Le coût cognitif de la facilité : l'apprentissage et l'utilisation de l'IA générative

L'apprentissage ne réside pas dans la réponse finale, mais dans l'effort cognitif nécessaire pour y parvenir. Que se passe-t-il lorsque nous confions de plus en plus la réflexion, l'écriture et la résolution de problèmes à l'intelligence artificielle ? Une tribune de Marine Hadengue.

Article d'opinion de Marine Hadengue, docteure, vice-doyenne de la SKEMA Business School et PDG de la fondation « Higher Education for Good » (Youth Talks). Mai 2026.

Avertissement : je ne suis pas titulaire d’un doctorat en neurosciences, en sciences cognitives ou en sciences de l’apprentissage. Cet article ne se veut donc ni un article scientifique ni une analyse spécialisée de la littérature. Il s’appuie sur des sources scientifiques que j’ai essayé de sélectionner et d’interpréter avec soin, dans le but de rendre plus accessible un sujet complexe. Son seul objectif est de contribuer à ouvrir un débat plus large sur ce qui pourrait se passer si nous confions de plus en plus les processus de réflexion, d’écriture, de résolution de problèmes et d’apprentissage à l’intelligence artificielle, et sur ce que cela pourrait signifier pour la cognition, l’éducation et le développement humains.

1. Comment le cerveau apprend : les mécanismes cognitifs et neuronaux

L'idée centrale est que l'apprentissage ne résulte pas de la réponse finale, mais de l'effort cognitif nécessaire pour y parvenir. Le cerveau évolue grâce à une participation active : chercher, se débattre, se remémorer, tester, faire des erreurs, les corriger et réfléchir au processus.

L'apprentissage repose sur plusieurs systèmes qui interagissent entre eux :

1. Encodage et formation de la mémoire : lorsque nous apprenons de nouvelles informations, le cerveau doit d’abord les encoder. L’hippocampe, une structure clé du lobe temporal médial, joue un rôle central dans la formation de nouveaux souvenirs déclaratifs et dans l’association de nouvelles informations aux connaissances existantes. C’est pourquoi la mémorisation, l’orientation, l’explication et la récupération d’informations, lorsqu’elles demandent un effort, peuvent physiquement modeler les circuits neuronaux. La célèbre étude sur les chauffeurs de taxi londoniens a mis en évidence des différences structurelles au niveau de l’hippocampe chez les chauffeurs ayant appris de manière intensive le réseau routier de Londres, illustrant ainsi la neuroplasticité dépendante de l’expérience.
2. Pratique et automatisation : grâce à une pratique répétée, certaines compétences passent d’un traitement conscient et exigeant en termes d’effort à une exécution plus automatique. Ce processus fait intervenir les circuits cortico-striataux, notamment les ganglions de la base, qui jouent un rôle important dans l’apprentissage procédural, la formation des habitudes et l’automatisation. En termes simples : la théorie vous fournit un modèle mental, mais c’est la pratique répétée qui le transforme en compétence exploitable.
3. Pratique de la récupération et consolidation : l'apprentissage est renforcé lorsque l'apprenant récupère activement des informations plutôt que de se contenter de relire ou de recevoir une réponse. Ce phénomène est connu sous le nom de « pratique de la récupération » ou « effet de test ». Des recherches montrent que la pratique de la récupération améliore la mémorisation à long terme, car elle oblige le cerveau à reconstruire les connaissances, à renforcer les connexions neuronales et à identifier les lacunes.
4. Métacognition : le cerveau apprend également en évaluant sa propre compréhension. C'est ce qu'on appelle la métacognition : la capacité à se demander « Est-ce que je comprends vraiment cela ? », « Sur quoi ai-je des doutes ? », « Quelle stratégie dois-je adopter ensuite ? ». La réflexion, l'auto-explication, le retour d'information et la correction des erreurs contribuent à consolider l'apprentissage et à développer des compétences transférables.
5. La neuroplasticité par l'effort : le mécanisme général est celui de la neuroplasticité dépendante de l'expérience. Le cerveau s'adapte à ce qu'il fait de manière répétée. Si nous raisonnons, cherchons, écrivons, calculons, expliquons ou résolvons des problèmes par nous-mêmes de manière répétée, les réseaux neuronaux concernés se renforcent. Si nous cessons d'utiliser ces circuits, nous risquons un affaiblissement cognitif dû à la sous-utilisation. C'est la logique du « use it or lose it » (utilise-le ou perds-le).

On pourrait formuler cela de manière concise ainsi :

L'apprentissage = encodage + récupération exigeante + pratique répétée + retour d'information + réflexion métacognitive.

2. Le problème que pose l'IA pour ces mécanismes d'apprentissage cognitifs

Le problème ne réside pas dans l'IA en soi, mais dans l'externalisation cognitive : le fait d'utiliser l'IA pour contourner les processus mentaux mêmes qui sont à l'origine de l'apprentissage.

Lorsque l'IA fournit la réponse trop tôt, cela peut court-circuiter plusieurs processus essentiels :

1. Cela réduit l'effort cognitif souhaitable : si l'apprenant demande la réponse à l'IA avant même d'avoir tenté de résoudre le problème, le cerveau obtient le résultat sans fournir l'effort nécessaire. Or, c'est précisément cet effort — rechercher, comparer, échouer, revoir sa démarche — qui permet de créer des connexions neuronales. L'IA peut donc permettre d'obtenir des résultats sans véritable apprentissage.
2. Cela affaiblit l'encodage : lorsque l'information provient d'une source externe, l'apprenant risque de ne pas l'encoder de manière approfondie. La réponse semble claire, mais l'apprenant n'a pas construit la représentation interne nécessaire pour la retrouver ou l'appliquer ultérieurement.
3. Cela perturbe la pratique de la récupération : au lieu de puiser ses connaissances dans sa mémoire, l'apprenant les obtient de la machine. Cela peut réduire le renforcement des traces mnésiques. L'apprenant acquiert une aisance dans l'utilisation des aides à la mémoire, mais pas nécessairement dans la maîtrise des connaissances.
4. Cela nuit à l'apprentissage procédural : pour des compétences telles que l'écriture, la programmation, la résolution de problèmes, l'analyse ou l'argumentation, la maîtrise s'acquiert par la répétition. Si l'IA se charge de l'exécution, l'apprenant risque de passer à côté de la répétition nécessaire à l'automatisation.
5. Cela réduit le contrôle métacognitif : l'IA peut créer une illusion de compréhension. Le résultat étant soigné, cohérent et plausible, l'apprenant peut avoir l'impression de comprendre le sujet sans pour autant être capable de reproduire, d'analyser ou de transposer le raisonnement de manière autonome.
6. Cela engendre une « dette cognitive » : des recherches récentes ont qualifié ce phénomène de « dette cognitive » : le gain d’efficacité à court terme pourrait se faire au détriment du développement cognitif à long terme. Un prépublication récente du MIT Media Lab, rédigée par Kosmyna et al. (2025) et intitulée « Your Brain on ChatGPT : Accumulation of Cognitive Debt when Using an AI Assistant for Essay Writing Task », a exploré les effets neuronaux, linguistiques et comportementaux de la rédaction d’essais assistée par un modèle de langage à grande échelle (LLM). NB : Cette étude doit être interprétée avec prudence, car il s’agit d’un prépublication qui n’a pas encore fait l’objet d’une évaluation par les pairs.

3. La distinction essentielle : l'IA en tant que tuteur ou en tant que substitut

La façon la plus pertinente d'aborder la question n'est pas de se demander « IA ou pas d'IA ». Elle pourrait plutôt être la suivante :

Mauvaise utilisation : l'IA se charge de réfléchir, d'écrire, de résoudre des problèmes, de résumer ou de structurer le contenu à la place de l'apprenant.
Bonne utilisation : l'IA incite l'apprenant à réfléchir davantage, à s'expliquer plus clairement, à s'évaluer lui-même, à recevoir des retours et à identifier ses lacunes.

L'IA présente un danger sur le plan cognitif lorsqu'elle devient une prothèse de la pensée. L'IA apporte une valeur ajoutée sur le plan pédagogique lorsqu'elle devient un partenaire d'entraînement pour l'apprentissage.

En matière d'éducation, le principe à retenir devrait être le suivant :

Utilisez l'IA après que l'apprenant a d'abord tenté de réaliser l'exercice, et non avant. Demandez à l'IA de poser des questions, de mettre l'apprenant au défi, de le tester, de formuler des critiques ou de donner son avis — et non de fournir la réponse finale.

Cette solution n'est peut-être pas très agréable, mais elle s'impose de plus en plus… et elle est radicale.

Si nous voulons réellement préserver les processus cognitifs grâce auxquels les élèves apprennent réellement, nous devons réintroduire des modes d'évaluation qui les obligent à réfléchir sans recourir à la technologie.

• Cela signifie un retour aux examens sur papier et en présentiel, au cours desquels les élèves doivent, par eux-mêmes, mobiliser, structurer et exprimer leurs connaissances.
• Cela implique également d'accorder une importance bien plus grande aux examens oraux, aux soutenances de type « viva » et aux débats en direct, au cours desquels les étudiants doivent exposer leur raisonnement, répondre aux questions, justifier leurs choix et démontrer une véritable compréhension en temps réel.

4. Lorsque l'IA aura terminé le travail commencé par les réseaux sociaux

À une époque où la production écrite peut être externalisée presque instantanément, l'éducation doit de toute urgence repenser ce qu'elle évalue réellement. Si les dissertations, les résumés, les réflexions et même les arguments complexes peuvent désormais être générés par l'IA en quelques secondes, alors une partie de l'accent mis sur l'évaluation doit revenir à ce qui ne peut pas être facilement délégué : la présence physique, l'appropriation intellectuelle, le raisonnement spontané, l'expression orale et la capacité à penser à voix haute sous le regard d'autrui.

Il ne s’agit pas d’un ajustement mineur. Cela touche au cœur même de ce que l’éducation est censée cultiver : des esprits indépendants. Depuis plusieurs années déjà, les jeunes sont exposés à des environnements numériques qui affectent leur attention, leur régulation émotionnelle, leur sommeil, la construction de leur identité et leur santé mentale. Les réseaux sociaux, le défilement infini, les vidéos courtes et les contenus optimisés par des algorithmes ont contribué à une surstimulation cognitive, à une fragmentation de l’attention, à la comparaison sociale et à la recherche de récompenses motivée par la dopamine.

L’IA générative pourrait ajouter une nouvelle dimension, plus profonde, à ce problème. La préoccupation ne porte plus uniquement sur la distraction ou la surstimulation, mais sur le contournement éventuel des opérations cognitives mêmes qui sous-tendent l’apprentissage : l’attention soutenue, la récupération de l’information nécessitant un effort, la mobilisation de la mémoire de travail, le raisonnement en situation d’incertitude, la correction des erreurs et le contrôle métacognitif. Si les élèves externalisent de manière répétée ces processus avant de les avoir intériorisés, ils risquent de devenir habiles à produire des résultats sans développer la capacité sous-jacente à penser de manière autonome.

Le risque ne réside pas simplement dans le fait que l’IA rende les élèves « paresseux ». Le risque plus profond est celui de la dépendance cognitive : un affaiblissement de l’autonomie intellectuelle, des fonctions exécutives, de l’autonomie épistémique, ainsi que de la capacité à connaître, à remettre en question, à raisonner et à juger sans l’aide d’une machine. Il convient d’utiliser avec prudence l’expression « atrophie cérébrale », mais le principe reste clair : les systèmes neuronaux se développent par l’usage. Ce que nous pratiquons de manière répétée, nous le renforçons. Ce que nous déléguons systématiquement, nous risquons de ne pas le développer.

C’est pourquoi l’éducation doit préserver des espaces où la réflexion reste exigeante, incarnée et relevant de la responsabilité personnelle. Les examens sur papier, les soutenances orales, les évaluations de type « viva », les débats en direct et les exercices de résolution de problèmes en présentiel ne sont peut-être plus dépassés ; ils pourraient bien devenir indispensables. Ils exigent des étudiants qu’ils mobilisent leurs connaissances, structurent leurs idées, tolèrent l’incertitude, relèvent des défis et démontrent une véritable compréhension en temps réel.

Il ne s'agit pas de rejeter l'IA. Il s'agit de préserver les capacités humaines qui rendent l'IA utile en premier lieu.

Pour en savoir plus sur les processus d'apprentissage

• Académies nationales des sciences, de l'ingénierie et de la médecine. (2018). Comment les gens apprennent II : apprenants, contextes et cultures. National Academies Press.
• Roediger, H. L., III, & Karpicke, J. D. (2006). L'apprentissage renforcé par des tests : passer des tests de mémoire améliore la rétention à long terme. Psychological Science, 17(3), 249–255.
• Karpicke, J. D., & Roediger, H. L., III. (2007). La récupération répétée pendant l'apprentissage est la clé de la mémorisation à long terme. Journal of Memory and Language, 57(2), 151–162.
• Walker, M. P., & Stickgold, R. (2004). Apprentissage et consolidation de la mémoire dépendants du sommeil. Neuron, 44(1), 121–133.
• Wenger, E., & Lövdén, M. (2016). L’hippocampe et l’apprentissage : plasticité liée à l’éducation et à l’expérience. Mind, Brain, and Education, 10(3), 171–183.
• Kleim, J. A., & Jones, T. A. (2008). Principes de la plasticité neuronale dépendante de l'expérience : implications pour la rééducation après une lésion cérébrale. Journal of Speech, Language, and Hearing Research, 51(1), p. S225–S239.
• Metcalfe, J. (2009). Jugements métacognitifs et contrôle de l'apprentissage. Current Directions in Psychological Science, 18(3), 159–163.
• Bjork, R. A., & Bjork, E. L. (2011). Se compliquer la vie, mais dans le bon sens du terme : créer des difficultés souhaitables pour améliorer l'apprentissage. Dans M. A. Gernsbacher, R. W. Pew, L. M. Hough et J. R. Pomerantz (dir.), La psychologie et le monde réel : essais illustrant les contributions fondamentales à la société (pp. 56–64). Worth Publishers.

Cet article d'opinion a été publié pour la première fois sur LinkedIn : « Le coût cognitif de la facilité : l'apprentissage et l'utilisation de l'IA générative ».