Dépendance à l'IA au travail, le savoir-faire qui s'érode

Le jour où l'outil s'arrête, l'équipe découvre ce qu'elle a cessé de pratiquer. Rien ne l'avait signalé pendant les mois où tout fonctionnait.

Cette érosion porte un nom depuis 1983. La psychologue Lisanne Bainbridge l'a décrite comme une ironie de l'automatisation, à propos des salles de contrôle industrielles. L'aviation y a répondu par une recommandation officielle, la médecine vient d'y observer une baisse mesurable. Le travail de bureau équipé d'IA générative entre à son tour dans ce territoire avec une différence de taille, puisque la panne y prend rarement la forme d'un écran noir. Elle ressemble plutôt à une réponse fausse livrée avec assurance, ou à un dossier que l'outil ne sait pas traiter.

L'article sur l'attention et le jugement qui se raréfient à l'ère de l'IA traite du discernement au présent. Celui-ci suit la même compétence dans la durée, pour comprendre comment elle se perd puis comment un manager l'entretient.

Pourquoi la dépendance à l'IA fragilise-t-elle la compétence de secours ?

La compétence qu'on appelle en cas de panne est celle qu'on ne pratique plus. Lisanne Bainbridge, psychologue spécialiste des facteurs humains, a exposé ce paradoxe dans Ironies of Automation (Automatica, 1983), un article écrit pour l'industrie de process bien avant l'IA générative.

Une compétence qui se perd faute d'exercice

Bainbridge décrit des compétences de contrôle manuel qui se dégradent quand elles ne sont plus exercées, en particulier le dosage et le minutage des actions. Un opérateur expérimenté devenu simple surveillant d'un processus automatisé peut redevenir un opérateur inexpérimenté. Rien ne disparaît d'un coup, le savoir se dissout au rythme où la pratique s'espace.

Le jour où l'on en a besoin, la situation est anormale

L'ironie centrale tient au moment de la reprise en main. Quand l'automatisme lâche, quelque chose d'anormal se passe en général dans le processus, ce qui demande des actions inhabituelles. L'opérateur devrait donc être plus compétent que la moyenne, alors que l'automatisation l'a rendu moins entraîné. Bainbridge en tire une conséquence contre-intuitive. Les systèmes les plus réussis, ceux où l'intervention humaine est la plus rare, demanderaient le plus d'investissement dans la formation de l'opérateur.

L'outil traite les dossiers courants. Il reste à l'humain ceux qu'il n'a pas su traiter, par définition les plus difficiles. Bainbridge relevait déjà que le concepteur qui cherche à éliminer l'opérateur lui laisse malgré tout les tâches qu'il n'a pas su automatiser, sans avoir pensé à les soutenir.

Que montrent l'aviation et la médecine sur la perte de compétences ?

Elles montrent qu'une baisse de compétence peut se mesurer, qu'elle touche des gestes pratiqués au quotidien et qu'elle appelle une réponse organisée plutôt qu'une simple mise en garde.

L'aviation encourage le pilotage manuel par une alerte officielle

Le 4 janvier 2013, la Federal Aviation Administration américaine a publié la Safety Alert for Operators 13002, consacrée au pilotage manuel. Une analyse des données d'exploitation y fait apparaître une augmentation des erreurs de pilotage manuel. La FAA constate que l'usage continu du pilote automatique ne renforce pas les connaissances et les compétences du pilote en pilotage manuel, ce qui peut dégrader sa capacité à récupérer rapidement l'avion d'un état non désiré.

Sa réponse porte sur l'organisation du travail. Elle encourage les compagnies à promouvoir le pilotage manuel quand les conditions le permettent puis à l'intégrer explicitement dans les opérations de ligne comme dans la formation. Une note de suivi, la SAFO 17007 du 4 mai 2017, a repris le sujet sous l'angle de la formation et des règles d'exploitation.

La médecine a mesuré une baisse sur un geste clinique

En 2025, Krzysztof Budzyń et ses coauteurs ont publié dans The Lancet Gastroenterology & Hepatology une étude multicentrique sur la détection des adénomes lors des coloscopies. Elle porte sur 1 443 coloscopies réalisées sans assistance de l'IA dans quatre centres d'endoscopie en Pologne, entre septembre 2021 et mars 2022.

Sur ces examens faits sans IA, le taux de détection d'adénomes passe de 28,4 % (226 sur 795) avant l'exposition des centres à l'IA à 22,4 % (145 sur 648) après, soit 6 points de moins. L'étude est observationnelle. Elle constate une association dans le temps sans prouver que l'exposition à l'IA en soit la cause. Elle suffit pourtant à poser à tout manager la question de ce que devient un geste pratiqué chaque jour quand l'outil n'est plus là.

L'IA générative produit-elle déjà le même effet au bureau ?

Les premières études vont dans ce sens, avec des méthodes encore fragiles qu'il faut lire comme des signaux. Le mécanisme de fond porte un nom en sciences cognitives, le délestage cognitif.

Le délestage cognitif soulage l'effort et déplace la compétence

Evan Risko et Sam Gilbert définissent le délestage cognitif (Trends in Cognitive Sciences, 2016) comme le recours à une action physique pour modifier les exigences de traitement de l'information d'une tâche, afin de réduire la charge cognitive. Les auteurs notent que la propension à s'en remettre à un outil dépend aussi de l'évaluation que chacun fait de ses propres capacités, évaluation qui peut être erronée.

Confier à l'IA la rédaction d'une synthèse relève du même geste, à une tout autre échelle. Le délestage n'a rien d'une faute, il libère de l'attention pour autre chose. Le risque apparaît quand il devient total sur une tâche que l'équipe devra un jour reprendre seule. Sur les mécanismes de l'apprentissage, l'article sur ce que la science établit sur l'apprentissage et le cerveau fait le point.

Plus de confiance dans l'outil, moins de pensée critique déclarée

Hao-Ping Lee et ses coauteurs ont recueilli auprès de 319 travailleurs du savoir 936 exemples concrets d'usage de l'IA générative dans leur travail (actes de CHI 2025, conférence à comité de lecture). Une confiance plus élevée dans l'outil y est associée à une pensée critique perçue plus faible, quand une confiance plus élevée en soi va avec davantage de pensée critique. L'effort change aussi de nature, tourné vers la vérification, l'intégration des réponses et la supervision plutôt que vers la production initiale.

Ces données sont auto-déclarées. Elles décrivent ce que les répondants perçoivent de leur effort sans mesurer leur performance. Un préprint du MIT Media Lab publié en juin 2025 par Nataliya Kosmyna et ses coauteurs, non revu par les pairs à ce jour, observe chez 54 participants que ceux qui rédigeaient avec un assistant affichaient une connectivité cérébrale plus faible et se souvenaient moins bien de leur propre texte. Ses auteurs appellent eux-mêmes à la prudence.

Le biais d'automatisation, l'autre face du même confort

La perte de pratique a une voisine, la confiance qui dispense de vérifier. Dans une revue de la littérature parue dans Human Factors en 2010, Raja Parasuraman et Dietrich Manzey concluent que la complaisance envers l'automatisation touche novices comme experts et qu'un simple entraînement répété ne suffit pas à la faire disparaître. La façon dont cette mécanique ronge la vérification des livrables est détaillée dans l'article qui explique pourquoi vérifier coûte plus cher que produire à l'ère de l'IA. Elle aggrave l'érosion décrite ici, puisqu'une équipe qui ne vérifie plus perd aussi une occasion de pratiquer.

Quels signaux montrent qu'une équipe perd la main ?

Les signaux d'érosion se voient avant la panne, à condition de les chercher dans le fonctionnement ordinaire plutôt que dans les indicateurs de production. Ceux-ci restent bons tant que l'outil tourne. Cinq signaux méritent l'attention d'un manager :

• plus personne ne sait expliquer comment le résultat était produit avant l'outil ;
• les personnes arrivées depuis l'outil n'ont jamais fait la tâche à la main ;
• une panne de l'outil suspend le travail au lieu de le ralentir ;
• la relecture des livrables se limite à la forme ;
• la procédure manuelle n'est plus écrite nulle part, ou sa dernière version date d'avant l'outil.

Aucun de ces signaux n'alarme pris isolément. Leur accumulation dessine la situation que décrit Bainbridge, celle d'un savoir-faire devenu théorique au moment même où il redevient nécessaire.

Cartographier les compétences mises en veille

Le premier geste consiste à lister avec l'équipe les tâches que l'IA assure désormais en tout ou partie, puis à poser pour chacune deux questions. Que se passe-t-il si l'outil s'arrête une journée ? Qui sait encore faire cette tâche sans lui ? Les tâches dont la seconde réponse tient en un seul nom, ou en aucun, sont celles à entretenir en priorité.

Comment organiser un exercice en mode dégradé ?

Un exercice en mode dégradé consiste à réaliser une tâche réelle sans l'outil, à un moment choisi et sans enjeu critique, pour garder vivante la compétence de secours. Il transpose au travail de bureau le pilotage manuel que la FAA encourage à pratiquer quand les conditions le permettent. Bainbridge esquissait déjà cette voie en proposant la pratique régulière sur simulateur et le maintien d'un contrôle manuel ponctuel.

1. Choisir une tâche critique assurée par l'IA

Partez de la cartographie des compétences mises en veille. Retenez une tâche dont l'arrêt de l'outil bloquerait l'équipe et que peu de personnes savent encore faire à la main. Une seule tâche par exercice suffit.

2. Programmer un créneau annoncé, hors urgence

Fixez le créneau à l'avance et prévenez l'équipe. L'exercice porte sur un cas réel sans échéance client, jamais au milieu d'un rush. Le but est d'entretenir un savoir-faire sans mettre personne en difficulté.

3. Associer ceux qui savent à ceux qui n'ont jamais fait sans l'outil

Faites travailler ensemble une personne qui pratiquait la tâche avant l'arrivée de l'IA et une personne arrivée depuis. La première transmet ce qu'elle sait encore. La seconde révèle ce qui n'a jamais été appris.

4. Comparer le résultat à celui de l'outil

Mettez côte à côte le livrable produit à la main et celui de l'IA. Notez les écarts de contenu, le temps passé et surtout les étapes que personne ne savait plus faire. Ce relevé vaut davantage que le livrable lui-même.

5. Tenir un retour d'expérience et fixer la suite

Terminez par un échange court. Qu'est-ce qui a manqué ? Qu'est-ce qui doit être documenté, réappris ou confié à quelqu'un d'autre ? Quand refait-on l'exercice ? Les décisions sont notées puis relues au prochain exercice.

Après un incident réel, un retour d'expérience aussi

Une erreur de l'IA qui a failli passer, un dossier que l'outil n'a pas su traiter ou une panne d'une demi-journée sont autant d'occasions d'apprendre. Il tient alors en trois questions. Que s'est-il passé ? Qui a su reprendre la main et de quelle façon ? Que faut-il entretenir pour que ce soit encore possible la prochaine fois ?

Le rythme se fixe au regard du risque. Une tâche dont l'arrêt paralyserait un service mérite un exercice plus fréquent qu'une tâche de confort. Pour la charge du dirigeant face à une crise venue de l'extérieur, voir l'article sur la décision en contexte dégradé.

Que retenir des organisations hautement fiables ?

Les organisations hautement fiables s'organisent pour continuer à fonctionner quand la panne survient, plutôt que de parier sur son absence. Karl Weick, professeur de théorie des organisations à l'université du Michigan, en a tiré avec Kathleen Sutcliffe cinq principes dans Managing the Unexpected (Jossey-Bass, 3^e édition en 2015), à partir d'organisations comme les porte-avions, les services d'urgence hospitaliers ou les unités de lutte contre les incendies. L'article sur la résilience organisationnelle les présente tous. Deux d'entre eux éclairent directement la dépendance à l'IA.

L'engagement envers la résilience

Ce principe vise la capacité d'absorber les erreurs et de continuer à fonctionner malgré l'imprévu, plutôt que la seule prévention de l'erreur. Appliqué à l'IA, il ajoute une question à celle de la fiabilité de l'outil, celle de ce que l'équipe sait faire le jour où il se trompe.

La déférence envers l'expertise

Weick et Sutcliffe invitent à ne pas supposer que la personne qui sait le mieux est celle qui occupe le rang le plus élevé. Sous pression, les décisions doivent selon eux être guidées par ceux qui ont l'expertise du terrain. Encore faut-il que cette expertise existe. Une équipe qui a tout délégué à l'outil n'a plus d'expert vers qui se tourner le jour où il faut reprendre la main.

Ce que la réglementation européenne demande déjà

Le règlement européen sur l'IA pousse dans la même direction sans nommer la compétence de secours. Son article 4 oblige les fournisseurs et les déployeurs à prendre des mesures pour assurer un niveau suffisant de maîtrise de l'IA à leur personnel, obligation détaillée dans l'article sur l'obligation de former à l'IA. L'article 14, réservé aux systèmes à haut risque, veut que les personnes chargées du contrôle soient en mesure d'ignorer ou d'annuler la sortie du système. Exercer ce droit de façon éclairée suppose en pratique que quelqu'un sache encore faire sans lui.

Si l'outil principal de votre équipe s'arrêtait demain à neuf heures, quel livrable sortirait encore avant midi, signé par qui ?