Jusqu’où peut-on utiliser l’IA de manière éthique et responsable ? Pour faire la recherche préalable à l’écriture ? Pour résumer les documents trouvés dans cette première étape ? Pour corriger un premier jet ?
Que j’aie à produire des documents d’appui pour orienter l’action de mon organisation ou des messages publicitaires pour rejoindre ma clientèle, l’attrait que représente aujourd’hui l’IA comme outil dans la réalisation de telles tâches est devenu quasi irrésistible. Tout le monde le fait ! Et puis, si ça me permet d’être performant et de rencontrer ou même dépasser mes objectifs, alors, pourquoi pas ?
En fait plusieurs raisons devraient nous porter à limiter et encadrer sévèrement l’utilisation de l’IA dans la production discursive et intellectuelle de nos organisations. Pour des raisons éthiques d’abord puis de maintien (et développement) de nos compétences en terme d’écriture et de compréhension de la matière dont traitent nos productions intellectuelles.
À propos d’éthique
James O’Sullivan, dans un court article (vous n’aurez pas besoin de le faire résumer par l’IA, il ne comprend que 1800 mots), développe bien cet aspect de la question dans Écrire avec l’IA revient à laisser l’IA écrire à votre place (ma traduction). Il souligne avec force le fait, incontournable, que l’IA s’est construite de manière illégitime :
Les corpus d’entraînement des grands modèles linguistiques comprennent des milliards de mots issus de textes protégés par le droit d’auteur, souvent récupérés sans le consentement ni la rémunération des auteurs qui les ont produits. Chaque résultat généré par ces modèles découle de cette appropriation ; il s’ensuit donc que lorsqu’un écrivain utilise un modèle linguistique à n’importe quelle étape de son processus de création, il intègre les fruits d’un travail détourné dans une œuvre qu’il présentera par la suite comme sienne. (…) Le manquement éthique est ici double. Il y a d’abord l’appropriation initiale des données d’entraînement, que l’auteur individuel n’a pas commise et pour laquelle il n’assume aucune responsabilité directe, mais il y a ensuite la dissimulation du rôle du modèle dans le processus de composition, que l’auteur commet chaque fois qu’il publie un travail assisté par l’IA sans le mentionner, et pour laquelle il assume l’entière responsabilité.
O’Sullivan a des mots durs envers les écrivains :
si le fait de composer un paragraphe à partir de vos propres ressources cognitives vous semble si pénible que vous avez besoin d’une machine pour le faire à votre place ou pour corriger ce que vous avez écrit, alors vous n’êtes, pour parler franchement, pas un écrivain.
Sa conclusion :
Ce qu’il faut, au minimum, c’est la divulgation. Si un texte a été façonné, à n’importe quelle étape de sa composition, par la production d’un modèle linguistique, ce fait devrait être clairement indiqué, afin que les lecteurs puissent évaluer par eux-mêmes à quel type d’objet ils ont affaire.
Quand l’IA résume
Dans AI Summaries Are Making You Worse at Reading Sam Illingworth souligne à quel point les résumés produits par l’IA échappent parfois l’essentiel. Je n’ai pas traduit l’ensemble de l’article mais quelques extraits rassemblés dans ce document. La lecture de résumés plutôt que celle des originaux affaiblit la compréhension… ce qui, dit ainsi, apparaît évident !
Lorsque l’IA supprime l’effort de collecte et de synthèse des sources, le travail mental qui consolide la compréhension n’a jamais lieu. (…) La lecture approfondie favorise l’empathie, l’imagination, la pensée critique et l’introspection.
Ce ne sont pas des options facultatives. Ce sont les mécanismes par lesquels la lecture produit la compréhension. La lecture en diagonale, prévient Wolf, les érode au fil du temps. La personne qui survole ne se contente pas de passer à côté d’informations. Elle perd la capacité de les traiter.
Les résumés générés par l’IA constituent un survol à l’échelle industrielle. Ils fournissent des conclusions sans contexte, des résultats sans nuance, des réponses sans les questions qui les ont produites.
Apprendre et maintenir ses compétences
Dans le même document, j’ai aussi inclus des extraits (traduits) de There Are Three Ways to Learn With AI. Most People Use None of Them par le même Sam Illingworth. Une recherche randomisée auprès de 52 programmeurs ayant ou non utilisé l’IA permet d’identifier à quel point l’utilisation de l’IA peut réduire la compétence plutôt que de la construire… et à quelle condition son utilisation peut être positive.
Évidemment, cette expérience porte sur des codeurs (en Python) et non des producteurs de textes, mais on peut faire la transcription. La conclusion de Illingworth :
Le groupe témoin [qui n’a pas utilisé l’IA] a rencontré plus d’erreurs. Ses membres ont passé plus de temps bloqués. Ils ont fait état de plus de frustration.
Ils ont également déclaré avoir pris plus de plaisir et avoir davantage appris.
Ce n’est pas un paradoxe. C’est une pédagogie bien établie. C’est dans la lutte que l’apprentissage se produit. Lorsque l’IA élimine la friction, elle élimine le mécanisme par lequel la compréhension se forme.
Ce que cela signifie pour toute personne utilisant l’IA dans son travail
Chaque fois que vous utilisez l’IA pour rédiger un e-mail sans le lire attentivement, vous vous entraînez à ne pas lire attentivement. Chaque fois que vous acceptez un résumé sans vérifier la source, vous vous entraînez à ne pas vérifier les sources. Chaque fois que vous collez une erreur dans un chatbot et acceptez la correction, vous vous entraînez à ne pas déboguer.
Gerlich (2025) a constaté qu’une utilisation fréquente de l’IA était associée à une détérioration de la pensée critique chez les travailleurs du savoir. Non pas parce que l’outil est mauvais. Mais parce que le mode d’utilisation forge une habitude cognitive : déléguer, accepter, passer à autre chose.
Cette habitude s’installe. Et elle s’installe discrètement, car le résultat semble toujours compétent.
Pourquoi cela importe au-delà du codage
Si vous dirigez une équipe, demandez-leur comment ils utilisent les outils d’IA. Pas s’ils les utilisent. Comment. La différence entre délégation et questionnement est la différence entre déqualification et développement.
Si vous enseignez, cette étude vous apporte la preuve de ce que les bons éducateurs ont toujours su : la friction n’est pas l’ennemie de l’apprentissage. C’est le mécanisme.
Que retenir ?
Il ne faut pas interdir l’utilisation de l’IA mais l’encadrer. Exiger la divulgation de son utilisation (pour faire quoi, à quelle étape de la production textuelle).
Les objectifs quantitatifs qui induisent une utilisation extensive de l’IA peuvent conduire à une déqualification des personnels et à des produits de belle apparence mais peu fiables.