Que savons-nous encore faire seuls après l’aide de l’IA ?

Imaginons une formation interne : une participante travaille sur un cas difficile, utilise une aide par l’IA puis présente une solution convaincante. Une observation décisive manque encore pour évaluer la formation. Face à la prochaine tâche, légèrement différente, que pourra-t-elle expliquer et décider par elle-même ?

Cette question concerne autant la formation médicale que le développement des responsables. Pour assumer des responsabilités, il faut des occasions de construire sa propre représentation du problème. L’IA peut enrichir ces occasions. Elle peut aussi prendre en charge précisément les étapes sur lesquelles la personne aurait dû apprendre. L’effet dépend notamment de la conception de l’aide et du moment où elle intervient.

Deux études, deux cadres d’apprentissage

À l’automne 2023, Bastani et ses collègues ont étudié près de mille élèves d’un établissement turc lors d’exercices de mathématiques. Une aide GPT-4 ordinaire améliorait les résultats pendant les exercices, mais s’accompagnait d’un score moyen inférieur de 17 % à celui du groupe témoin lors de l’épreuve immédiatement suivante, sans aide. Une variante encadrée sur le plan pédagogique évitait largement ce désavantage, sans avantage démontré sur le groupe témoin lors de cette épreuve. L’étude publiée en 2025 couvre quatre séquences de cours et n’évalue pas la compétence professionnelle à long terme. [1]

En 2025, Kestin et ses collègues ont rapporté une autre expérience. À l’automne 2023, 194 étudiants inclus dans l’analyse d’un cours de physique à Harvard avaient suivi deux unités d’apprentissage selon des modalités alternées. Le tutorat par l’IA, soigneusement préparé, conduisait à de meilleurs résultats immédiats que l’enseignement actif en présentiel étudié. L’essai porte sur des contenus sélectionnés et de courtes séquences d’apprentissage. Il ne démontre pas une supériorité générale sur les enseignants. [2]

Il ne faudrait ni agréger ces études en un taux de réussite commun ni les condenser en un verdict sur toute forme d’apprentissage avec l’IA. Elles comparent des populations, des contenus et des modalités pédagogiques différents. Pour la pratique, elles ouvrent une question plus précise : quel travail intellectuel l’aide accomplit-elle et lequel la personne exerce-t-elle réellement elle-même ?

Placer l’objectif d’apprentissage avant le choix de l’outil

Pour une organisation, je commencerais par une phrase : après cette séquence, la personne doit pouvoir justifier une décision précise dans une situation définie. La question de l’aide à lui fournir vient ensuite.

Prenons un exemple fictif de formation des responsables : une équipe doit évaluer une note proposant le déploiement d’un logiciel. L’objectif est de repérer les hypothèses manquantes et de formuler une demande de précision justifiée. Demander immédiatement à l’IA de trouver toutes les faiblesses peut donner un excellent texte. Cela ne permet pas de savoir si les participants ont appris à reconnaître eux-mêmes une hypothèse manquante.

Un autre ordre crée une observation supplémentaire. Chaque personne note d’abord sa décision et une incertitude. Une aide par l’IA autorisée peut ensuite poser des questions ou donner un indice choisi. Enfin, les participants traitent un cas modifié. Les différences entre ces trois résultats deviennent le sujet de la discussion commune.

Ce déroulement est ma proposition de conception. Les études citées n’en ont pas évalué l’effet dans un séminaire de responsables en Allemagne. Son intérêt premier est de rendre la capacité recherchée visible et les effets de l’aide vérifiables.

Garder une trace de son propre raisonnement

Si seule la dernière réponse est conservée, le chemin qui y conduit disparaît. Pour apprendre, une documentation supplémentaire très légère peut aider : l’hypothèse initiale, l’indice décisif et la justification de la décision finale. Quelques phrases suffisent.

Cette trace devrait servir l’apprentissage. Elle ne doit pas être réaffectée discrètement à la surveillance des performances individuelles. Les responsables devraient expliquer à l’avance qui voit les résultats, comment ils seront discutés et quand ils seront supprimés. Des cas fictifs permettent de travailler ensemble sans introduire de données de patients ni d’opérations confidentielles de l’entreprise dans un système d’aide.

Pour les contenus médicaux, une responsabilité professionnelle s’ajoute. L’équipe de formation doit fixer les tâches, les raisonnements attendus et les limites autorisées. Un modèle de langage peut aider à formuler les exercices si un environnement adapté existe. La validation des contenus et l’évaluation de la compétence clinique restent confiées à des personnes qualifiées.

Quelles capacités doivent rester disponibles sans aide ?

L’indépendance complète à l’égard de tout outil ne constitue pas un objectif général pertinent. Le travail professionnel utilise des ouvrages de référence, la coopération et des outils techniques. L’organisation doit déterminer quelles capacités une personne devrait pouvoir mobiliser immédiatement et dans quels cas consulter soigneusement une référence ou demander de l’aide à temps est le comportement souhaité.

Je préparerais cette décision à partir de trois questions. À quelle vitesse faut-il pouvoir réagir ? Quelles seraient les conséquences d’un premier geste erroné ? Comment la personne reconnaît-elle qu’elle a besoin d’aide ? On peut ainsi justifier le choix des capacités à exercer de manière autonome.

Dans un exercice organisationnel, reconnaître l’absence d’une autorisation pourrait, par exemple, faire partie des savoirs immédiatement disponibles. L’identité exacte du responsable pourrait ensuite être recherchée dans un répertoire autorisé. On vérifierait alors si la personne repère le besoin de clarification et utilise la bonne voie pour le résoudre. La différence entre une demande d’aide adaptée et une dépendance inaperçue devient concrète.

La limite précise dépend du métier et de la tâche. Une formation générale à l’IA peut aider à la préparer, mais ne peut certifier une qualification professionnelle. Évaluer une telle qualification exige des critères adaptés, suffisamment d’observations et la responsabilité correspondante.

Apprendre suppose aussi de revenir plus tard

Une formation se termine souvent, sur le plan organisationnel, avec son dernier point de programme. Pour savoir quelle compétence subsiste, un contact ultérieur est plus utile. Après un délai convenu, le groupe reçoit une nouvelle tâche courte. Il doit appliquer le même principe malgré une modification des caractéristiques apparentes du cas.

Le délai et la difficulté devraient correspondre à la capacité visée. Une tâche ultérieure peut aussi montrer que la première séquence n’a pas suffi. Une reprise ciblée ou une autre explication devient alors nécessaire. Un essai d’apprentissage infructueux renseigne sur la formation, tant qu’on n’en tire pas une conclusion hâtive sur la valeur de la personne.

Les participants devraient aussi comprendre le lien entre l’exercice ultérieur et l’objectif initial. Ils doivent pouvoir reconnaître ce qui est devenu plus facile, les points pour lesquels ils doivent encore consulter des références et les situations où ils solliciteraient des collègues. Ce retour devient ainsi utile pour eux aussi.

J’en tire une décision concrète de direction : introduire l’IA dans la formation devrait s’accompagner d’une définition de la manière dont la compétence autonome sera rendue visible. Une bonne solution obtenue avec une aide a de la valeur. Pour développer des professionnels, une seconde responsabilité s’y ajoute : créer les conditions dans lesquelles ils comprendront de mieux en mieux leur prochaine décision par eux-mêmes.