L'IA te fait croire que tu es bon.

18 mois d'IA intensive. Puis 48h sans.

J'utilise l'IA tous les jours depuis 18 mois. LinkedIn, scripts internes, analyse de CSV prospects, emails commerciaux, debug Python. Pas une journée sans Claude ou Mistral ouverts à côté du terminal.

J'ai voulu tester un truc il y a trois semaines. J'ai coupé l'IA pendant 48h sur les tâches que je faisais avec elle. Pas par discipline. Par curiosité.

Le résultat m'a mis une claque.

Lundi matin, brief commercial à rédiger. Sans IA, j'ai mis 30 minutes pour deux paragraphes. Avec Claude, j'en aurais sorti cinq en trois minutes.

Sauf que mes deux paragraphes étaient plus précis. Plus à moi. Plus tranchants. L'IA m'avait fait perdre du tempo, pas de la qualité. Sur la rédaction, je voyais la dépendance arriver.

Sur l'analyse, c'était pire.

J'ai voulu refaire à la main un scoring de prospects que je laissais Claude faire. J'ai mis une heure à reconstruire la logique de pondération. La logique que j'avais « construite » trois mois plus tôt en réalité. Sauf que je l'avais juste prompée. Le raisonnement réel, je ne l'avais pas dans la tête. Claude l'avait, lui.

Ce qui m'a frappé n'est pas le temps perdu. C'est ce que ces 48h ont révélé : la frontière entre ce que je savais vraiment et ce que l'IA produisait à ma place s'était floutée. Sans m'en rendre compte.

C'est exactement ce que mesure une étude que je suis tombé dessus la semaine d'après. Avec des chiffres précis. Sur 698 personnes.

La science a mis un chiffre là-dessus

L'étude s'appelle AI makes you smarter but none the wiser : The disconnect between performance and metacognition. Publiée dans Computers in Human Behavior en 2025. Auteurs : Fernandes, Belém et al.

Le design est simple. 698 participants. Deux études distinctes. On leur fait passer des tests de raisonnement logique calibrés sur du LSAT. La moitié travaille avec ChatGPT. L'autre moitié travaille sans.

Résultats à deux niveaux.

Niveau performance : le groupe ChatGPT obtient en moyenne 3 points de plus sur les tests. Logique. L'outil amplifie.

Niveau métacognition : on demande aux participants combien ils pensent avoir obtenu. Le groupe ChatGPT répond 17 sur 20. Leur score réel : 13 sur 20. 4 points d'écart entre ce qu'ils croyaient faire et ce qu'ils faisaient vraiment.

Les chercheurs ont voulu être sûrs. Ils ont ajouté une incitation financière à être précis. Plus l'estimation est juste, plus le participant gagne d'argent. Le biais n'a pas bougé. Les gens continuaient de se surestimer, même quand c'était dans leur intérêt direct d'être lucides.

Le paradoxe de l'expert augmenté

Ce qui suit est ce que personne ne souligne dans cette étude.

L'étude mesure aussi la familiarité avec l'IA des participants. Combien d'heures par semaine ils utilisent ChatGPT, depuis quand, sur quelles tâches.

Tu t'attendrais à ce que les plus expérimentés se surestiment moins. Logique : ils connaissent l'outil, ils savent quand il hallucine, ils ont vu ses limites. Ils devraient être les plus calibrés.

C'est l'inverse.

Les participants avec la plus haute familiarité avec ChatGPT se surestimaient plus que les autres. Pas moins. Plus.

L'explication est inconfortable. La familiarité avec l'IA crée un sentiment de maîtrise sur les sujets qu'on lui soumet. Plus tu l'utilises, plus tu identifies ton cerveau à l'outil. Plus tu confonds la production de l'outil avec la tienne.

Le pire moment de cette dynamique : quand tu te présentes en réunion comme expert sur un sujet que tu n'aurais pas pu construire sans Claude derrière. Toi, tu vois la familiarité avec le sujet. Les autres voient un expert. Mais l'expert, c'est en partie l'outil.

Cette confusion n'est pas anodine. Elle modifie progressivement ton rapport à tes propres compétences. Tu deviens incapable de mesurer ce que tu produirais sans assistance. Et tu perds la vigilance sur ce qui mérite d'être maîtrisé en propre.

L'outil améliore. Et rend aveugle à tes limites en même temps.

Pourquoi le cerveau se fait avoir

Les psychologues ont un nom pour ce phénomène. L'illusion d'explanatory depth.

Le principe est simple. Quand une explication arrive de façon fluide et articulée, ton cerveau enregistre la compréhension comme si tu l'avais produite. Même si tu n'as fait que la lire.

L'étude originale sur l'IED date de 2002. Des chercheurs de Yale ont demandé à des participants d'expliquer comment fonctionne un objet quotidien. Une fermeture éclair. Un toilettes. Un cylindre de serrure. Tout le monde se disait capable de l'expliquer. Personne n'y arrivait au moment de le faire.

Avec l'IA, ce mécanisme est démultiplié. Tu poses une question. Tu reçois une réponse claire, structurée, articulée. Ton cerveau enregistre : j'ai compris. La sensation de compréhension est là. La compréhension réelle, non.

Exemples concrets que je vois chez mes clients toutes les semaines.

Rédaction : un dirigeant qui signe une note stratégique générée par Claude. Il pense l'avoir pensée. Trois semaines plus tard, en réunion, il ne peut pas défendre les nuances qu'il a « écrites ».

Analyse : un analyste qui présente une synthèse de marché. Les chiffres viennent de Perplexity. La narration vient de ChatGPT. Sa contribution réelle est de coller les deux. Mais il se présente comme l'analyste du dossier.

Code : un développeur qui livre une fonctionnalité construite avec Copilot. Quand un bug arrive en production, il ne sait pas où il est. Le code n'est pas dans sa tête. Il n'a pas écrit la logique. Il a accepté des suggestions.

Décision stratégique : un fondateur qui fait son business plan avec Claude. Les hypothèses sortent du modèle. Le plan a l'air solide. Mais à la première question d'investisseur sortant du cadre du document, il s'effondre.

Dans chaque cas, l'outil a produit quelque chose d'exploitable. Sauf que l'humain n'a pas construit le raisonnement qui le sous-tend. Et ne peut pas le défendre quand quelqu'un sort du script.

L'effet Dunning-Kruger a disparu avec l'IA

Tu as peut-être entendu parler de l'effet Dunning-Kruger.

Découvert en 1999, documenté depuis dans des centaines d'études. Le principe : les moins compétents se surestiment le plus. Les experts s'estiment avec plus de précision, parfois même se sous-estiment.

C'est une courbe presque universelle dans la cognition humaine.

Avec l'IA, elle s'efface.

L'étude Fernandes le mesure clairement. Quand les participants travaillent sans ChatGPT, tu retrouves la courbe Dunning-Kruger classique. Les moins forts surestiment beaucoup, les forts surestiment peu.

Quand ils travaillent avec ChatGPT, tout le monde se surestime de façon uniforme. 4 points d'écart pour les débutants. 4 points d'écart pour les experts. Le niveau de calibration métacognitive devient une constante.

Ce n'est pas un problème de débutants qui découvrent l'outil. C'est structurel. L'IA crée une couche de production qui se superpose à la cognition humaine, et qui empêche le cerveau de mesurer correctement la frontière entre ce qu'il sait et ce qu'il ne sait pas.

Ce que les meilleures utilisations de l'IA ont en commun

J'ai déployé une dizaine de systèmes IA chez des clients en 2025. Pipelines de prospection, agents de support, automatisations process.

Ce qui distingue ceux qui produisent des résultats réels de ceux qui s'enlisent n'est pas la qualité des prompts. Ce n'est pas le choix du modèle. Ce n'est même pas le budget.

C'est la profondeur de la compréhension du problème en amont.

Les systèmes qui marchent sont construits par des gens qui savent exactement quel résultat business ils cherchent, quelle est la mesure de succès, quelle est la séquence de décisions qui produit ce résultat actuellement, et où dans cette séquence l'IA peut amplifier.

Ceux qui s'enlisent sautent ces étapes. Ils partent du « je veux automatiser avec l'IA ». Ils choisissent un cas d'usage qui sonne bien. Ils branchent des outils. Et trois mois plus tard, ils ne savent toujours pas si ça a apporté quelque chose.

La différence est invisible au moment du choix. Elle apparaît à la livraison.

Ce qui est rassurant dans ce constat, c'est qu'il n'a rien à voir avec la technique. La compétence qui produit les meilleurs systèmes IA est une compétence de pensée structurée. Disponible à tout le monde. Pas réservée aux développeurs. Pas réservée aux experts. Mais elle se travaille. Et elle ne se délègue pas à l'outil.

5 façons de ne pas perdre tes capacités

Voilà ce que j'ai mis en place après les 48h sans IA. Pas une discipline rigide. Une hygiène.

Travailler sans l'IA d'abord, même 10 minutes. Sur n'importe quelle tâche un peu sérieuse, je commence sans Claude ouvert. Je rédige une première version. Je note les hypothèses. Je formule la question. Le contraste entre ce que je produis seul et ce que je produis avec l'outil me dit exactement ce que je sais vraiment.

Si ma version solo et ma version assistée se ressemblent, c'est que je maîtrise. Si elles divergent fortement, c'est que je délègue plus que je ne crois. Cette mesure calibre ma confiance pour les semaines suivantes.

Utiliser l'IA pour aller plus loin sur ce que tu comprends déjà. Pas pour remplacer la réflexion initiale. La nuance change tout. Aller plus loin, c'est partir d'une idée à moi, puis demander à Claude d'élargir, de challenger, d'approfondir, de tester un contre-exemple.

Remplacer, c'est partir d'un prompt vide et signer la sortie. Le premier mode amplifie. Le deuxième érode. Avec le temps, tu sens la différence dans tes propres réflexes. Le mode amplifie fatigue moins. Le mode remplace laisse vide.

Tester régulièrement ta valeur sans elle. Une fois par semaine, je prends un sujet complexe et je le travaille sans assistance. Pas pour me priver. Pour calibrer.

C'est comme un musicien qui joue sans métronome de temps en temps pour vérifier qu'il garde le tempo dans la tête. La discipline est inconfortable au début. Tu te rends compte que tu cherches Claude par réflexe. Au bout de quelques semaines, le réflexe se dissout.

Documenter ce que tu sais vraiment vs ce que l'IA a produit à ta place. Quand je livre un système à un client, je distingue explicitement les éléments que j'ai construits en propre des éléments où l'IA a fait le gros du travail.

Ça paraît anecdotique. C'est crucial. Plus tard, quand il faut maintenir le système, je sais où je peux intervenir tête haute et où je dois rouvrir Claude pour reconstruire le contexte.

Garder une compétence de référence que tu exerces sans assistance. Une discipline où tu refuses l'IA, peu importe le contexte. Pour moi, c'est l'écriture de notes courtes destinées à ma propre réflexion.

Pas les emails. Pas les posts LinkedIn. Pas les rapports. Mes notes perso. Trois lignes par jour. Cette compétence reste un terrain où je sais exactement où j'en suis. Elle me sert de baseline pour mesurer toutes les autres.

La vraie compétence en 2026

Ce n'est pas d'utiliser l'IA. Tout le monde va le faire. C'est déjà le cas.

C'est de savoir exactement ce que tu vaux sans elle. Et d'utiliser ça comme baseline pour mesurer ce qu'elle t'apporte vraiment.

Sans cette référence, tu ne sais plus si tu progresses ou si tu décroches.

Les systèmes IA que je déploie chez mes clients ne remplacent pas la compétence des équipes. Ils la décuplent. C'est exactement la même logique au niveau individuel.

Quand l'humain reste lucide sur ce qu'il sait faire, l'outil amplifie. Quand il s'efface, l'outil comble. Et personne ne mesure ce qui s'est érodé jusqu'au jour où l'outil disparaît.