IA à orientation structurée, IA seule) : l'usage sans guidage a produit du déchargement cognitif sans améliorer la qualité du raisonnement, tandis que l'orientation structurée a accru de façon significative aussi bien le raisonnement critique que l'engagement réflexif (Gerlich, 2025b). La différence ne tenait pas à l'outil lui-même, mais au mode d'usage ; la flèche directionnelle que la corrélation ne pouvait établir apparaît là où pointe le bras expérimental.
Il faut maintenant retourner la loupe, car l'affirmation de neutralité ne tient que si l'on montre aussi l'inverse. Lorsque, sous la même production fluide, se trouve non une lacune mais un acquis, une matière, une question bien posée, la loupe grossit la capacité. Dans les mêmes discussions s'exprime aussi l'expérience inverse : un utilisateur expérimenté raconte qu'il se sert de l'IA comme d'un amplificateur cognitif, qu'il apprend bien plus vite avec elle, mais qu'il n'en dépend pour rien. La différence entre les deux pôles ne tient pas à l'outil lui-même, mais à la matière placée sous lui et à la main qui le tient. La même critique vise aussi la conception de l'expérience : ce que ce genre de travaux montre n'est pas que l'IA pourrit le cerveau, mais qu'elle devient un instrument de mesure qui saisit les gens dans les états les plus maladroits possibles.
Ce double visage rappelle aussi que ce que l'outil réduit n'est pas toujours un gain. L'une des choses que l'IA réduit le plus est la friction : la peine d'essayer et de se tromper sans cesse, bloqué devant un problème. Or l'étude de Kapur sur l'« échec productif » (productive failure) montre que la lutte sans soutien des étudiants avec un problème difficile, même si elle ressemble à court terme à un échec, produit à l'étape suivante une profondeur qui dépasse celle des apprenants assistés par l'IA (Kapur, 2008). Cette même distinction a un nouveau répondant empirique : dans l'expérience randomisée que Fan et ses collègues ont menée avec 117 étudiants universitaires, le groupe ChatGPT a pris de l'avance sur le score d'examen à court terme, mais n'a montré aucune différence significative en matière d'acquisition et de transfert des connaissances ; ce motif, que les auteurs nomment « paresse métacognitive », c'est que le score monte en surface tandis qu'en profondeur rien ne change (Fan et al., 2025). Un usage qui efface entièrement la friction peut effacer aussi cette productivité cachée ; c'est pourquoi la main qui tient la loupe doit distinguer quelle friction est un fardeau à jeter et laquelle est une occasion à préserver.
La distinction faite ici ne doit pas être confondue avec un concept voisin de la littérature. Ehsan et ses collègues affirment que l'IA porte un « paradoxe de l'amplificateur » (AI-as-Amplifier Paradox) : l'outil, en renforçant la performance, érode l'expertise sous-jacente, à la fois amplificateur et solvant (Ehsan et al., 2026, p. 1). L'axe de ce paradoxe est entre l'outil et l'expertise, entre le renforcement et l'érosion. La loupe qu'emploie ce texte, elle, pointe une autre direction : le fait que la lentille grossit la position propre de la personne, ce qu'elle place sous elle. Les deux ne se contredisent pas, ils opèrent sur des plans différents ; le paradoxe d'Ehsan nourrit le versant négatif de cette section (l'érosion de la compétence), mais la question de savoir combien la lentille grossit l'entrée est absente de leur cadre. En réalité, les deux loupes peuvent se lire comme les deux bouts d'une même chaîne. L'amplificateur d'Ehsan travaille dans le sens du temps : l'expertise de celui qui utilise constamment l'outil s'érode à long terme, le plus souvent sans qu'on s'en aperçoive. La loupe de ce texte, elle, travaille dans le sens de l'instant : l'insuffisance ou l'acquis que la personne apporte à l'outil sur le moment devient aussitôt visible dans la production. Les deux ne se contredisent pas, ils se succèdent ; celui qui masque son insuffisance avec l'outil est exposé à court terme, et à mesure que ce masquage se prolonge, il perd aussi sa compétence réelle. L'exposition et l'érosion sont les deux visages, à court et à long terme, d'une même dépendance.
Ainsi la loupe ne rend pas un jugement par elle-même, elle aiguise une question : qu'y a-t-il sous la lentille et que fait la main qui la tient ? Cette question nous mène à la raison pour laquelle le même outil donne un résultat si différent dans deux mains, c'est-à-dire à la section du « tournesol ».
III. Tournesol : l'IA n'égalise pas, elle sépare
Le papier de tournesol change de couleur quand on le plonge dans une solution ; la couleur qu'il prend révèle ce qu'est la solution. C'est là le rôle de la métaphore : lorsque l'IA passe de la même façon entre les mains de deux personnes, elle ne les mène pas au même endroit, elle rend visible la différence entre elles. La thèse de cette section nomme d'où vient cette différence. Bien produire avec l'IA est aussi un savoir-faire, et ce savoir-faire est en grande partie non codifiable, il ne change pas non plus aisément de mains ; il ne se trouve tout entier ni dans l'outil lui-même ni dans un manuel, il devient accessible par l'expérience vécue et l'accompagnement. C'est précisément pour cela que l'IA ne l'égalise pas, elle le sépare.
Cette affirmation se tenant à l'opposé d'un discours très répandu, il faut confronter ce discours à ses sources les plus solides. La thèse selon laquelle « l'IA égalise tout le monde et ouvre l'expertise à tous » n'est pas un slogan, mais une thèse appuyée sur de sérieuses preuves de terrain. Dans l'expérience préenregistrée de Noy et Zhang, lorsqu'on confie des tâches d'écriture à des professionnels diplômés de l'université et qu'on dote la moitié d'entre eux d'un accès à l'IA, la productivité moyenne augmente nettement : le temps consacré baisse de 0,8 écart-type, la qualité de la production monte de 0,4 écart-type, et l'inégalité entre travailleurs diminue aussi, car l'outil profite le plus à ceux de faible aptitude (Noy & Zhang, 2023). L'étude que Brynjolfsson, Li et Raymond ont menée avec 5.172 agents de service client pointe dans le même sens : l'accès à l'IA accroît la productivité de 15 % en moyenne, mais le gain ne se répartit pas également, il monte à 36 % dans le segment de compétence le plus faible, atteignant son maximum chez les agents les plus inexpérimentés (Brynjolfsson et al., 2025, p. 889, 911). L'expérience de terrain de Dell'Acqua et ses collègues auprès de consultants confirme elle aussi le sens de l'égalisation : ceux dont la performance était sous la moyenne s'améliorent de 43 %, ceux qui étaient au-dessus de 17 %, autrement dit l'écart se resserre (Dell'Acqua et al., 2023). Ce discours a aussi sa voix dans l'espace public. Une objection fréquente dans les débats technologiques, se tournant vers les experts du domaine, dit ceci : je ne connais pas et ne m'intéresse pas à ce qui va au-delà de la définition de base de ce domaine technique, ce qui m'intéresse, c'est ce que je peux en faire ; l'insistance sur l'expertise se mue le plus souvent en un orgueil intellectuel. Cette voix, qui dit que la barrière est tombée, décrit une expérience réelle.
Mais dans les trois études de terrain, une limite est attachée au constat d'égalisation ; la thèse du tournesol commence précisément à cette limite. L'expérience de Dell'Acqua utilisait deux tâches : l'une restait à l'intérieur des capacités de l'IA, l'autre à l'extérieur. L'égalisation s'est produite sur la première tâche. Sur la seconde, celle qui tombait hors de la limite de l'IA, les consultants qui utilisaient l'IA réussissaient à atteindre la bonne solution avec 19 points de moins que ceux qui ne l'utilisaient pas (Dell'Acqua et al., 2023). Les données de Brynjolfsson montrent elles aussi un autre visage de la même limite : tandis que les travailleurs les plus inexpérimentés gagnaient le plus, les plus expérimentés et les plus compétents connaissaient un petit gain en vitesse et une petite baisse en qualité, le gain se concentrant surtout dans les questions routinières et répétitives (Brynjolfsson et al., 2025, p. 889). Le motif est cohérent : l'égalisation se produit dans la partie codifiable du travail, celle qui reste à l'intérieur de la limite de l'IA. Hors de la limite, c'est-à-dire dans la partie non codifiable du travail, l'outil n'égalise pas ; au contraire, il induit en erreur et fait baisser la performance de celui qui, se fiant à lui, le porte hors de sa limite. Les deux constats ne se contredisent pas, ils mesurent des couches différentes ; l'un l'intérieur de la limite, l'autre l'extérieur. La même séparation apparaît aussi dans une expérience contrôlée. L'étude à quatre bras mentionnée dans la section de la loupe n'est pas seulement une preuve de causalité, mais aussi le plus net répondant de laboratoire du tournesol : le même outil, dans la main de celui qui l'utilise avec une orientation structurée, nourrissait le raisonnement critique, tandis que dans la main de celui qui l'utilisait sans guidage, il ne produisait que du déchargement (Gerlich, 2025b). La séparation que pointent les études de terrain, un cadre contrôlé la confirme aussi.
Mais qu'y a-t-il donc hors de la limite ? Le savoir non codifiable. L'étude de Hadjimichael, Ribeiro et Tsoukas, qui va de Polanyi à Merleau-Ponty, explique comment s'acquiert le savoir tacite : par la capacité du corps à s'agripper à la tâche qu'il a en main, à en trouver la prise la plus juste. Cette capacité, selon les mots des auteurs, se développe « par l'accompagnement autorisé de plus expérimentés » (Hadjimichael et al., 2024). Un point que soulignent les auteurs est le pilier le plus fort de la thèse : aucune tâche, qu'elle soit manuelle ou intellectuelle, ordinaire ou créative, ne peut s'accomplir sans recourir au savoir tacite (ibid.). Autrement dit, le savoir-faire non codifiable n'est pas une exception marginale, il est au cœur de tout travail. Cette dimension de l'accompagnement, Lave et Wenger l'ouvrent davantage : pour eux, l'apprentissage n'est pas un acte mental isolé, il a lieu par la participation à une communauté de pratique ; le novice devient maître aux côtés des maîtres, en progressant de la périphérie vers le centre du travail, en faisant ensemble (Lave & Wenger, 1991). Ce qui porte le savoir-faire n'est pas un manuel ou un cours collectif, mais cette relation de participation ; selon leurs mots, « même le savoir prétendument général n'a de force que dans des conditions particulières » (ibid., p. 33). La revue de Tsao et ses collègues, qui parcourt les métiers créatifs, assoit cette distinction sur deux axes : la codifiabilité du savoir (son passage du tacite et de l'incarné à l'explicite et au codifiable) et la matérialité de la production ; elle trouve ainsi que les domaines qui privilégient la pratique incarnée sont ceux qui résistent le plus à la substitution par l'IA (Tsao et al., 2026). La même revue signale que l'étape de carrière est un facteur déterminant : les débutants accueillent l'IA avec enthousiasme, comme un prolongement naturel des outils numériques, tandis que les praticiens chevronnés regardent avec méfiance la dévalorisation de l'expertise (ibid.).
La différence individuelle elle-même se mesure aussi. La revue de Lovett rapporte que des personnes au parcours semblable aboutissent avec le même outil à des résultats nettement différents, la distinction étant tracée par l'orientation du but d'apprentissage : la dépendance tournée vers la performance change l'outil en une baisse de compétence, tandis que l'orientation vers la maîtrise change le même outil en une hausse de compétence (résultat de Yang et al. 2026, rapporté dans Lovett 2026). L'expression « le même outil » est le cœur du tournesol : ce qui varie n'est pas l'outil, mais l'orientation qui le tient.
L'expression publique la plus limpide de cette distinction se tient entre deux voix qui s'affrontent dans les débats. L'une raconte sa propre méthode : elle fait produire à l'IA un grand nombre d'options, puis les filtre avec sa propre base de connaissances, ajoutant ensuite que cela ne saurait se faire sans un acquis préalable. La voix adverse est l'autre face de la médaille : celui qui n'a pas d'acquis filtrera lui aussi, mais croira filtrer et choisira sans qualité, et de surcroît ne saura jamais qu'il s'est trompé. Le même outil : l'expert filtre, le novice croit filtrer. La même distinction se pose aussi du point de vue de l'apprentissage : l'usage de l'outil par quelqu'un qui a appris les fondements au préalable diffère de ce que vivra celui qui part de zéro ; apprendre un sujet avancé alors qu'un outil produisant des solutions toutes faites est à portée de main peut estropier l'apprentissage à long terme. Le tournesol change ici de couleur : le papier plongé dans la même solution montre ce qu'apporte celui qui l'y plonge.
Il faut ici prévenir une confusion. La thèse du tournesol, « elle sépare », peut sembler contredire l'observation, exprimée dans certains débats, selon laquelle « l'IA uniformise tout le monde ». Le phénomène que Sarkar nomme « convergence mécanisée » est réel : les utilisateurs de l'IA tendent à produire une production moins variée sur une même tâche (Sarkar 2023, cité dans Lee et al., 2025). Mais cela, c'est la ressemblance des productions entre elles ; ce que le tournesol sépare, c'est la différence de compétence entre les personnes. Les deux se tiennent sur des plans distincts : tandis que les productions convergent en surface, la capacité de ceux qui les produisent à filtrer, vérifier et intégrer continue de se séparer. De plus, l'avertissement propre à Lee est précieux ici : la variété des productions est un critère imparfait de la pensée critique ; celui qui utilise la recommandation de l'outil sans la modifier peut fort bien avoir porté un jugement critique. La convergence n'est pas le contraire de la séparation, c'est un phénomène distinct qui se tient sur un autre axe.
Une autre dette d'honnêteté : l'optimisme que suggère cette section, à savoir l'attente que « dans une bonne main, l'outil grossit la capacité », n'est pas non plus hors de question. Une simulation à base d'agents, qui propose quatre critères pour distinguer l'amplification cognitive de la délégation cognitive, avance qu'aucun des régimes d'interaction testés n'a atteint une véritable amplification, que même dans le régime mixte qui préserve le plus la capacité humaine le gain de coopération restait négatif, et que même en ramenant l'érosion cognitive à zéro, aucun gain positif n'apparaissait (Di Santi, 2026). Ce résultat a deux limites, et toutes deux doivent être signalées : la première, c'est une simulation NetLogo, non des données de terrain empiriques, et l'auteur lui-même la qualifie d'abstraction ; la seconde, la définition de l'« amplification » y est de savoir si la production hybride dépasse le meilleur agent seul (dans la plupart des cas l'IA elle-même), ce qui n'est pas exactement la même chose que la « hausse de la capacité propre de la personne » dont parle cette section. Il n'en reste pas moins un avertissement limité : la présence d'une main qui tire une production de l'outil ne signifie pas que cette production se change en toute circonstance en un véritable gain cognitif. C'est là aussi une loupe que l'essai tourne vers sa propre moitié optimiste.
Enfin, une dette d'honnêteté. Dire « non codifiable » ne veut pas dire « non enseignable », et cet essai n'assume pas cet absolu. L'accent de Hadjimichael dit exactement le contraire : le savoir-faire tacite mûrit par l'accompagnement de l'expérimenté. Autrement dit, le savoir-faire n'est pas une intuition intransmissible, il est transmissible, mais seulement en présence de l'expérimenté et en le vivant avec lui. Ce que le tournesol sépare n'est pas une hiérarchie innée d'aptitudes, mais la présence ou l'absence de l'acquis et de l'orientation. Changer cette distinction en une proclamation de supériorité, c'est-à-dire dire « nous qui savons filtrer, eux qui ne savent pas », donne l'occasion d'interpréter en sa propre faveur la loupe que construit cette section. Cette tentation est réelle et lie l'essai lui-même ; la section suivante traite précisément ce piège.
IV. Bouclier : le glissement de la responsabilité de l'agent vers l'outil
Les trois lentilles regardaient toutes dans une direction : la position propre de la personne. Le bouclier doit s'ajouter à elles comme un quatrième geste, car il n'est pas une lentille, mais un moyen d'échapper à la lentille. La phrase « l'IA invente » est techniquement exacte ; la deuxième section l'a montré avec des données mesurées. Mais une observation juste peut être attelée à une mauvaise tâche. Cette phrase cesse le plus souvent d'être une description pour devenir une excuse : celui à qui appartient l'erreur, en renvoyant la faute à la nature de l'outil, se libère de l'obligation de contrôle et de la propriété du résultat. Quand l'observation se change en bouclier, ce qu'elle protège n'est pas la vérité, mais la position.
L'erreur logique est simple mais invisible. La proposition « l'outil peut inventer » est vraie ; l'inférence « donc l'erreur de la production n'est pas la mienne » est invalide, car il y a une étape qui rompt le lien entre les deux : l'agent qui adopte, utilise et rend publique la production. Pour rendre cette étape visible, il faut demander à qui la responsabilité peut appartenir.
L'étude de Fuchs ferme cette issue de façon décisive : l'outil ne peut porter de responsabilité, car il n'est pas un agent moral. L'IA n'a ni corps ni vie ; même si sa force d'expression éveille en nous une empathie involontaire, selon les mots de Fuchs, quand l'objet est une structure capable de s'exprimer assez bien et ressemblant au vivant, nous ne devons pas nous laisser prendre à cette empathie qui nous saisit, car il n'y a là personne pour être heureux, pour s'attrister, pour rendre des comptes (Fuchs, 2022). Le véritable avertissement de Fuchs se change en un principe de conception : l'imitation systématique de la subjectivité doit être empêchée, le système doit se présenter seulement pour ce qu'il est, une simulation (ibid.). De là ressort le point faible du bouclier. Rejeter la responsabilité sur l'IA revient à lui prêter un attribut qu'elle n'a pas, celui d'« être un agent ». L'outil ne pouvant être un agent, la responsabilité ne peut rester en lui, elle revient inévitablement à l'humain.
Une question reste pourtant ouverte : et si vraiment personne ne pouvait prévoir ? Matthias montre qu'il existe, dans les systèmes apprenants, une véritable lacune de responsabilité : lorsqu'un système apprend de l'expérience et modifie son comportement en cours de fonctionnement, son fabricant ou son programmeur ne peut plus entièrement prévoir ni contrôler son comportement futur ; l'attribution traditionnelle de responsabilité, qui exige que l'agent connaisse et puisse contrôler son action, rencontre ici une lacune (Matthias, 2004). Mais l'endroit où s'ouvre cette lacune est déterminant. La lacune de Matthias est dans la perte de prévision du fabricant, de celui qui conçoit le système ; non du côté de l'utilisateur-agent qui prend, adopte et rend publique la production. Le bouclier brouille précisément cette distinction : il utilise l'imprévisibilité du fabricant comme l'excuse de l'utilisateur qui s'approprie la production. Or l'incapacité du fabricant à prévoir n'abolit pas la responsabilité de contrôle et d'appropriation de l'utilisateur.
La lacune que pointe Matthias n'est qu'un exemple. Santoni de Sio et Mecacci définissent quatre lacunes de responsabilité distinctes liées à l'IA ; la première est la lacune de culpabilité : des situations où un humain provoque un mauvais résultat tout en pouvant avoir une excuse légitime, que personne ne pouvait raisonnablement prévoir ni empêcher (Santoni de Sio & Mecacci, 2021, p. 1063). Le concept est légitime ; mais le véritable avertissement des auteurs porte sur la manière dont cette lacune est mal traitée. Ils énumèrent trois attitudes insuffisantes : le « fatalisme » (fatalism), qui déclare le problème nouveau et insoluble, le « déflationnisme » (deflationism), qui le tient pour un faux problème et l'esquive, et le « solutionnisme technologique » (technical solutionism), qui présente tout comme soluble par l'amélioration technique (ibid.). Le bouclier est le déguisement quotidien du premier : dire « l'outil est ainsi, il n'y a rien à faire », c'est présenter une erreur prévisible et évitable comme un destin imprévisible. La voie de sortie que proposent les auteurs exige l'inverse : les systèmes sociotechniques doivent être conçus pour un « contrôle humain significatif », c'est-à-dire rester liés aux raisons et aux facultés de l'humain (ibid.). Ainsi l'agent reste l'humain.
Mais rejeter le bouclier ne revient pas à déclarer l'outil neutre ; c'est là le point le plus fin de la section. Dans le débat public, un pôle fort dit que la conception de l'outil n'est pas innocente. Une voix de ce pôle dit qu'il existe des usages capables d'augmenter le cerveau, mais que l'avenir que proposeront les entreprises ne sera pas celui-là, car faire tourner un modèle qui approuve l'utilisateur sera toujours plus rentable. Une autre lit le discours institutionnel lui-même comme un bouclier : des formules du genre « tant que tu en vérifies les résultats » sont des expressions auxquelles les entreprises recourent pour ne pas être tenues responsables d'éventuels problèmes. Ce pôle pointe un endroit juste. Comme Enrique Dans le souligne dans son propre texte, l'outil est conçu pour réduire la friction, non pour susciter le doute ; la couche fluide de langage naturel dissimule ses limites. L'outil est en ce sens incliné. Mais il y a ici une question de priorité : ce qui est déterminant, est-ce ce pour quoi l'outil a été conçu, ou bien ce qu'il devient chez qui ? L'inclinaison de conception est réelle, elle n'explique pourtant pas le résultat à elle seule, car le même outil incliné se change en production dans une main, en dérive dans une autre. Le constat de Dans, selon lequel l'outil n'est pas neutre, n'est pas faux ; il répond seulement à une autre question, celle de l'innocence de l'outil. Dans la question de savoir ce qui détermine le résultat, en revanche, le poids glisse de l'intention de conception vers la main qui tient la lentille.
Deux vérités se rejoignent ici et cernent le bouclier des deux côtés à la fois : l'outil est incliné, l'agent reste pourtant l'humain. L'inclinaison n'efface pas l'agent, elle complique sa tâche. La conception peut pousser un utilisateur vers une erreur fluide ; mais s'approprier ou non cette erreur, la contrôler ou non, reste l'acte de l'agent. Celui qui rejette toute la responsabilité sur l'outil (le bouclier personnel, qui ne voit pas l'outil non neutre) et celui qui la rejette sur l'utilisateur (le bouclier institutionnel, qui ne voit pas l'inclinaison) se tiennent aux deux bouts de la même erreur : tous deux veulent poser la charge en un seul endroit et rendre l'autre bout invisible. Le contrôle humain significatif veut que la responsabilité reste chez l'agent même avec un outil incliné ; c'est pourquoi il admet en même temps l'inclinaison de l'outil et la dette d'attention de l'agent.
Ainsi le bouclier est en réalité un quatrième miroir. Celui qui dit « l'IA a inventé, c'est sa faute » donne une information sur sa propre position : il ne veut pas s'approprier le résultat, n'assume pas la peine du contrôle, veut placer son erreur hors de lui-même. Quand on lève le bouclier, ce qu'il protégeait derrière lui devient visible. Mais cette observation ouvre aussitôt sur un piège : diagnostiquer le même geste chez l'autre, dire « regarde, il se réfugie derrière son bouclier », peut être à son tour le bouclier de celui qui diagnostique. Maintenant la lentille doit se retourner…
V. Le double sens du miroir et ses pièges (le verrou autoréflexif)
Les quatre sections précédentes pointaient une lentille vers l'extérieur : elles ont montré comment la réaction, la tentative de dissimulation, le savoir-faire, l'excuse trahissent la position de la personne. Mais cette lecture elle-même porte un pouvoir dangereux : la même lentille peut alors se changer en arme dans la main de celui qui l'utilise. Cette section, elle, la retourne vers celui qui la tient. Il y a trois pièges ; mais les trois valent non seulement pour « le camp adverse », mais aussi pour cet essai.
Le premier piège est de confondre l'origine et le contenu. Tenir une affirmation pour viciée en raison de l'humeur ou de l'intérêt de celui qui l'énonce est connu en logique sous le nom de sophisme génétique : discréditer une opinion à cause de son origine. Or l'origine est le plus souvent sans rapport avec la vérité de l'opinion (Dowden). Qu'il y ait une menace identitaire derrière la critique que quelqu'un adresse à l'IA ne rend pas cette critique fausse à elle seule. La section du miroir l'avait signalé d'emblée : montrer la source de la réaction ne tient pas lieu de réfutation de son contenu. La phrase « tu dis cela parce que tu as peur de perdre ton privilège » s'attaque au mobile de l'autre, non à son argument ; or l'argument continuera d'être vrai ou faux indépendamment du mobile. Si cet essai croyait que la position qu'il diagnostique a la force d'un constat de réfutation, il tomberait précisément dans ce sophisme. Il y a aussi une sortie de ce piège : une affirmation se pèse d'abord en elle-même, par son contenu ; la lentille ne se tourne vers ce qui en reste qu'après. De plus, cette affirmation se construit non dans sa version la plus faible mais la plus forte : la section du tournesol a traité la thèse de l'égalisation qu'elle affronte non comme un slogan mais avec les preuves de terrain les plus solides, car une thèse n'est vraiment mise à l'épreuve que si on l'affronte dans sa version la plus forte. « L'IA invente » est d'abord admis pour vrai, la lentille regarde l'usage sélectif de ce vrai, sa température, le moment où il est avancé. Si l'ordre est inversé, si l'affirmation est d'emblée marquée d'un mobile, le diagnostic lui-même prend cette fois les habits d'une réfutation. Les quatre sections précédentes ont tenté de tenir la lentille dans cet ordre : le bouclier a d'abord tenu pour vraie l'observation « l'IA invente », et n'a examiné qu'ensuite sa mue en excuse.
Le deuxième piège est d'utiliser la lentille en sa propre faveur. La section du tournesol a posé une distinction : celui qui a l'acquis et l'orientation change l'outil en savoir-faire ; celui qui ne les a pas choisit à l'aveugle et ne s'aperçoit pas qu'il s'est trompé. Changer cette distinction en une hiérarchie de personnes, en un récit « nous qui comprenons, eux les maladroits », serait le pas le plus facile et le plus sournois, car il place automatiquement celui qui l'énonce du côté des gagnants. Une forme extrême de ce récit circule aussi dans le discours public : des voix s'élèvent pour dresser des tableaux d'un avenir où la plupart des gens continueraient de s'émousser peu à peu, où une partie s'adapterait et vivrait dans une sorte de « cécité fonctionnelle », et où une autre partie développerait une immunité à l'IA et se changerait en une « lignée » à part. C'est la caricature de la thèse du tournesol : elle change la séparation en une supériorité de caste, en la lignée d'élite à laquelle appartient celui qui parle. Si l'essai en venait à s'approcher d'un millimètre de ce langage, il aurait refusé de tourner vers son propre visage la lentille qu'il construit. C'est pourquoi la section du tournesol a particulièrement souligné que la distinction n'est pas une aptitude innée, mais un acquis et une orientation que l'on peut acquérir.
Le troisième piège est de réduire l'argument à la psychologie. Les sections du miroir et du bouclier disaient que la réaction et l'excuse trahissent une position. Passer de là à lire chaque opinion adverse comme le symptôme d'un défaut psychologique, c'est-à-dire dire « au fond, cela le dérange », « au fond, il compense telle chose », déplace le débat du contenu vers la personne. Cet essai ne fait pas de diagnostic de personnes, et ne le doit pas ; les commentateurs de forum sont pris comme des positions, non comme des cas. La lentille est un instrument d'analyse qui rend les positions visibles, non un appareil de diagnostic qui étiquette les personnes.
Ces trois pièges ne lient pas seulement celui qui défend l'IA ; ils lient aussi celui qui lui résiste, et même celui qui panique face à l'IA. Il faut tourner la lentille de ce côté aussi. Prenons le résultat le plus partagé ces derniers temps, « l'IA pourrit notre cerveau ». Kosmyna et ses collègues, en branchant à l'EEG des participants qui rédigeaient un essai, ont avancé que les utilisateurs de l'IA accumulaient avec le temps une « dette cognitive », que leur connectivité neuronale, leur sentiment de propriété et leurs performances de rappel baissaient ; le résultat s'est vite mué dans l'opinion publique en un titre « l'IA met fin à l'apprentissage » (Kosmyna et al., 2025). Or un commentaire détaillé écrit sur cette même étude ébranle le résultat en plusieurs points. Stanković et ses collègues montrent que l'échantillon est petit au regard du nombre de comparaisons effectuées (là où une analyse de puissance exigerait environ 159 participants, on a travaillé avec 54), que la mesure de « connexion significative » à l'EEG montrait une différence relative entre groupes, si bien que l'inférence « peu de connexion, cerveau faible » ne peut rien dire de la puissance neuronale absolue, que dans la bande bêta le groupe IA ressortait même plus fort que le groupe sans outil, et que dans la tâche de « citation » la différence entre le groupe moteur de recherche et le groupe sans outil était insignifiante (p = 1). Ce dernier point affaiblit lui-même la thèse « déléguer à un outil externe accumule une dette cognitive » : le groupe moteur de recherche, bien qu'utilisant lui aussi un outil externe, n'a montré aucune dégradation (Stanković et al., 2025). Le point n'est pas ici que Kosmyna aurait tort ; c'est de savoir à quelle vitesse et avec quelle sélectivité une préimpression pas encore passée par l'évaluation par les pairs peut être lue parce qu'elle confirme le récit de la panique. De même que l'IA invente, l'idée que l'IA pourrit le cerveau est aussi une affirmation techniquement testable ; la panique est elle aussi une position et peut lire sélectivement sa propre preuve. Cela est symétrique du geste de la section du bouclier et lie aussi cet essai : de même qu'il a affronté la thèse de l'égalisation dans sa version la plus forte, il doit lire avec prudence le résultat du pôle adverse.
Le même équilibre apparaît dans l'ensemble de la littérature. Une revue qui parcourt trente études empiriques rapporte que vingt et une d'entre elles ont trouvé que l'IA a un effet à prédominance positive sur la pensée critique, effet qui apparaît surtout dans un usage pédagogiquement structuré (Raitskaya & Tikhonova, 2025). Cela montre que l'essai ne s'appuie pas sur la littérature de la panique : le poids négatif de la section de la loupe ne signifie pas que tout le domaine est négatif. La différence est là encore dans l'usage lui-même, dans la main qui tient la lentille.
Ces trois pièges se nouent tous en un seul endroit ; ce nœud est devenu visible dans un concept que la littérature sur le discours moral a beaucoup débattu ces dernières années. Tosi et Warmke définissent ce qu'ils nomment « esbroufe morale » (moral grandstanding) comme l'usage du discours moral pour paraître respectable aux yeux des autres par ce moyen ; celui qui fait de l'esbroufe parle d'un « désir de reconnaissance » dont il espère qu'il le fera paraître vertueux (Tosi & Warmke, 2016). Le concept voisin que Westra nomme « vertu ostentatoire » (virtue signaling) regarde le même endroit : ce qui est déterminant n'est pas le contenu de l'énoncé moral, mais le mobile de recherche de statut qui se tient derrière lui (Westra, 2021). Zager, lui, nomme un autre mouvement de la façon suivante : le fait qu'une personne accusée d'une violation de règle neutralise l'accusation en glissant du langage de la règle au langage de la vertu, c'est-à-dire en disant « j'ai peut-être enfreint la règle, mais je suis quelqu'un de bien », la « bascule » (toggling) (Zager, 2023). Ces trois concepts sont de puissantes lentilles : ils rendent visible le mobile ou la manœuvre derrière la posture morale de l'autre.
Mais c'est précisément ici que se referme le verrou autoréflexif. Flowerree et Satta montrent que diagnostiquer l'esbroufe est soi-même un piège : nous ne pouvons distinguer de façon fiable si quelqu'un fait vraiment de l'esbroufe ou s'il parle avec sincérité ; si nous ne pouvons le distinguer, nous ne sommes pas épistémiquement fondés à juger quelqu'un comme un esbroufeur ; de plus, la propension à juger ainsi autrui signale un manque d'humilité intellectuelle (Flowerree & Satta, 2023). C'est le retournement dernier et le plus tranchant de la lentille. Dire « au fond il fait de l'esbroufe, il est en quête de vertu ostentatoire » est le plus souvent, pour celui qui le dit, une façon d'établir sa propre position de supériorité. Autrement dit, l'acte même de dénoncer la vertu ostentatoire peut être une vertu ostentatoire. Cet essai, en lisant les réactions à l'IA, affiche une posture morale et intellectuelle : « voyez la vérité, mettez-vous aussi à l'épreuve. » Cette posture aussi est soumise au même verrou, elle ne peut s'en exempter.
Tout cela nous mène-t-il donc à un doute infini, à ne pouvoir rien dire ? Non ; la sortie, ce sont encore Flowerree et Satta qui la donnent : au lieu de lire les mobiles, il faut regarder les raisons que la personne déclare et le fait que son action témoigne ou non du respect envers ses interlocuteurs. C'est ce que cet essai a tenté de faire à toutes ses étapes. Il n'a pas diagnostiqué le mobile intérieur des commentateurs de forum ; il a examiné l'argument qu'ils énonçaient, et depuis quelle position cet argument est cohérent. Il a soumis sa propre position (celle du camp qui utilise l'IA et en tire parti) à la même épreuve : en mesurant la neutralité de la loupe, en veillant à ne pas changer la distinction du tournesol en une supériorité, en rejetant le bouclier sous ses formes personnelle et institutionnelle. Tant que la lentille reste à double sens, elle est un instrument de lecture ; à l'instant où elle se verrouille dans un seul sens, elle se change en un exemple de ce qu'elle diagnostique.
VI. Cadrage : la façon dont tu vois l'IA décide du résultat
La section du tournesol a montré que le même outil donne un résultat différent dans deux mains, mais elle a laissé une question ouverte : le savoir-faire qui crée la différence est exactement le savoir-faire de quoi ? Cette section y donne une brève réponse, car la réponse nomme le mécanisme sous le tournesol. Une grande part de la distinction vient de ce que la personne voit dans l'IA.
Orlikowski et Gash donnent le nom de « cadre technologique » à l'ensemble de présupposés, d'attentes et de savoirs que les gens portent au sujet d'une technologie ; ils montrent aussi que des groupes différents portent des cadres différents, et que l'inadéquation entre ces cadres explique les résultats inattendus vécus avec une même technologie (Orlikowski & Gash, 1994). Dans le cas de l'IA, deux cadres ressortent. L'un voit l'outil comme une machine à réponses, comme un oracle : on pose une question, on reçoit une réponse, et la réponse reçue est le produit lui-même. L'autre le voit comme un moteur de traitement : il place devant lui de la matière, du contexte, un problème bien posé ; ici, l'art est de gérer, de contrôler, de réalimenter ce que le moteur fait à l'intérieur de cette matière.
Que cette distinction ne soit pas une vaine comparaison, l'expérience de Zamfirescu et ses collègues le montre. L'étude, qui examine comment des non-experts conçoivent leurs requêtes à l'IA, trouve que les participants transfèrent à l'outil des attentes venues de leurs expériences d'enseignement entre humains, font des surgénéralisations à partir d'un seul essai, avancent de manière opportuniste et non systématique, et que ces habitudes constituent autant d'obstacles devant une conception efficace des requêtes (Zamfirescu-Pereira et al., 2023). Autrement dit, l'approche qui traite l'outil comme un interlocuteur, comme un oracle auquel on parlerait comme à une personne ordinaire, échoue. Le cadre de l'oracle est le cadre où l'outil patine. Ce que Long et Magerko nomment « littératie en IA » cherche précisément à combler cette différence : les compétences d'évaluer l'outil de manière critique, de coopérer avec lui, de reconnaître ses limites (Long & Magerko, 2020). Le mot littératie est important, car il désigne une faculté, non un don inné.
Ce que le bon cadre n'est pas, Yiu, Kosoy et Gopnik le posent de façon tranchante : penser ces systèmes comme un esprit humain individuel, comme un agent, est erroné. Pour eux, le cadre le plus juste est de voir l'IA comme une puissante technologie culturelle, à l'instar de l'écriture, de l'imprimerie, de la bibliothèque ; car ces systèmes sont d'extraordinaires moteurs d'imitation qui transmettent l'acquis de l'humanité, mais ne portent pas d'eux-mêmes les facultés de chercher la vérité, de faire des découvertes originales (Yiu et al., 2023). Ce cadre évite les deux erreurs : il ne tient l'outil ni pour un sujet pensant ni pour un oracle magique, il le tient pour un moteur qui traite l'acquis humain. Celui qui met le moteur en action, place devant lui sa propre matière, contrôle sa production avec son propre savoir, en tire une production ; tandis que celui qui lui pose une question comme à un oracle et prend la réponse telle quelle confond le patinage avec la production.
Ce changement de cadre a lui aussi un répondant de terrain mesuré. Dans les données de travailleurs du savoir de Lee et ses collègues, l'IA déplace le poids de la pensée critique : de la production elle-même vers la vérification de ce qui est produit, l'intégration des parties et la gestion du processus (Lee et al., 2025). Le passage du cadre de l'oracle au cadre du moteur de traitement n'est pas, chez le bon utilisateur, une préférence abstraite mais une différence de comportement mesurée ; il investit son effort non dans la réception de la réponse, mais dans son contrôle et son intégration.
Cela rend aussi visible la différence entre le savoir-faire montré et le savoir-faire réellement possédé. Mei et Weber distinguent, à l'ère de l'IA, la pensée critique « démontrée » (demonstrated) de la pensée critique « effectuée » (performed) : le produit qui émerge avec l'aide de l'outil et le processus cognitif que la personne peut mener sans outil ne sont pas la même chose ; de plus, les évaluations mesurent le plus souvent le premier et parlent du second (Mei & Weber, 2025). Le cadre de l'oracle se contente du démontré ; le cadre du moteur de traitement nourrit l'effectué.
Ainsi le cadrage nomme le cœur du savoir-faire que le tournesol sépare. Le même outil donne des résultats différents parce que les utilisateurs le saisissent avec des cadres différents ; le cadre est un modèle mental, et c'est ce modèle qui détermine le résultat. Pour le dire dans le langage de la loupe de la deuxième section : la main qui tient la lentille tient en réalité un cadrage. Et ce cadrage, comme la cinquième section y a insisté, n'est pas un privilège inné, mais une littératie que l'on peut acquérir.
Conclusion : voir clair
La question de départ était : pourquoi des personnes qui regardent le même objet aboutissent-elles à des résultats si différents ? La méthode suivie tout au long du texte a déplacé jusqu'à la question elle-même. Les gens aboutissent à des résultats différents parce que ce qu'ils regardent n'est le plus souvent pas l'objet, mais l'ombre de leur propre position projetée sur l'objet. Plus qu'un corps sur lequel la réaction retombe, l'IA fonctionne comme une surface qui renvoie où se tient celui qui réagit.
Les quatre lentilles étaient les quatre modes de cette réflexion. Le miroir a montré que le contenu de la réaction trahit ce que la personne protège (sa compétence, son privilège). La loupe a montré que la lentille est neutre, qu'elle rend visible en la grossissant aussi bien l'insuffisance que l'acquis placés sous elle. Le tournesol a montré que l'outil sépare plus qu'il n'égalise ; car bien produire avec lui est un savoir-faire non codifiable, qui mûrit par l'expérience vécue et l'accompagnement. Le bouclier a montré comment une observation techniquement juste, comme « l'IA invente », peut être changée en une excuse qui déplace la responsabilité de l'agent vers l'outil. La sixième section a réuni les quatre en un mécanisme : ce qui crée la différence, c'est ce que la personne voit dans l'IA, le cadre avec lequel elle la tient.
Mais la charge véritable du texte n'était pas dans les lentilles prises une à une, mais dans leur réversibilité. La même lentille lit aussi la main qui lit l'autre. Celui qui dit « tu résistes parce que tu as peur » comme celui qui dit « tu as cessé de penser » peut utiliser le même appareil pour confirmer sa propre position. C'est pourquoi la lentille n'a pas été ici une arme de diagnostic ; si elle l'avait été, elle se serait changée en un exemple de ce qu'elle diagnostique. Elle est restée une lecture, une lecture qui se lit aussi elle-même.
Cela ne signifie pas que rien n'est déterminé. Ce que l'on peut dire passe non par la lecture des mobiles, mais par le regard porté sur la raison déclarée et sur le respect manifesté. Une réaction à l'IA porte une information sur la position de celui qui la formule ; mais cette information ne détermine pas à elle seule si cette réaction est fondée ou non. Ne pas confondre les deux est une honnêteté que nous devons aussi bien à notre interlocuteur qu'à nous-mêmes.
Ce texte n'a pas prétendu découvrir un mécanisme nouveau, et il ne le pouvait pas. Il a rassemblé, au niveau du discours public, des travaux jusque-là dispersés, comme la menace identitaire, le savoir tacite, la confiance excessive, la lacune de responsabilité, l'esbroufe morale, il a établi le lien entre eux, et il a appliqué ce lien à lui-même. Sa valeur, s'il en a une, ne réside pas dans les résultats pris un à un, mais dans la discipline de ce mélange et de cette mise à l'épreuve de soi.
Il reste une attitude. Le texte qui a lancé la reddition cognitive avait lui aussi rattaché sa clôture à cet endroit : « la frontière n'est pas dans la technologie, mais dans l'attitude ». Cette attitude est celle de la personne qui utilise l'outil. Le seul ajout de ce texte, c'est que cette attitude ne soit pas appliquée dans un seul sens : chercher à lire la position de l'autre sans voir la nôtre face à l'IA est ce qui aveugle le plus la lentille que nous tenons. Voir clair commence le plus souvent par voir d'abord d'où l'on regarde.
Références
Selon le principe de l'adresse atteignable, la bibliographie donne les sources sous une forme unique, celle de leur référence originale (même si les concepts dans le texte sont francisés, la référence est l'adresse qui mène le lecteur à la même édition). Lorsque, dans les publications en ligne d'abord, l'année de citation dans le texte diffère de l'année du volume, l'information de volume est indiquée dans la référence.
Bankins, S., Ocampo, A. C., Marrone, M., Restubog, S. L. D., & Woo, S. E. (2024). A multilevel review of artificial intelligence in organizations: Implications for organizational behavior research and practice. Journal of Organizational Behavior, 45(2), 159-182. https://doi.org/10.1002/job.2735
Brynjolfsson, E., Li, D., & Raymond, L. (2025). Generative AI at work. The Quarterly Journal of Economics, 140(2), 889-942. https://doi.org/10.1093/qje/qjae044
Buçinca, Z., Malaya, M. B., & Gajos, K. Z. (2021). To trust or to think: Cognitive forcing functions can reduce overreliance on AI in AI-assisted decision-making. Proceedings of the ACM on Human-Computer Interaction, 5(CSCW1), Article 188. https://doi.org/10.1145/3449287
Dans, E. (2026, avril). Pensar cansa [Billet de blog]. Enrique Dans. https://www.enriquedans.com/2026/04/pensar-cansa-por-eso-estamos-empezando-a-dejar-que-la-inteligencia-artificial-lo-haga-por-nosotros.html (Titre en français : « Penser fatigue ». L'auteur n'a pas publié de version française ; la version anglaise qu'il a lui-même adaptée est accessible : « Thinking hurts, so why not surrender to AI? » Medium. https://medium.com/enrique-dans/thinking-hurts-so-why-not-surrender-to-ai-68da41119eb2)
Dell'Acqua, F., Rajendran, S., McFowland, E., III, Krayer, L., Mollick, E., Candelon, F., Lifshitz-Assaf, H., Kellogg, K., & Lakhani, K. R. (2023). Navigating the jagged technological frontier: Field experimental evidence of the effects of AI on knowledge worker productivity and quality (Harvard Business School Working Paper No. 24-013). https://ssrn.com/abstract=4573321
Di Santi, E. (2026). Cognitive amplification vs. cognitive delegation in human–AI systems: A metric framework [Preprint]. arXiv:2603.18677. https://arxiv.org/abs/2603.18677
Dowden, B. (s.d.). Fallacies (Genetic fallacy). Internet Encyclopedia of Philosophy. ISSN 2161-0002. https://iep.utm.edu/fallacy/
Ehsan, U., Passi, S., Saha, K., McNutt, T., Riedl, M. O., & Alcorn, S. (2026). From future of work to future of workers: Addressing asymptomatic AI harms for dignified human-AI interaction. Proceedings of CHI 2026. https://doi.org/10.1145/3772318.3791081 (Préimpression : arXiv:2601.21920.)
Fan, Y., Tang, L., Le, H., Shen, K., Tan, S., Zhao, Y., Shen, Y., Li, X., & Gašević, D. (2025). Beware of metacognitive laziness: Effects of generative artificial intelligence on learning motivation, processes, and performance. British Journal of Educational Technology, 56(2), 489-530. https://doi.org/10.1111/bjet.13544
Flowerree, A. K., & Satta, M. (2023). Moral grandstanding and the norms of moral discourse. Journal of the American Philosophical Association, 10(3), 483-502. https://doi.org/10.1017/apa.2023.8
Fuchs, T. (2022). Understanding Sophia? On human interaction with artificial agents. Phenomenology and the Cognitive Sciences, 23(1), 21-42 (vol. 2024). https://doi.org/10.1007/s11097-022-09848-0
Gerlich, M. (2025a). AI tools in society: Impacts on cognitive offloading and the future of critical thinking. Societies, 15(1), 6. https://doi.org/10.3390/soc15010006
Gerlich, M. (2025b). From offloading to engagement: An experimental study on structured prompting and critical reasoning with generative AI. Data, 10(11), 172. https://doi.org/10.3390/data10110172
Hadjimichael, D., Ribeiro, R., & Tsoukas, H. (2024). How does embodiment enable the acquisition of tacit knowledge in organizations? From Polanyi to Merleau-Ponty. Organization Studies, 45(4), 545-570. https://doi.org/10.1177/01708406241228374
Kapur, M. (2008). Productive failure. Cognition and Instruction, 26(3), 379-424. https://doi.org/10.1080/07370000802212669
Kosmyna, N., Hauptmann, E., Yuan, Y. T., Situ, J., Liao, X.-H., Beresnitzky, A. V., Braunstein, I., & Maes, P. (2025). Your brain on ChatGPT: Accumulation of cognitive debt when using an AI assistant for essay writing task [Preprint]. arXiv:2506.08872. https://arxiv.org/abs/2506.08872
Kruger, J., & Dunning, D. (1999). Unskilled and unaware of it: How difficulties in recognizing one's own incompetence lead to inflated self-assessments. Journal of Personality and Social Psychology, 77(6), 1121-1134. https://doi.org/10.1037/0022-3514.77.6.1121
Lave, J., & Wenger, E. (1991). Situated learning: Legitimate peripheral participation. Cambridge University Press. ISBN 978-0-521-42374-8.
Lee, H.-P., Sarkar, A., Tankelevitch, L., Drosos, I., Rintel, S., Banks, R., & Wilson, N. (2025). The impact of generative AI on critical thinking: Self-reported reductions in cognitive effort and confidence effects from a survey of knowledge workers. Proceedings of the 2025 CHI Conference on Human Factors in Computing Systems (CHI '25). https://doi.org/10.1145/3706598.3713778
Long, D., & Magerko, B. (2020). What is AI literacy? Competencies and design considerations. Proceedings of the 2020 CHI Conference on Human Factors in Computing Systems, 1-16. https://doi.org/10.1145/3313831.3376727
Lovett, M. (2026). Individual differences in generative AI effectiveness: An empirical puzzle for HRD research. New Horizons in Adult Education and Human Resource Development. https://doi.org/10.1177/19394225261472792
Magesh, V., Surani, F., Dahl, M., Suzgun, M., Manning, C. D., & Ho, D. E. (2024). Hallucination-free? Assessing the reliability of leading AI legal research tools (arXiv:2405.20362). https://arxiv.org/abs/2405.20362
Matthias, A. (2004). The responsibility gap: Ascribing responsibility for the actions of learning automata. Ethics and Information Technology, 6(3), 175-183. https://doi.org/10.1007/s10676-004-3422-1
Mei, K. X., & Weber, N. (2025). Designing AI systems that augment human performed vs. demonstrated critical thinking [Preprint]. arXiv:2504.14689. https://arxiv.org/abs/2504.14689
Mirbabaie, M., Brünker, F., Möllmann Frick, N. R. J., & Stieglitz, S. (2021). The rise of artificial intelligence: Understanding the AI identity threat at the workplace. Electronic Markets, 32(1), 73-99 (vol. 2022). https://doi.org/10.1007/s12525-021-00496-x
Noy, S., & Zhang, W. (2023). Experimental evidence on the productivity effects of generative artificial intelligence [document de travail MIT ; version évaluée par les pairs : Science, 381(6654), 187-192]. https://doi.org/10.1126/science.adh2586
Orlikowski, W. J., & Gash, D. C. (1994). Technological frames: Making sense of information technology in organizations. ACM Transactions on Information Systems, 12(2), 174-207. https://doi.org/10.1145/196734.196745
Passi, S., & Vorvoreanu, M. (2022). Overreliance on AI: Literature review (rapport Microsoft Research / Aether).
Raitskaya, L., & Tikhonova, E. (2025). Enhancing critical thinking skills in ChatGPT-human interaction: A scoping review. Journal of Language and Education, 11(2), 5-19. https://doi.org/10.17323/jle.2025.27387
Santoni de Sio, F., & Mecacci, G. (2021). Four responsibility gaps with artificial intelligence: Why they matter and how to address them. Philosophy & Technology, 34(4), 1057-1084. https://doi.org/10.1007/s13347-021-00450-x
Shaw, S. D., & Nave, G. (2026). Thinking, fast, slow, and artificial: How AI is reshaping human reasoning and the rise of cognitive surrender [document de travail Wharton ; dans le titre original, il y a un tiret cadratin après le mot « Thinking »]. SSRN 6097646. https://doi.org/10.31234/osf.io/yk25n_v1
Stanković, M., Hirche, E., Kollatzsch, S., & Doetsch, J. N. (2025). Comment on: Your brain on ChatGPT: Accumulation of cognitive debt when using an AI assistant for essay writing tasks [Preprint]. arXiv:2601.00856. https://arxiv.org/abs/2601.00856
Tosi, J., & Warmke, B. (2016). Moral grandstanding. Philosophy & Public Affairs, 44(3), 197-217. https://doi.org/10.1111/papa.12075
Tsao, J., Liang, C. X., Nogues, C., & Wong, A. (2026). Perceptions and integration of generative artificial intelligence in creative practices and industries: A scoping review and conceptual model. AI & Society, 41(3), 2259-2278. https://doi.org/10.1007/s00146-025-02667-2
Westra, E. (2021). Virtue signaling and moral progress. Philosophy & Public Affairs, 49(2), 156-178. https://doi.org/10.1111/papa.12187
Yiu, E., Kosoy, E., & Gopnik, A. (2023). Transmission versus truth, imitation versus innovation: What children can do that large language and language-and-vision models cannot (yet). Perspectives on Psychological Science, 19(5), 874-883. https://doi.org/10.1177/17456916231201401
Zager, S. (2023). Toggling: How shifts between deontology and virtue ethics undermine public moral discourse about gender and race. Hypatia, 38, 294-315. https://doi.org/10.1017/hyp.2023.25
Zamfirescu-Pereira, J. D., Wong, R. Y., Hartmann, B., & Yang, Q. (2023). Why Johnny can't prompt: How non-AI experts try (and fail) to design LLM prompts. Proceedings of the 2023 CHI Conference on Human Factors in Computing Systems, Article 437, 1-21. https://doi.org/10.1145/3544548.3581388
Version et journal des modifications
Tournesol · v1.1 · 12 août 2026 · deux corrections factuelles
Cette version intègre, dans le cycle de traduction multilingue, deux corrections factuelles issues des sources primaires; l'argument central et la structure demeurent inchangés. ① Le paradoxe de l'amplificateur d'Ehsan et al. a été harmonisé sous son nom original (AI-as-Amplifier Paradox). ② La citation de Lave et Wenger (p. 33) a été corrigée pour refléter le mode de l'original anglais (non pas acquisition : « only has power in specific circumstances »). La bibliographie, 38 références, reste inchangée.
Tournesol · v1.0 · 11 août 2026 · première édition française
La version française a été établie à partir de l'original turc (Tournesol, v1.0, 10 août 2026). Ceci est la première édition publique en français.
Régime de traduction. Le corps a été traduit depuis l'original turc. Régime de citation : toute citation dont l'original est dans une autre langue est rendue d'après la source primaire. Pour la citation de clôture d'Enrique Dans, « la frontière n'est pas dans la technologie, mais dans l'attitude », l'original espagnol (« la frontera no está en la tecnología, sino en la actitud ») est traduit directement ; l'auteur, dans sa propre version anglaise, formule ce point autrement (« challenging our cultural instincts »), et comme il n'a pas publié de version française, la traduction s'ancre à l'original espagnol. Terminologie : les termes académiques établis sont donnés dans leur forme française, le terme anglais d'origine entre parenthèses en italique lors de la première occurrence (moral grandstanding → esbroufe morale, virtue signaling → vertu ostentatoire, toggling → bascule, overreliance → confiance excessive, meaningful human control → contrôle humain significatif, technical solutionism → solutionnisme technologique, AI-as-Amplifier Paradox → paradoxe de l'amplificateur). Les nombres suivent l'usage français (virgule décimale, comme en turc).
Bibliographie : 38 références, APA 7. Selon le principe de l'adresse atteignable, les références sont données dans leur forme originale ; même si les concepts du texte sont francisés, la référence est l'adresse qui mène le lecteur à la même édition.