Il a passé une heure sur ChatGPT ce matin-là. Des questions précises, des ramifications explorées, des réponses détaillées et adaptées à son niveau. Il est reparti avec le sentiment d’avoir “compris” quelque chose. Trois mois plus tard, rien n’avait changé dans sa façon de travailler.
Ce n’est pas une anecdote. C’est un schéma.
Et la bonne nouvelle, si on peut appeler ça comme ça, c’est que ce schéma existait bien avant l’IA. On l’appelait le développement personnel.
Le développement personnel avait déjà tout prévu
Le développement personnel est une industrie de 40 milliards de dollars. Elle promet la transformation — par la lecture, les conférences, les podcasts, le coaching. Elle délivre, le plus souvent, un sentiment de transformation.
Le mécanisme est simple : consommer du contenu inspirant génère une réponse émotionnelle réelle. On se sent différent après avoir lu un bon livre sur la discipline ou la prise de décision. On se sent plus compétent sans avoir rien produit. Le cerveau traite le frisson de la reconnaissance, “c’est exactement ça !”, comme un apprentissage.
Ce n’est pas un apprentissage.
L’IA a pris ce mécanisme et l’a poussé à un niveau d’efficacité sans précédent.
Ce que la révolution a vraiment changé
800 millions d’utilisateurs hebdomadaires. 2,5 milliards de prompts par jour. L’accès à la connaissance est désormais gratuit, illimité, disponible à 3h du matin — et, c’est la vraie nouveauté, personnalisé.
La rupture n’est pas dans l’accès. Elle est dans la forme de cet accès.
Avant l’IA, consommer de la connaissance ressemblait à de la consommation. Un livre est passif. Un podcast est passif. On savait qu’on consommait, même quand on se racontait qu’on “apprenait”.
Maintenant, l’IA répond. Elle reformule si tu n’as pas compris. Elle va plus loin si tu pousses. Elle s’adapte à ce que tu ne sais pas encore. Pour la première fois dans l’histoire, consommer de la connaissance ressemble à un dialogue cognitif. Et le cerveau, qui n’a pas évolué pour faire la différence, traite ce dialogue comme de la pensée.
Ce n’est pas de la pensée. C’est du confort habillé en effort.
90 % au bord du chemin
Sur Twitter, 75 % des utilisateurs n’ont jamais publié un seul tweet. Sur Reddit, plus de 90 % des comptes n’ont jamais posté. Ces chiffres datent d’avant l’IA — ils décrivent une réalité qui n’a pas changé : la passivité est le comportement par défaut, sur toutes les plateformes, dans tous les contextes.
En 2006, le chercheur en UX Jakob Nielsen a formalisé ce phénomène sous le nom de “participation inequality” : dans n’importe quelle communauté en ligne, 90 % des participants sont des observateurs, 9 % contribuent occasionnellement, et 1 % produisent la quasi-totalité du contenu. La courbe est stable depuis vingt ans. Elle ne dépend pas des outils. Elle ne dépend pas de l’accès.
L’IA n’a pas modifié cette distribution.
Elle a rendu les 90 % plus à l’aise dans leur position.
Feynman n’a pas accès à votre compte
Richard Feynman avait un test. Si vous ne pouvez pas expliquer quelque chose simplement, sans jargon, à quelqu’un qui ne connaît pas le sujet, c’est que vous ne le comprenez pas vraiment. Vous avez les mots. Pas la compréhension.
Ce test est brutal. Il est juste.
Le problème, maintenant, c’est que l’IA passe le test à votre place. Posez-lui n’importe quelle question technique, elle produit une explication claire, accessible, bien structurée. Vous lisez l’explication. Vous la trouvez bonne. Vous n’avez pas eu à la construire. Donc vous n’avez pas eu à développer la capacité de savoir si vous comprenez.
La science cognitive a un nom pour le mécanisme inverse : l’effet de génération. Une étude publiée dans le Proceedings of the National Academy of Sciences sur des cours universitaires a montré que les étudiants en apprentissage actif, ceux qui produisent, résolvent, génèrent, obtiennent de meilleurs résultats que ceux en cours magistral passif. Le paradoxe : les étudiants en cours magistral se sentent mieux formés. Ils évaluent mieux leur propre apprentissage. Et ils performent moins bien aux tests indépendants.
L’illusion de compétence est inversement proportionnelle à l’effort de production.
L’IA est la machine à fabriquer des illusions de compétence la plus sophistiquée jamais construite.
Les degrés de la production
Je code des agents LLM depuis quelques mois — principalement sur VS Code, avec des outils d’assistance comme GitHub Copilot. Ma compréhension du code a progressé. Réellement. Je comprends des concepts que j’ignorais, je repère des erreurs que je ne voyais pas, je lis une architecture que j’aurais été incapable d’interpréter il y a un an.
Mais cette compréhension est bornée. Précisément bornée à ce que j’ai réellement fait.
Je ne maîtrise pas le sous-jacent. Je ne suis pas capable d’écrire une fonction propre sans assistance. Parce que j’ai principalement prompté, donné des instructions, corrigé des sorties, validé des résultats, sans jamais avoir à construire la logique moi-même, ligne par ligne, avec les erreurs qui vont avec.
Il y a des degrés dans la production. Prompter un agent pour qu’il génère du code, c’est produire quelque chose — mais ce n’est pas coder. Faire rédiger un texte à l’IA et l’éditer, c’est produire — mais ce n’est pas écrire. La compréhension que vous développez est exactement proportionnelle à la part du travail cognitif que vous avez refusé de déléguer.
L’IA excelle à effacer les frictions techniques. C’est précisément ce qui la rend problématique pour l’apprentissage réel : on peut y produire quelque chose sans jamais avoir à penser jusqu’au bout.
Le paradoxe terminal
La barrière à la production a objectivement baissé. Les outils sont moins chers, plus accessibles, plus puissants. N’importe qui peut aujourd’hui construire un agent, publier un article, monter une analyse qui aurait demandé des semaines il y a cinq ans.
Et pourtant le nombre de producteurs réels n’a pas augmenté proportionnellement.
Parce que la barrière n’était pas technique. Elle ne l’a jamais été. La vraie barrière, c’est la friction psychologique : le moment où on ne sait pas comment continuer, où on bloque, où on rate et où on doit recommencer sans filet. C’est cette friction-là, inconfortable, invisible, résistante, qui produit la compréhension réelle.
L’IA enlève les obstacles techniques. Elle ne touche pas à l’obstacle psychologique. Et comme elle rend la passivité plus stimulante, plus interactive, plus ressemblante à de l’engagement, elle rend paradoxalement le saut vers la production plus difficile, pas plus facile.
Le fossé entre ceux qui construisent vraiment et ceux qui interrogent ne se voit pas de l’extérieur. Les deux “utilisent l’IA”. Les deux passent du temps dessus. Les deux ont le sentiment de progresser.
Ce n’est pas le même fossé.
Ce que vous avez produit avec ça
La démocratisation de l’accès au savoir est réelle. Elle est précieuse. Dans des dizaines de contextes (éducation, santé, recherche), elle change des vies, et mérite d’être défendue sans ambiguïté.
Elle ne dispense pas de la démarche inverse.
La compréhension a un coût fixe qui n’a pas bougé : construire quelque chose avec ce qu’on croit savoir. Coder un truc, même maladroit. Écrire un texte, même imparfait. Prendre une décision en terrain inconnu et vivre avec les conséquences. Ce n’est pas une posture romantique sur l’effort. C’est la mécanique qui n’a pas changé — et qui ne changera pas, peu importe ce que coûte l’accès.
La vraie question que pose la révolution IA n’est pas “avez-vous accès ?”
Elle n’a jamais été là.
La vraie question est : qu’avez-vous produit avec ça ?