Apprendre avec l’IA : comment éviter le piège du deskilling ?

Le paradoxe qui m’a alerté en formation

Depuis 3 ans que j’accompagne des professionnels sur ChatGPT, Claude et Gemini, j’observe un phénomène paradoxal. Les apprenants les plus enthousiastes — ceux qui utilisent l’IA tous les jours sans cadre — progressent moins vite que ceux qui démarrent avec méthode. Au début, j’ai cru à un biais d’échantillon. Puis j’ai croisé mes observations avec la recherche académique. Le biais n’en était pas un.

Lors d’une formation IA Qualiopi que j’ai animée pour une PME nantaise du secteur industriel, j’ai testé une évaluation surprise en fin de session. Consigne : rédiger une synthèse de 300 mots sur un dossier client — sans ChatGPT ouvert. Sur 8 participants qui utilisaient l’outil tous les jours depuis 6 mois, 5 ont été incapables de structurer une argumentation qu’ils produisaient pourtant sans difficulté 2 ans plus tôt. Le diagnostic est brutal : apprendre avec l’IA sans garde-fous érode les compétences qu’on croit renforcer.

Cette observation rejoint le débat qui traverse actuellement les sphères éducatives françaises. Dans une audition parlementaire récente, trois experts — un ancien ministre de l’Éducation, un universitaire-entrepreneur et un médecin-essayiste — ont décrit le même phénomène à l’échelle scolaire et universitaire. Et leurs conclusions s’appliquent, presque mot pour mot, à la formation professionnelle.

Ce que dit la recherche sur le deskilling

Le terme “deskilling” désigne l’érosion des compétences cognitives qui se produit quand une tâche est déléguée à un outil sans que l’opérateur ne maintienne sa pratique. C’est un phénomène documenté bien avant l’IA — on l’observe depuis les années 1970 dans l’aéronautique avec l’automatisation des cockpits. Mais avec les LLM (large language models), le deskilling frappe désormais les métiers du savoir.

Les trois signaux faibles à connaître

Les intervenants de l’audition citent trois études convergentes que j’ai recoupées. Une enquête menée à Harvard révèle un écart massif de qualité entre les devoirs à la maison (faits avec ChatGPT, excellents) et les partiels sur table (catastrophiques). À Cambridge, une étude sérieuse montre que la complémentarité IA-humain n’est pas spontanée : elle se travaille. Dans le domaine médical, les internes qui s’appuient trop tôt sur l’IA diagnostique perdent en précision clinique quand ils doivent décider sans assistance.

Pourquoi apprendre avec l’IA est plus risqué qu’il n’y paraît

Un des intervenants, Laurent Alexandre, l’a formulé sans détour : “Nous avons un risque de deskilling considérable.” Il prolonge cette analyse par une recommandation radicale — privilégier les examens à l’oral, où la triche est quasi-impossible. En formation professionnelle, j’ai transposé cette logique : toute évaluation finale de mes formations IA se fait désormais en entretien oral de 20 minutes, sans outil ouvert. Le niveau réel des apprenants est devenu visible pour la première fois.

Olivier Babeau, universitaire, ajoute une nuance importante : la complémentarité humain-IA existe, mais elle est loin d’être gagnée d’avance. Elle suppose un socle cognitif solide — lecture, calcul, raisonnement logique, culture générale. Sans ce socle, l’utilisateur ne fait que copier-coller des sorties qu’il ne comprend pas. Ce point rejoint mon expérience : les professionnels qui tirent vraiment profit de l’IA ne sont pas les plus technophiles, ce sont les plus cultivés dans leur métier.

Les 4 règles que j’applique pour apprendre avec l’IA

Apprendre avec l’IA efficacement ne dépend pas du modèle choisi (ChatGPT, Claude, Gemini, NotebookLM) ni du prix de l’abonnement. Cela dépend du cadre que vous imposez à l’interaction. Voici les 4 règles que j’ai stabilisées sur 3 ans d’accompagnement de TPE/PME.

Règle 1 — Produire d’abord sans IA (Dry Run)

Avant de solliciter un LLM, je demande toujours à mes apprenants de rédiger une première version manuelle, même courte, même bancale. Cette contrainte de 10 minutes suffit à réactiver le raisonnement actif. Ensuite seulement, on confronte la production humaine à celle du modèle. Le gain cognitif est net : l’apprenant identifie les écarts entre sa pensée et celle de la machine, ce qui n’arrive jamais quand on part directement du prompt.

Règle 2 — Questionner la sortie, pas l’accepter

Un LLM répond toujours. Il ne sait pas dire “je ne sais pas” spontanément. Pour apprendre avec l’IA sans devenir crédule, j’impose à mes apprenants 3 questions critiques systématiques sur chaque sortie : “Quelle est la source de cette affirmation ?”, “Quel est le contre-argument le plus fort ?”, “Qu’est-ce qui n’a pas été dit ?”. Cette hygiène de pensée critique transforme un outil de production en outil d’apprentissage.

Règle 3 — Évaluation à l’oral, pas à l’écrit

C’est la leçon directe de l’audition parlementaire appliquée à mon contexte. Une évaluation écrite à distance ne mesure plus rien depuis 2023 — elle mesure la qualité du prompt engineering de l’apprenant. L’oral, lui, révèle le niveau réel de compréhension. Dans mes formations, je consacre désormais 20 minutes d’entretien individuel par participant en fin de cycle.

Règle 4 — Alterner dense (sans IA) et distribué (avec IA)

Je structure les séquences pédagogiques en deux temps : une phase “dense” sans aucune assistance (lecture, manipulation, production manuelle) et une phase “distribuée” où l’IA devient partenaire de travail. Cette alternance reproduit le rythme d’apprentissage recommandé par les neurosciences cognitives. Le taux de rétention à 30 jours passe de 30 % à 60 % chez mes apprenants avec cette méthode.

Le méga-prompt d’auto-évaluation à copier-coller

Voici le prompt que je donne à mes apprenants en fin de formation pour vérifier seuls s’ils sont dans une dynamique d’apprentissage ou de deskilling. Copiez-le tel quel dans ChatGPT, Claude ou Gemini après avoir travaillé sur un sujet métier pendant quelques semaines.

Tu es un coach en apprentissage cognitif exigeant mais bienveillant.
Je travaille depuis [DURÉE] sur le sujet [SUJET MÉTIER] avec ton aide.

Évalue si j'apprends vraiment ou si je délègue trop, en réalisant ces 4 tests :

1. CAPACITÉ À EXPLIQUER : pose-moi 3 questions pour tester si je peux expliquer
   les concepts clés de [SUJET] avec mes mots, sans ton aide.

2. CAPACITÉ À CRITIQUER : propose-moi une analyse contenant volontairement
   2 erreurs subtiles. Demande-moi de les identifier.

3. CAPACITÉ À PRODUIRE : donne-moi un cas concret et demande-moi une solution
   sans que je puisse te consulter. Évalue-la ensuite.

4. DIAGNOSTIC : sur la base de mes réponses, dis-moi honnêtement si je maîtrise
   [SUJET] ou si je dépends trop de toi. Donne 3 exercices précis pour combler
   mes lacunes.

Sois direct. Pas de flatterie. Si je suis dans le deskilling, dis-le.

J’utilise ce prompt avec mes propres apprenants tous les mois. Le résultat est souvent inconfortable — mais c’est exactement ce qu’il faut pour apprendre avec l’IA au lieu de s’en rendre dépendant. Pour creuser la posture critique face aux LLM, mes 30 concepts IA vitaux fournissent le socle théorique (tokens, contexte, inférence, RAG).

Pour les dirigeants TPE/PME : cadrer l’usage dans l’équipe

Si vous êtes dirigeant, la question n’est plus “faut-il autoriser l’IA ?”. Vos collaborateurs l’utilisent déjà, avec ou sans votre autorisation. La vraie question est : comment cadrer l’usage pour que l’équipe monte en compétence au lieu de régresser ?

J’ai défini avec plusieurs de mes clients TPE/PME un protocole que j’appelle CCC — Cadrer, Challenger, Contrôler. Cadrer : définir les usages autorisés et les données interdites (RGPD, secret professionnel). Challenger : imposer au moins une revue critique humaine sur chaque sortie IA avant diffusion externe. Contrôler : évaluer trimestriellement le niveau réel des équipes sur des tâches clés, sans IA.

Le tableau comparatif que j’utilise en audit IA

Pour aller plus loin sur la stratégie d’intégration, mon approche détaillée est disponible dans ma méthode d’acculturation IA en TPE/PME. Et si vous êtes dans la logique “j’ai déjà attendu trop longtemps”, l’article pourquoi attendre vous coûte cher chiffre l’écart concurrentiel.

Ce que l’école change — et ce que la formation pro doit copier

L’audition parlementaire a mis sur la table trois transformations que l’Éducation nationale devra, tôt ou tard, intégrer : remettre les devoirs sur table plutôt qu’à la maison, basculer les examens vers l’oral, et restaurer un socle solide de fondamentaux (lecture, calcul, raisonnement logique, culture générale). Luc Ferry insiste même sur un point que les professionnels devraient méditer : “Les études deviendront plus importantes que jamais, pas pour avoir un emploi, mais pour vivre, penser les autres, penser son monde.”

Pour la formation professionnelle continue, les leviers à copier sont identiques. J’ai reconstruit mes parcours Qualiopi sur 3 principes : pratique 80 % / théorie 20 %, évaluation orale systématique, socle conceptuel obligatoire avant tout prompt. Pour les dirigeants nantais et de Pays de la Loire qui souhaitent auditer leur stratégie IA sans jargon, j’interviens directement dans leurs locaux pour construire le plan sur mesure — c’est généralement plus efficace que n’importe quelle formation en ligne.

Et pour ceux qui veulent aller au-delà de la formation et créer leurs propres outils métier, le Vibe-Coding avec Cursor et Claude Code permet aujourd’hui de livrer un logiciel sur mesure en 5 jours au lieu des 3 mois d’une agence classique. C’est le prolongement naturel d’une formation IA bien menée : apprendre à dialoguer avec la machine, puis apprendre à construire ses propres outils. Le lien entre les deux est détaillé dans mon article sur IA, emploi et formation professionnelle.