Une équipe examine une recommandation préparée avec l’IA. Le texte est clair, la conclusion paraît raisonnable et plusieurs références sont citées. Au moment de valider, une question reste pourtant sans réponse : laquelle de ces références permet réellement de soutenir le choix proposé ?
Le problème n’est plus la qualité de la rédaction. Il concerne le jugement exercé sur ce que le document affirme.
Oui, certains usages de l’IA peuvent réduire l’examen critique d’une réponse. Les recherches disponibles ne permettent toutefois pas d’affirmer que l’IA dégrade mécaniquement et durablement le jugement de tous les professionnels. L’enjeu consiste à maintenir un travail observable sur les preuves, les hypothèses et les objections, au moment où une proposition devient une décision.
Pour les managers et les responsables RH, demander aux équipes de « garder leur esprit critique » reste trop vague. Il faut préciser ce qu’elles doivent examiner, avec quelles ressources et dans quelles conditions.
Ce que les études permettent de dire
Dans une étude présentée à CHI 2025, Hao-Ping Lee et ses collègues interrogent 319 travailleurs du savoir, qui rapportent 936 exemples d’utilisation professionnelle de l’IA générative. Une confiance plus forte dans l’outil est associée à moins d’activité critique déclarée. Les auteurs décrivent aussi un déplacement vers la vérification des informations et l’intégration des réponses.
Cette enquête repose sur des déclarations recueillies en anglais auprès d’utilisateurs réguliers. Elle ne mesure ni une perte cognitive durable ni un effet causal de l’IA. Les auteurs signalent notamment une confusion possible entre une tâche devenue plus facile et un moindre effort de pensée critique.
Une autre recherche apporte un éclairage expérimental. L’étude de Fabrizio Dell’Acqua et ses collègues, publiée dans Organization Science en mars 2026, examine 758 consultants répartis aléatoirement entre plusieurs conditions d’assistance avec GPT-4 ou sans IA. L’assistance améliore les performances sur certaines tâches, mais les dégrade sur une tâche choisie pour dépasser les capacités du système.
Cette expérience, issue d’un travail diffusé dès 2023, porte sur des tâches et un outil précis. Elle ne mesure pas une érosion à long terme du jugement et ne décrit pas automatiquement les systèmes disponibles en 2026.
Ces résultats invitent à examiner les conditions d’usage. Ils ne justifient ni une confiance générale ni une condamnation générale de l’assistance.
L’esprit critique commence par une question de portée
Une source peut exister sans prouver ce qu’on lui fait dire. C’est une difficulté importante lorsque le document rassemble des références crédibles autour d’une recommandation très précise.
Un rapport sur les attentes des consommateurs ne démontre pas, à lui seul, que les clients de votre entreprise souhaitent une nouvelle politique de retour. Une enquête auprès de cadres ne décrit pas nécessairement les contraintes d’un atelier. Une corrélation observée entre deux pratiques ne permet pas d’attribuer à l’une les effets de l’autre.
Le professionnel doit donc examiner le passage entre une information et son utilisation : qui a été observé ? Dans quel contexte ? Que mesure-t-on ? Quelle conclusion est autorisée, et où commence notre interprétation ?
Ce travail demande des connaissances du métier. Une liste de consignes générales ne remplace pas la capacité à repérer qu’un résultat porte sur une population différente, une période ancienne ou une définition inadaptée.
Un cas fictif : faut-il modifier les conditions de retour d’un produit ?
Imaginons une entreprise de distribution. Une responsable prépare avec l’aide d’une IA une note proposant de simplifier les retours d’un produit. Le document évoque une amélioration de la satisfaction client et une réduction des échanges avec le service après-vente.
La proposition semble cohérente. Elle associe des tendances de consommation, quelques données internes autorisées et une estimation des conséquences opérationnelles.
À la relecture, un collègue distingue trois éléments. Les réclamations décrivent bien une difficulté à comprendre la procédure. L’effet attendu sur la satisfaction reste une hypothèse. La réduction du travail du service client repose sur l’idée que la nouvelle règle ne suscitera pas d’autres demandes.
Il ne suffit donc pas de vérifier que les chiffres ont été correctement recopiés. Il faut aussi examiner ce que la recommandation ajoute aux données.
Dans ce scénario, l’équipe peut demander un examen limité de dossiers existants, consulter les personnes qui traitent les retours et préciser ce qu’un essai permettrait d’observer. Elle peut aussi décider que les informations disponibles ne permettent pas encore de modifier la règle.
Ce cas ne décrit aucun client ni aucune prestation Learning Coach. Il illustre une pratique : rendre visible le chemin entre un constat, une hypothèse et une action envisagée.
Préparer les critères avant de lire une réponse convaincante
Lorsque l’on découvre une recommandation entièrement rédigée, on peut se retrouver à corriger son détail sans réexaminer son point de départ. Une précaution consiste à formuler, avant sa lecture, les critères qui devraient guider la décision.
Dans notre exemple, l’équipe peut écrire ce qu’elle veut comprendre : la difficulté réellement vécue par les clients, les exceptions à préserver, la charge déplacée vers les magasins et les informations encore absentes.
Cette préparation peut être brève. Elle ne demande pas de refaire toute l’analyse sans outil. Elle donne des repères pour examiner ensuite la proposition, y compris lorsque celle-ci présente une solution inattendue.
Notre article sur les méthodes d’apprentissage examinées à partir des sciences cognitives rappelle qu’une impression d’aisance ne constitue pas une preuve de maîtrise. Ici, la traduction professionnelle consiste à conserver des critères explicites lorsque la rédaction devient facile.
Cette proposition de travail n’est pas un protocole dont l’efficacité serait garantie. Elle peut être essayée sur des dossiers adaptés, puis discutée avec l’équipe.
Chercher l’objection qui pourrait modifier le choix
Une critique utile ne consiste pas à trouver une faute dans chaque paragraphe. Elle cherche ce qui pourrait changer la conclusion.
Dans le dossier des retours, une objection déterminante serait que les demandes viennent surtout d’un défaut d’information sur le produit. Simplifier la procédure pourrait alors traiter une conséquence tout en laissant le problème principal intact.
Une autre objection pourrait concerner un groupe de clients que les données agrégées rendent invisible. La recommandation resterait peut-être pertinente, mais son périmètre devrait être révisé.
Pour préparer la discussion, le responsable peut demander une objection précise, l’information qui permettrait de l’examiner et la conséquence possible sur le choix. « Je ne suis pas convaincu » devient ainsi une question instruisible.
Le même exercice doit pouvoir s’appliquer à la solution préférée du manager. Sinon, l’esprit critique risque de servir uniquement à contester les propositions qui déplaisent déjà à la direction.
Une trace courte pour une vérification réelle
La mention « relu et validé » renseigne peu sur ce qui a été contrôlé. Pour une recommandation importante, une trace plus utile peut tenir dans quelques phrases :
l’affirmation déterminante examinée ;
la source ou l’observation utilisée pour la vérifier ;
la limite qui subsiste ;
la conséquence de cette vérification sur la recommandation.
Dans notre cas fictif, on pourrait écrire : « Les réclamations examinées confirment une difficulté de compréhension. Elles ne permettent pas d’estimer l’effet d’une nouvelle règle sur la satisfaction. La proposition est limitée à un travail sur l’information, avant réexamen de la procédure. »
La trace décrit un raisonnement. Elle n’exige pas de conserver toutes les interactions avec l’outil ni de transformer chaque message courant en dossier d’audit.
Son niveau de détail dépend des conséquences du choix, des règles internes et des exigences du métier. Les activités réglementées ou sensibles demandent leurs propres procédures et expertises.
Le contrôle collectif doit avoir un objet et des moyens
Faire relire un document par plusieurs personnes ne garantit pas que son affirmation centrale a été examinée. Chacun peut corriger la forme en supposant qu’un autre a vérifié les données.
Il faut donc préciser le rôle du relecteur. Dispose-t-il de la source initiale ? Connaît-il le contexte nécessaire ? Peut-il demander une information ou suspendre une validation dans le cadre de son mandat ?
L’équipe doit également prévoir du temps. Réclamer une vérification approfondie tout en maintenant un délai incompatible avec celle-ci produit une consigne difficile à tenir. Le problème ne se résout pas uniquement par une formation à l’IA.
Enfin, une réserve argumentée doit pouvoir être entendue. Notre réflexion sur la parole lorsque managers et collaborateurs participent à une même formation invite à considérer les rapports hiérarchiques. Le désaccord professionnel demande lui aussi un cadre : objet clair, respect des personnes et suite donnée à l’objection.
Peut-on demander à l’IA de jouer le contradicteur ?
Un assistant peut proposer des objections, comparer des interprétations ou aider à rendre une hypothèse explicite. Cela peut fournir des pistes à examiner.
Mais une réponse contradictoire n’est pas une vérification indépendante. L’outil peut fabriquer une objection peu pertinente, citer une référence inexistante ou reformuler la même hypothèse sous une autre apparence.
Demander à deux assistants s’ils sont d’accord ne remplace pas l’examen de sources adaptées. Leur convergence ne prouve pas que les informations sont indépendantes ou que la recommandation convient au contexte.
Dans notre exemple, l’IA pourrait suggérer de regarder les exceptions de retour. Les professionnels devraient encore identifier les cas pertinents et examiner les données autorisées. L’assistant contribue au questionnement ; le dossier reste à instruire.
Décider malgré une incertitude explicite
L’esprit critique ne demande pas d’attendre une certitude impossible. Il aide à distinguer ce qui permet d’agir de ce qui doit encore être suivi.
Une équipe peut conclure qu’un essai limité est justifié tout en conservant une réserve importante. Elle précise alors son périmètre, les observations attendues et les conditions de réexamen.
Elle peut aussi différer lorsque l’information manquante porte sur une conséquence majeure ou demander une expertise qu’elle ne possède pas.
La qualité du jugement se voit dans la cohérence entre les preuves disponibles et l’ampleur de la conclusion. Une décision prudente peut être défendable ; une décision ambitieuse demande des appuis à sa mesure.
Pour observer une progression, les responsables peuvent examiner plusieurs dossiers : les limites pertinentes sont-elles mieux identifiées ? Les objections ont-elles une suite ? Les décisions sont-elles révisées lorsque les informations changent ? Aucun de ces indices ne constitue, seul, une mesure générale d’intelligence ou un diagnostic individuel.
Ouvrir ce débat avec les équipes
Une conférence sur l’IA et l’esprit critique peut partir d’une recommandation plausible, accompagnée d’un dossier fictif. Les participants examinent ce que les pièces permettent de conclure, repèrent l’hypothèse décisive et proposent une vérification adaptée.
L’intérêt pédagogique réside dans la confrontation des raisonnements. Le travail peut se poursuivre sur une pratique collective choisie par l’équipe, avec un retour sur ses difficultés d’application. Une séance réussie ne démontre pas, à elle seule, une amélioration durable du jugement.
Vous souhaitez préparer ce débat avec vos managers, vos responsables RH ou vos équipes métiers ? Découvrez les conférences Learning Coach et demandez une proposition adaptée à votre événement.
Avant de valider la prochaine recommandation assistée par IA, une question mérite sa place dans la discussion : quelle information pourrait encore nous faire réviser ce choix, et avons-nous les moyens de la chercher ?
Ressources
Hao-Ping Lee et collègues, The Impact of Generative AI on Critical Thinking, CHI 2025. Enquête sur les pratiques et les efforts déclarés ; pas une démonstration de déclin cognitif causal.
Fabrizio Dell’Acqua et collègues, Navigating the Jagged Technological Frontier, Organization Science, publication en ligne le 11 mars 2026, après un working paper de 2023. Expérience avec GPT-4 sur des tâches de conseil ; généralisation à d’autres contextes à examiner. Sources consultées le 27 octobre 2026.
