Un collaborateur rend une note de synthèse impeccable, rédigée en vingt minutes avec un assistant d'IA. Il la juge solide. Son manager aussi, à la première lecture. Ni l'un ni l'autre ne sait encore si les chiffres qu'elle aligne sont justes.
Cette confiance qui précède la vérification porte un nom depuis 1999, l'effet Dunning-Kruger. Il compte parmi les biais les plus cités en management, souvent sous une forme que ses auteurs n'ont jamais publiée. L'IA rouvre la question sous un angle neuf, celui d'une performance qui progresse pendant que la lucidité sur cette performance reste en arrière.
Qu'ont montré Kruger et Dunning en 1999 ?
Ils ont montré que les personnes les moins performantes à un test surestiment largement leur résultat, faute de disposer des compétences qui leur permettraient de repérer leurs propres erreurs. Les psychologues sociaux Justin Kruger et David Dunning parlent d'un double fardeau. Ces personnes se trompent, puis leur manque de compétence les prive de la capacité métacognitive de s'en apercevoir.
Quatre études menées à Cornell fondent le résultat
L'article paraît en décembre 1999 dans le Journal of Personality and Social Psychology sous le titre « Unskilled and Unaware of It ». Il réunit quatre études menées auprès d'étudiants de l'université Cornell. Chacun passe un test d'humour, de raisonnement logique ou de grammaire, puis situe son rang parmi les autres participants sur une échelle de centiles. Les auteurs ouvrent leur texte en rappelant une remarque de Charles Darwin, pour qui l'ignorance engendre plus souvent la confiance que le savoir.
Le résultat tient en deux chiffres. Les participants du quartile le plus faible obtiennent en moyenne un score qui les place au 12e centile. Ils s'estiment au 62e. Dans l'étude sur l'humour, leur surestimation atteint 46 points de centile. Les meilleurs font l'erreur inverse, en plus petit. Au test de logique, le quartile supérieur se situe au 86e centile et se place lui-même au 68e.
La compétence corrige l'illusion
La quatrième étude livre la conclusion la plus utile pour un manager. Après un test de dix problèmes tirés de la tâche de sélection de Wason, la moitié des participants reçoit une courte formation au raisonnement logique. Les moins performants formés révisent alors leur jugement. Ils pensaient avoir résolu 5,3 problèmes en moyenne et n'en revendiquent plus qu'un seul. Ce chiffre rejoint leur score réel. Ceux qui n'ont pas été formés gardent leur conviction intacte.
Les auteurs assument le paradoxe. Améliorer les compétences des participants accroît leur compétence métacognitive et les aide à reconnaître les limites de leurs capacités. La lucidité vient avec la compétence qu'elle mesure.
Que dit l'effet Dunning-Kruger et que ne dit-il pas ?
Il dit que les moins performants surestiment leur résultat bien plus que les autres, dans des domaines où savoir faire et savoir juger reposent sur la même compétence. Il ne dit ni que les moins compétents se croient meilleurs que les experts, ni que la confiance suit une courbe en montagne au fil de l'expérience.
Les moins performants ne se croient pas les meilleurs
La version la plus répandue résume l'effet en une formule selon laquelle les incompétents se croiraient plus compétents que les experts. Les données de 1999 décrivent autre chose. Au test de logique, le quartile le plus faible s'estimait au 62e centile et le quartile le plus fort au 68e. Les moins performants se savaient un peu en dessous des meilleurs. Leur erreur portait sur l'ampleur de l'écart. Ils se plaçaient au-dessus de la moyenne quand leur score les rangeait parmi les derniers.
La courbe du « mont Stupide » ne vient pas de l'article
Une image accompagne souvent l'effet Dunning-Kruger dans les présentations et sur les réseaux. La confiance y grimpe vers un pic dès les premiers pas, plonge dans une vallée puis remonte lentement avec l'expertise. Cette courbe ne figure pas dans l'article de 1999. Ses quatre figures placent en abscisse le quartile de performance réelle, en ordonnée les centiles estimés et obtenus. Aucune ne suit une personne dans le temps et aucune ne mesure l'expérience.
La courbe raconte une histoire plausible d'apprentissage. Elle relève de l'illustration et l'étude de 1999 ne permet ni de la confirmer ni de l'infirmer.
Les auteurs ont eux-mêmes borné leur résultat
Kruger et Dunning bornent leur résultat dans l'article même. Ils précisent ne pas prétendre que les gens ignorent toujours leur incompétence et doutent que beaucoup de leurs lecteurs osent parier contre Tiger Woods sur un parcours de golf. Ils situent l'effet dans les domaines où connaître les règles revient à savoir les appliquer, comme la grammaire ou la logique. Ils reconnaissent enfin que d'autres causes jouent, comme les biais motivationnels. Les autres quartiles se surestimaient eux aussi d'un peu plus de six points et leur analyse ne suffit pas à l'expliquer.
L'effet ne classe pas non plus les personnes en intelligentes ou non. L'écart se mesure compétence par compétence et une même personne peut se juger avec justesse en logique tout en se surestimant en grammaire. La lecture rejoint celle d'un QI qui ne sert à rien sans les autres intelligences.
Pourquoi des chercheurs y voient-ils en partie un artefact statistique ?
Deux phénomènes bien connus suffisent à reproduire une partie du motif de 1999 sans faire appel à la métacognition, la régression vers la moyenne et la tendance générale à se juger meilleur que la moyenne. Le débat ouvert en 2002 a affiné le résultat sans l'effacer.
Le mécanisme se comprend sans calcul. Tout test mesure avec une part de hasard. Ceux qui tombent dans le quartile le plus bas y sont en partie par malchance ce jour-là, alors que leur estimation d'eux-mêmes, moins liée à ce score, reste plus proche du centre. Ajoutez la tendance très répandue à se placer un peu au-dessus de la moyenne et le graphique en quartiles prend la forme de 1999, même sans aucun défaut de lucidité propre aux moins compétents.
Le débat s'ouvre en 2002 dans la même revue
Joachim Krueger, professeur de sciences cognitives et psychologiques à l'université Brown, ouvre la discussion en 2002 dans le Journal of Personality and Social Psychology. Sa réplication retrouve le résultat de base. L'asymétrie disparaît dès que la régression ou l'effet « meilleur que la moyenne » sont retirés statistiquement. Kruger et Dunning répondent dans le même numéro. Ils jugent les tests de cette réplication peu fiables et rappellent qu'une explication par la régression ne rend pas compte de leurs données expérimentales, à commencer par l'effet de la formation.
D'autres équipes ont prolongé l'échange. En 2006, une étude parue dans la même revue montre sur douze tâches que la difficulté change le tableau. Sur une tâche moyennement difficile, les meilleurs et les moins bons se trompent à peu près autant sur leur rang. Sur une tâche très difficile, les meilleurs se trompent davantage. Ses auteurs y lisent un bruit et un biais communs à tous les niveaux. En 2008, Dunning et Kruger publient avec trois coauteurs cinq nouvelles études. Il en ressort que les moins performants manquent de lucidité sur leurs erreurs même en situation réelle et même quand une récompense les incite à la justesse.
Que reste-t-il de l'effet une fois le bruit retiré ?
Les travaux récents divergent sur son ampleur. En 2020, Gilles Gignac, psychologue à l'université d'Australie-Occidentale, teste l'hypothèse avec Marcin Zajenkowski auprès de 929 adultes qui estiment leur intelligence et passent les matrices de Raven. Avec des méthodes conçues pour écarter les artefacts du graphique en quartiles, ils ne trouvent pas l'écart attendu chez les moins performants. Leur conclusion reste mesurée. Le phénomène peut exister pour certaines compétences, avec une ampleur sans doute bien moindre que celle rapportée jusque-là.
En 2021, une réplication à grande échelle publiée dans Nature Human Behaviour aboutit à une conclusion plus favorable sur un point précis. Elle porte sur environ 4 000 participants dans chacune de ses deux études. En grammaire comme en raisonnement logique, ses données soutiennent l'idée que les moins performants savent moins bien estimer s'ils ont juste, question par question.
| Année | Étude | Revue | Ce qu'elle établit |
|---|---|---|---|
| 1999 | Kruger et Dunning | Journal of Personality and Social Psychology, 77(6) | Quartile le plus faible au 12e centile, estimé au 62e. Une formation au raisonnement réduit l'écart. |
| 2002 | Krueger et Mueller | Journal of Personality and Social Psychology, 82(2) | L'asymétrie disparaît quand la régression ou l'effet « meilleur que la moyenne » sont retirés. |
| 2002 | Kruger et Dunning, réponse | Journal of Personality and Social Psychology, 82(2) | Tests de la réplication jugés peu fiables. L'explication statistique ne couvre pas les données expérimentales de 1999. |
| 2006 | Burson, Larrick et Klayman | Journal of Personality and Social Psychology, 90(1) | Sur douze tâches, plus la tâche est difficile, plus les meilleurs se trompent sur leur rang. |
| 2008 | Ehrlinger, Johnson, Banner, Dunning et Kruger | Organizational Behavior and Human Decision Processes, 105(1) | Cinq études. Le manque de lucidité persiste en situation réelle et avec une incitation à la justesse. |
| 2016 | Nuhfer et coauteurs | Numeracy, 9(1) | Simulations calées sur 1 154 participants. Certains graphiques font apparaître le bruit aléatoire comme un effet. |
| 2020 | Gignac et Zajenkowski | Intelligence, 80 | 929 adultes. Relation linéaire entre intelligence mesurée et estimée, sans écart propre aux moins performants. |
| 2021 | Jansen, Rafferty et Griffiths | Nature Human Behaviour, 5 | Environ 4 000 participants par étude. Les moins performants jugent moins bien la justesse de chaque réponse. |
| 2026 | Fernandes et coauteurs | Computers in Human Behavior, 175 | 246 puis 452 participants aidés par l'IA. Surestimation générale, écart propre aux moins performants disparu. |
Ce débat prolonge le travail de 1999 et en précise la portée. Les travaux cités s'accordent sur un constat, la plupart des gens se jugent un peu meilleurs que la moyenne. La discussion porte sur la part de cette surconfiance qui tient à un défaut de lucidité propre aux moins compétents. Pour un manager, la conséquence pratique ne change guère. Se sentir compétent ne mesure pas la compétence.
Que change l'IA à la surconfiance ?
Dans l'étude la plus directe sur le sujet, elle relève la performance de chacun pendant que la confiance monte plus vite encore. La surestimation y cesse d'être l'apanage des moins performants.
Les participants aidés par l'IA gagnent trois points et en surestiment quatre
Cette étude paraît en février 2026 dans Computers in Human Behavior. Daniela Fernandes, chercheuse en informatique à l'université Aalto, y fait résoudre avec ses coauteurs vingt problèmes de raisonnement logique tirés du test d'admission des écoles de droit américaines à 246 participants équipés d'une IA. Leur score dépasse de trois points celui d'une population de référence. Leur estimation dépasse leur score de quatre points.
Deux autres résultats intéressent directement les organisations. L'écart propre aux moins performants, habituel sur ce test, disparaît quand l'IA est là. Les participants les plus à l'aise avec l'IA sur le plan technique se montrent aussi les plus confiants et les moins précis dans le jugement de leur propre performance. Une seconde étude menée sur 452 personnes reproduit ces résultats. Les auteurs décrivent une IA qui nivelle la performance comme la métacognition.
La confiance dans l'outil s'accompagne de moins d'esprit critique
Une enquête publiée dans les actes de la conférence CHI 2025, menée auprès de 319 travailleurs du savoir, va dans le même sens. Plus la confiance dans l'IA générative est élevée, moins les répondants exercent leur esprit critique. Plus leur confiance en eux sur la tâche est élevée, plus ils en exercent. Ces données sont déclaratives. Elles rejoignent pourtant un constat déjà posé sur ce site, la dépendance à l'IA au travail érode le savoir-faire des équipes.
Une IA trop bonne endort la vigilance de son utilisateur
Ethan Mollick, professeur de management à la Wharton School, rapporte dans Co-Intelligence (2024) une expérience conduite avec le cabinet BCG. Sur une tâche choisie pour rester hors de portée de l'IA, les consultants trouvaient la bonne réponse 84 % du temps sans aide et 60 à 70 % du temps avec l'IA. Il rapproche ce résultat d'une thèse de doctorat soutenue à Columbia en 2021 par Fabrizio Dell'Acqua, chercheur à la Harvard Business School, menée auprès de 181 recruteurs.
Les recruteurs dotés d'une IA de bonne qualité y font moins bien que ceux qui disposent d'une IA médiocre. Ils passent moins de temps sur chaque dossier, suivent les recommandations de l'outil et ne progressent pas. Dell'Acqua appelle ce phénomène « falling asleep at the wheel », s'endormir au volant.
Ces travaux ne mesurent pas l'effet Dunning-Kruger au sens de 1999. Ils décrivent une surconfiance tournée vers l'outil plus que vers soi. Dans une équipe, les deux se cumulent. Le collaborateur surestime la qualité de sa production et sous-estime ce qu'il reste à vérifier.
Pourquoi un texte bien écrit trompe-t-il celui qui le relit ?
La fluidité d'un texte passe pour un signe de qualité sans en garantir aucune. Avec l'IA, chaque livrable a la fluidité d'un travail d'expert, quelle que soit la compétence de la personne qui l'a demandé.
L'aisance de lecture donne l'illusion de savoir
Dans Make It Stick (2014), l'écrivain Peter C. Brown et les chercheurs en sciences cognitives Henry L. Roediger et Mark A. McDaniel rangent l'effet Dunning-Kruger parmi les illusions de savoir. Ils préviennent que le sentiment de familiarité ou d'aisance face à un contenu n'indique pas toujours un apprentissage. Savoir expliquer un texte avec ses propres mots en est un bien meilleur indice.
Une note produite par l'IA offre cette aisance d'emblée. Elle est structurée, nuancée, bien ponctuée. Le manager qui la relit la trouve claire sans rien savoir de sa justesse. Le collaborateur qui l'a commandée la trouve familière sans savoir ce qu'il en a compris.
Le double fardeau se rejoue à la vérification
Le raisonnement de 1999 s'applique ici presque mot pour mot. Repérer une erreur dans une réponse de l'IA demande la compétence qu'on vient justement de confier à l'outil. Un débutant qui délègue la rédaction d'une analyse ne voit pas l'hypothèse fragile qu'un professionnel chevronné relèverait en quelques secondes. L'IA prend aux débutants les tâches qui leur apprenaient le métier, celles-là mêmes qui forgeaient leur capacité à se juger.
C'est pourquoi vérifier coûte plus cher que produire à l'ère de l'IA. La vérification réclame un expert, du temps et de l'attention. Or l'attention et le jugement se raréfient à l'ère de l'IA, au moment précis où chaque livrable en demande davantage.
Comment un manager aide-t-il son équipe à mieux se juger ?
Il remplace le sentiment de compétence par des retours sur des résultats réels, réguliers et proches du travail. Interrogé en 2010 par le cinéaste Errol Morris, David Dunning soutenait que le chemin vers la connaissance de soi passe par les autres, par ce que le monde renvoie de ce que l'on fait.
Une équipe n'a d'ailleurs besoin d'aucune IA pour cesser de questionner ses livrables. L'esprit critique en entreprise est souvent éteint par l'organisation bien avant les outils. Les cinq gestes qui suivent visent la lucidité collective plus que la vigilance de chacun.
- Faire estimer avant de vérifier. Avant la relecture d'un livrable produit avec l'IA, son auteur écrit ce qu'il pense y trouver d'erreurs et son degré de confiance. L'écart entre cette estimation et la relecture devient une donnée de l'équipe, discutée sans reproche.
- Faire expliquer sans l'outil. L'auteur résume avec ses mots le raisonnement du livrable, écran fermé. Brown, Roediger et McDaniel voient dans cette explication un bien meilleur indice de compréhension que l'aisance de lecture.
- Relire avec un expert qui pense à voix haute. En 1999, voir les copies de participants plus forts n'a pas suffi aux moins performants pour corriger leur jugement. Une courte formation y est parvenue. La relecture à deux vaut donc par ce que l'expert explique de ce qu'il regarde, bien plus que par sa seule présence.
- Revenir sur les résultats réels. Quelques semaines plus tard, l'équipe reprend les décisions préparées avec l'IA et regarde ce qui s'est passé. Le journal de décision relu à froid compte parmi les parades aux biais cognitifs qui faussent les décisions.
- Rendre le doute dicible. Une estimation honnête suppose de pouvoir dire « je ne suis pas sûr » sans perdre la face. La sécurité psychologique libère la parole sans baisser l'exigence. Sans elle, les quatre premiers gestes restent lettre morte.
Le premier geste tient en une colonne ajoutée au suivi des livrables, « erreurs attendues », remplie par l'auteur avant la relecture. Au bout d'un mois, l'équipe voit qui se surestime, sur quels sujets et avec quels outils.
D'où je parle
Je travaille le sujet de l'IA en organisation depuis fin 2024. Je supervise aujourd'hui des Product Owners dont une partie du travail passe par des agents. Je fais aussi travailler des agents spécialisés, chacun sur un périmètre défini et sur une base de connaissance que j'ai validée moi-même, avec une rétrospective régulière tirée de leurs traces d'exécution. Je l'applique à mon propre travail.
Questions fréquentes
Le résultat de 1999 a été publié dans une revue à comité de lecture puis retrouvé par d'autres équipes, notamment dans une réplication de 2021 portant sur environ 4 000 participants par étude. Son ampleur reste discutée depuis 2002. Une partie du motif s'explique par la régression vers la moyenne et par la tendance générale à se juger meilleur que la moyenne.
Le surnom désigne le pic de confiance d'une courbe très diffusée, où la confiance monte vite chez le débutant, s'effondre puis remonte avec l'expertise. Cette courbe ne figure pas dans l'article de Kruger et Dunning. Ses graphiques comparent des quartiles de performance à un instant donné.
Légèrement, sur leur rang. Kruger et Dunning y voient un effet de faux consensus, les meilleurs supposant que les autres réussissent aussi bien qu'eux. Après avoir corrigé les copies de cinq autres participants, les meilleurs ont relevé leur estimation. Les moins performants, eux, ne l'ont pas corrigée.
Une étude parue en 2026 dans Computers in Human Behavior le suggère sur un test de raisonnement. Les participants aidés par l'IA ont gagné trois points et surestimé leur score de quatre. Les plus familiers de l'IA étaient les moins précis dans leur propre jugement. Le résultat porte sur une tâche de laboratoire et reste à confirmer en situation de travail.
De l'intérieur, l'écart ne se voit pas, c'est sa définition même. La seule mesure praticable consiste à écrire une estimation avant de recevoir un retour, puis à comparer. Répétée sur quelques semaines, la comparaison montre sur quels sujets votre confiance tient et sur lesquels elle devance votre compétence.
Par le premier geste, l'estimation écrite des erreurs avant la relecture des livrables produits avec l'IA. Il ne coûte presque rien et rend l'écart visible sans désigner personne. Pour l'adapter à votre équipe et à ses usages de l'IA, réservons un échange de 30 minutes.
Votre équipe juge-t-elle encore ce que l'IA produit pour elle ?
Que vous soyez dirigeant, manager ou DRH, un premier échange permet de regarder comment votre équipe vérifie ses livrables et où sa confiance devance sa vérification.
Réserver un échange découverte (30 min)Allez plus loin
- Co-Intelligence Une technologie d'usage général déjà là, à traiter non comme un logiciel mais comme une intelligence non humaine qui augmente nos capacités plutôt que de les automatiser. Voir le livre →
- Make It Stick. The Science of Successful Learning Les stratégies d'apprentissage qui paraissent laborieuses construisent une mémoire durable. La sensation d'aisance mesure mal ce que l'on a vraiment appris. Voir le livre →
Liens affiliés
