Quatrième session. On retire ChatGPT à ceux qui l'utilisaient depuis trois mois, et on leur demande de réécrire un essai, casque EEG sur la tête. Beaucoup butent, et ne retrouvent plus les phrases qu'ils avaient pourtant validées. Nataliya Kosmyna et ses collègues du MIT Media Lab (Massachusetts Institute of Technology) tiennent là leur scène la plus parlante. Publiée en 2025 et reprise partout depuis, l'étude a donné un nom à une intuition : la dette cognitive.
54 participants, trois façons d'écrire
Le protocole tient en une ligne : un essai à rédiger, avec ChatGPT, avec un moteur de recherche, ou sans rien d'autre que sa tête. Seuls 18 des 54 participants sont allés jusqu'à la quatrième session. C'est la première limite, et elle pèse sur tout le reste.
Les chiffres, eux, impressionnent. Chez les utilisateurs de LLM, la connectivité cérébrale tombe jusqu'à 55 % plus bas que chez ceux qui écrivent seuls. 83 % ne peuvent pas citer un passage de l'essai qu'ils viennent de rédiger. Leurs textes se ressemblent davantage et sortent moins originaux. Les deux autres chiffres du dossier, dont les 78 % d'échec en quatrième session, vont dans le même sens.
Le groupe « cerveau seul », à qui l'on donne ensuite l'IA, fait mieux : activité neuronale plus élevée, consignes mieux construites. Celui qui sait écrire sait aussi demander. L'étude complète est disponible en préprint, donc non relue par des pairs.
Ce que valent ces résultats
Des chercheurs ont déjà publié des critiques : taille de l'échantillon, reproductibilité des analyses, lecture de l'EEG, qui ne dit pas grand-chose d'une « pensée » prise isolément. Un commentaire paru dans le British Journal of General Practice et une réponse déposée sur alphaXiv vont dans ce sens. Leur reproche tient : l'étude ne démontre aucun changement cognitif durable.
Faut-il pour autant la jeter ? Non. Un petit échantillon ne fait pas une loi, mais il peut signaler un phénomène que n'importe quel enseignant reconnaît : un élève qui rend un texte impeccable et ne sait plus en dire la première phrase. L'étude vaut comme alerte, pas comme preuve.
Rédiger revient à chercher, trier, structurer, formuler, corriger. L'assistant prend en charge les gestes les plus visibles, rarement les plus formateurs. Il reste à l'humain la sélection : lire une proposition, décider de la garder. Or juger suppose d'avoir déjà construit quelque chose en tête, et c'est précisément ce que la génération automatique ne fournit pas.
Un petit échantillon ne fait pas une loi. Il peut quand même signaler un phénomène que tout enseignant reconnaît.
En classe, en agence : la facture arrive à la maintenance
Prenons une classe de première qui rend vingt dissertations sans faute. Le débat public s'arrête à la triche, alors que le problème est ailleurs : on note le devoir, jamais le chemin. Personne ne sait ce que l'élève a retenu. Même chose pour un code qui compile, dont on ignore si son auteur saura le déboguer dans six mois.
En studio, la scène est connue. Un site généré en une après-midi, élégant et rapide, plaît au client. Quatre mois plus tard, le modèle a changé de version, un formulaire casse, et personne dans l'équipe ne peut dire pourquoi ce composant est construit ainsi. La dette ne se voit pas à la livraison, elle apparaît à la première panne.
Trois idées reçues à écarter
- « L'IA abêtit. » L'étude ne le dit pas. Une personne entraînée peut déléguer sans perdre la main ; celle qui apprend encore n'a rien à déléguer.
- « L'étude prouve tout. » Elle ne prouve presque rien de durable : 54 personnes, une tâche, quatre mois, et des critiques sérieuses sur la méthode.
- « Tout effort est bon. » Recopier un cours cent fois n'apprend rien. Ce qui compte, c'est l'effort qui construit une représentation en tête, pas celui qui fabrique seulement de la sortie.
Où mettre sa main, concrètement
Pour un site, générer un composant, oui ; valider l'architecture, la structure de contenu et l'accessibilité, non. Pour un texte, demander une reformulation, oui ; choisir l'angle et le rythme, non. L'exécution se délègue, le jugement reste chez soi.
Écrire une première version, même mauvaise, avant de comparer : elle force à prendre position. Demander à l'IA de poser des questions plutôt que de fournir des réponses. Noter ce qu'on ne sait plus faire sans elle : la liste rend la dépendance visible avant qu'elle s'installe.
À l'école, la conséquence est nette : il faut évaluer le brouillon, l'oral, la version réécrite sans assistant, bien plus que le rendu final. Les auteurs eux-mêmes recommandent de retarder l'usage intensif chez les apprenants, le temps que l'effort autonome ait posé des bases. Cette prudence est la plus défendable.
Tout apprentissage passe par l'emprunt : aux livres, aux professeurs, aux collègues. Une IA qui explique un concept, teste une hypothèse ou relit un raisonnement aide à construire. Une IA qui raisonne à la place ne laisse rien derrière elle.
Ce qu'on ignore encore
Personne ne sait si cette dette se rattrape avec un peu d'entraînement, ou si elle s'installe. Les études longues n'existent pas encore, et les premières ne diront pas tout.
Reste que la question de l'adoption est réglée par les usages. Celle qui compte se pose en équipe : que cesse-t-on d'apprendre à force de déléguer ? Un studio qui ne sait plus maintenir ce qu'il livre fait porter le risque au client, et celui-ci ne s'en aperçoit qu'à la première panne.
Dans le protocole du MIT, ceux qui avaient écrit seuls pendant trois mois ont retrouvé leurs phrases. Les autres ont ouvert l'essai, relu leur propre texte, et n'ont rien reconnu. Le crédit était signé, et personne ne leur avait montré l'échéancier.