Une organisation qui déploie de l’IA constate un gain rapide, réel et mesurable. Les tâches se font plus vite, les documents sortent, les analyses arrivent. Rien de ce constat n’est faux.
Ce qui manque au constat, c’est l’autre moitié de l’opération : ce que l’organisation cesse d’exercer pendant ce temps. Cette moitié-là ne s’inscrit dans aucun tableau de bord, parce qu’elle ne produit aucun événement. Elle se manifeste plus tard, d’un coup, au moment où il faut juger.
Le mythe du gain net
Un gain de productivité se lit sur une période courte et sur un périmètre étroit : ce dossier, cette équipe, ce trimestre. Une perte de capacité se lit sur une période longue et sur un périmètre large — et elle ne se lit que si quelqu’un a pensé à la mesurer, ce que personne ne fait.
Le résultat n’est pas un mensonge comptable, c’est une asymétrie d’observation. L’organisation voit ce qu’elle a gagné parce que le gain produit des livrables. Elle ne voit pas ce qu’elle a perdu parce que la perte ne produit rien — jusqu’au jour où elle produit un incident.
C’est aussi une asymétrie de responsabilité. Celui qui décide du déploiement est évalué sur le gain ; celui qui découvrira la perte n’est pas encore en poste.
La dette cognitive
Le terme vient de Mohammad Hossein Jarrahi, professeur en sciences de l’information à l’université de Caroline du Nord à Chapel Hill, qui la définit comme la perte accumulée et invisible de compétence, de jugement et de capacité qui se produit lorsqu’une organisation automatise de manière à réduire la pratique, l’apprentissage et l’appropriation (Cognitive World).
L’analogie avec la dette technique est exacte sur un point : on emprunte du temps, et l’emprunt est souvent rationnel sur le moment. Elle est trompeuse sur un autre : une dette technique se constate en ouvrant le code, une dette cognitive ne se constate qu’en mettant quelqu’un en situation de décider sans assistance.
On gagne quelque chose à court terme, qui peut se solder par des pertes à long terme.
Jarrahi décrit trois formes que prend l’addition : une fragilité opérationnelle, une dégradation de la qualité, et un flou sur qui répond de quoi. Les trois se ressemblent en ceci qu’aucune ne s’impute à l’IA quand elle survient.
Un signal venu de la médecine
L’observation la plus nette ne vient pas du monde de l’entreprise. Une étude observationnelle multicentrique publiée dans The Lancet Gastroenterology & Hepatology a mesuré, dans quatre centres d’endoscopie polonais, le taux de détection d’adénomes lors des coloscopies réalisées sans assistance IA, avant et après l’introduction de l’outil dans ces mêmes centres.
Le taux a baissé de six points (Lancet Gastroenterology & Hepatology). Les praticiens n’avaient pas changé ; ce qui avait changé, c’est ce qu’ils avaient pris l’habitude de ne plus faire eux-mêmes. Les auteurs y voient la première observation en conditions réelles d’une perte de compétence induite par l’automatisation, rattachée à un résultat pour le patient.
Deux précautions s’imposent avant de transposer. C’est un geste médical très spécifique, mesuré par un indicateur qui lui est propre ; rien ne permet d’en déduire un pourcentage pour une autre activité. Et la coloscopie assistée détecte davantage que la coloscopie seule : l’outil fait ce qu’on lui demande.
Ce que le cas démontre est plus étroit, et suffisant : une capacité professionnelle acquise, exercée quotidiennement par des praticiens expérimentés, peut se dégrader de manière mesurable en quelques mois d’assistance. Ce n’est pas une hypothèse sur l’avenir du travail. C’est un relevé.
Ce qui s’érode, et ce qui résiste
Le BCG a interrogé soixante-dix dirigeants et cadres dirigeants sur ce phénomène. Un sur deux déclare l’observer déjà dans son organisation, et plus de six sur dix estiment qu’il constituera une menace matérielle dans les trois à cinq ans (BCG).
Le point le plus inconfortable de cette étude n’est pas le volume, c’est le recouvrement : les compétences que ces dirigeants citent comme les plus critiques pour la performance à long terme sont exactement celles qu’ils voient s’éroder.
- Le jugement et la décision. Trancher avec une information incomplète, et assumer.
- La compréhension et le cadrage du problème. Savoir quelle est la question avant de chercher la réponse — ce que l’IA ne fait jamais à votre place, puisqu’elle répond à celle qu’on lui pose.
- La pensée créative. Produire l’option qui n’était pas dans la liste.
À l’inverse, l’étude identifie des compétences relativement protégées, et leur caractéristique commune mérite d’être notée : ce sont des compétences de relation, pas de production. L’empathie et l’écoute active, qui entretiennent le tutorat que l’IA déplace silencieusement. Le leadership et l’influence sociale, qui rendent possible le désaccord structuré là où une IA converge. La motivation et la conscience de soi, qui poussent à interroger une réponse plutôt qu’à l’accepter.
Autrement dit : ce qui résiste, c’est ce qui suppose quelqu’un en face.
Protéger de la friction, plutôt que l’éliminer partout
La conclusion que Maeliom en tire n’est pas de ralentir le déploiement. Elle est de cesser de traiter toute friction comme un défaut à corriger, et de décider explicitement où elle reste.
Une organisation sait déjà faire cela ailleurs. Elle maintient des exercices d’évacuation qu’elle espère inutiles, des essais de restauration de sauvegarde qui ne servent qu’une fois, des doubles validations qui ralentissent. Personne n’appelle cela de la perte de productivité : on appelle cela un entretien de capacité.
- Nommer les décisions qui ne se délèguent pas, et l’écrire — pas par principe, mais parce qu’une règle non écrite cède au premier trimestre tendu.
- Conserver des exercices sans assistance sur les gestes critiques, à intervalle régulier, comme on éprouve une sauvegarde.
- Exiger le cadrage avant l’outil : la question posée est un livrable en soi, et c’est celui qui disparaît le plus discrètement.
- Mesurer la capacité, pas seulement la production. Personne ne sait aujourd’hui répondre à « que saurions-nous encore faire sans ces outils », et c’est précisément la question qui manque.
Aucun de ces gestes n’est technique. Tous supposent d’avoir tranché ce que l’organisation veut rester capable de faire — ce qui est une question de positionnement avant d’être une question d’outillage. C’est le terrain sur lequel intervient Maeliom Consulting : décider ce qui compte avant d’instrumenter, plutôt que l’inverse.
Le niveau où tout cela se joue vraiment
Une organisation ne perd pas sa capacité de jugement en tant qu’organisation. Elle la perd une personne à la fois — et d’abord chez celles qui n’ont pas encore eu le temps de l’acquérir.
C’est l’objet du deuxième volet de cette série : l’IA doit accélérer une compétence, jamais s’y substituer — et le vrai risque n’est pas là où on le cherche.
Questions fréquentes
Qu’est-ce que la dette cognitive ?
Le terme, proposé par Mohammad Hossein Jarrahi, professeur à l’université de Caroline du Nord à Chapel Hill, désigne la perte accumulée et invisible de compétence, de jugement et de capacité qui se produit quand une organisation automatise en réduisant la pratique, l’apprentissage et l’appropriation.
Comment l’intelligence artificielle transforme-t-elle le travail ?
Elle apporte un gain rapide et mesurable, mais son coût est différé : ce que l’organisation cesse d’exercer ne produit aucun événement jusqu’au jour où il faut juger. Les compétences les plus exposées sont le jugement, le cadrage des problèmes et la pensée créative.
Quelles compétences résistent le mieux à l’IA ?
Selon l’étude du BCG citée dans l’article, les compétences de relation : l’empathie et l’écoute, le leadership et l’influence, la motivation et la conscience de soi. Ce qui résiste, c’est ce qui suppose quelqu’un en face.
Comment protéger les compétences d’une équipe qui utilise l’IA ?
En décidant explicitement où la friction reste : nommer par écrit les décisions qui ne se délèguent pas, conserver des exercices sans assistance sur les gestes critiques, exiger le cadrage avant l’outil, et mesurer la capacité autant que la production.