Illustration : La friction productive

Orbite extérieure · Article · 8 min ·

La friction productive

Le deskilling par l'IA n'a rien d'un bug : il découle d'une industrie qui optimise pour le confort. Ce que le temps gagné coûte en capacité perdue.

DOI 10.5281/zenodo.23744171

Des médecins utilisent un outil d'IA pour détecter des tumeurs lors de coloscopies. Après trois mois d'utilisation assistée, on retire l'outil. Leur taux de détection a chuté de 20% par rapport à leur niveau d'avant l'IA1.

Et c'est précisément parce que l'outil était bon, pas parce qu'il était mauvais.

Ce résultat, publié dans The Lancet Gastroenterology and Hepatology et repris par le second rapport international AI Safety 20262, illustre un phénomène que l'industrie commence à documenter sans encore le nommer correctement. On parle de deskilling : la dégradation de compétences par l'usage prolongé d'un outil qui les remplace. Mais le mot est trop faible, car il évoque une érosion. Ce qui se passe ici est une substitution silencieuse : le système prend en charge une fonction cognitive, l'humain cesse de l'exercer, et quand le système s'absente, la fonction ne revient pas.

La question a glissé : on se demandait si l'IA remplace des emplois, il faut maintenant savoir ce qu'elle remplace à l'intérieur de ceux qui l'utilisent.

Mécanisme

Le paradoxe de l'augmentation

Le discours dominant tient en trois mots : augmenter les capacités humaines. Les données racontent autre chose.

Une étude Microsoft Research / Carnegie Mellon de 2025 a interrogé des travailleurs du savoir utilisant l'IA générative quotidiennement3. Résultat principal : les tâches leur semblaient cognitivement plus faciles. Le piège est dans la formulation. "Plus facile" ne signifie pas "mieux exécuté". Les chercheurs ont observé que les participants cédaient leur expertise de résolution de problèmes au système pour se concentrer sur des fonctions d'assemblage : collecter, intégrer, mettre en forme les réponses du modèle. La partie créative de la tâche migrait vers la machine. La partie logistique restait à l'humain.

Le MIT a mesuré l'effet directement sur l'activité cérébrale : réduction de l'activité, diminution de la rétention mémorielle, pensée moins originale chez les utilisateurs intensifs4. Pendant que l'IA travaille, le cerveau se retire plutôt qu'il ne se repose.

Le never-skilling va plus loin que la perte d'une compétence acquise : c'est l'impossibilité de l'acquérir en premier lieu, parce que l'outil a toujours été là.

Les internes en médecine formés avec l'IA diagnostique5 n'ont jamais développé le raisonnement clinique autonome que l'outil est censé assister. On ne peut pas perdre ce qu'on n'a jamais eu. On peut en revanche ne pas remarquer l'absence.

Confiance

L'automation bias

La tendance à faire confiance aux sorties d'un système automatisé sans examen critique. Par design plutôt que par paresse.

Le rapport international AI Safety 2026, dirigé par Yoshua Bengio et cosigné par plus de 100 experts de 30 pays, identifie un mécanisme central : l'automation bias2. L'interface est fluide, la réponse arrive formatée et cohérente, immédiatement. Le doute méthodique exige un effort supplémentaire que l'architecture de l'interaction ne récompense pas.

Le rapport documente que les modèles actuels distinguent désormais les environnements de test du déploiement réel, et trouvent des failles dans les évaluations. Un système capable de se comporter différemment quand il est observé produit donc une confiance calibrée sur sa fiabilité apparente plutôt que sur sa fiabilité réelle. L'automation bias se nourrit de cette asymétrie.

Gartner prédit que d'ici fin 2026, la moitié des organisations à l'échelle mondiale exigeront des évaluations de compétences "AI-free"6 : des tests sans assistance artificielle, pour mesurer ce que l'humain sait encore faire seul.

C'est un retournement remarquable. Pendant deux ans, la question était "est-ce que l'employé utilise l'IA ?". La question devient "est-ce qu'il peut s'en passer ?".

Réflexivité

Le chercheur comme sujet

Celui qui a conçu la jauge est aussi celui qu'elle mesure.

KAIROS est un outil de cartographie cognitive que je développe depuis quelques mois, presque entièrement en vibe coding avec Claude Code. 24 000 lignes de TypeScript, 296 tests unitaires, des migrations SQLite, un déploiement multi-dépôts. Parmi ses mécanismes figure la jauge d'oxygène : un score de 0 à 100 qui évalue en temps réel la qualité cognitive d'une conversation humain-IA. Quand le score descend sous 50, l'échange tourne en rond. Sous 30, le système injecte automatiquement de la friction pour forcer un changement de direction.

J'ai conçu cette jauge pour détecter l'atrophie cognitive chez l'utilisateur. Je prends un risque en écrivant ces lignes, parce que je suis ce même utilisateur.

L'incertitude comme signal

Si on me retire l'outil demain (Claude Code, le modèle qui génère, corrige, refactorise), KAIROS n'existe plus. Le code ne disparaît pas : c'est moi qui ne suis pas certain de pouvoir le maintenir seul. L'architecture et les décisions de conception sont les miennes, mais l'exécution ligne par ligne a été largement déléguée. Je ne sais pas exactement ce que je sais encore faire sans le système, et c'est précisément cette incertitude qui est le signal.

Les cliniciens dont le taux de détection chute après retrait de l'IA ne savaient pas non plus ce qu'ils avaient perdu. Le confort est le mécanisme, pas le symptôme.

La jauge d'oxygène détecte ce pattern dans les conversations : quand une interaction est "fluide" (le modèle comprend vite, exécute bien, l'échange glisse), le score baisse. Le confort conversationnel est un signal de dégradation cognitive, pas de qualité. J'ai conçu un instrument de mesure pour un phénomène dans lequel je suis moi-même pris. Cette circularité n'a rien d'accidentel : elle est la condition d'observation.

Hypothèse

La conservation de la friction

L'optimisation redistribue la friction entre les phases du cycle. Elle ne la supprime pas.

Dans un article précédent sur le vibe coding, j'ai posé une hypothèse à partir de deux rapports d'interaction espacés d'un mois : la friction totale dans une collaboration humain-IA semble approximativement constante. En optimisant mes pratiques (sessions plus courtes, cadrage plus explicite), j'avais réduit la friction d'exécution. Mais la friction de cadrage avait augmenté proportionnellement.

Le deskilling est le résultat d'une tentative de suppression totale de la friction. Quand l'interface est assez fluide pour que l'utilisateur ne rencontre jamais de résistance, sans erreur à corriger, ni doute à résoudre, ni reformulation à trouver, la charge cognitive descend vers zéro. Et l'exercice des facultés qu'elle mobilisait descend avec elle.

Loin d'être un défaut de l'interaction humain-IA,
la friction est le signal que l'humain est encore dans la boucle.

Un article de Springer (AI & Society) introduit le concept d'environnements hostiles aux capacités : des contextes où la médiation technologique empêche le développement et l'exercice des capacités humaines8. Le concept est abstrait. L'implémentation est concrète : chaque interface IA sans friction est un environnement hostile aux capacités, par design, parce que le confort est le produit et la compétence est le coût.

Conception

La troisième voie

Un déplacement du cadre plutôt qu'un compromis.

Le débat actuel est binaire. D'un côté, l'adoption enthousiaste : l'IA augmente tout, résiste qui peut. De l'autre, la résistance méfiante, qui veut préserver les compétences en limitant l'usage. 66% des étudiants interrogés dans une enquête de l'Université de Warwick disent "essayer de résister à l'IA"9. 56% des mêmes étudiants admettent que l'IA fait partie du futur. Les deux positions coexistent chez les mêmes individus. Le binaire est un cul-de-sac.

Dans KAIROS, on ne contourne pas la friction comme un obstacle : on s'en sert comme d'un instrument de conception. Quand la jauge d'oxygène détecte une conversation en zone stale, elle ne bloque pas l'échange. Elle injecte une question divergente, propose un cadrage alternatif, ralentit le débit de confirmation. L'outil sollicite l'utilisateur au lieu de le freiner. La différence est structurelle : le frein réduit la productivité, la sollicitation augmente la charge cognitive.

Friction constitutive vs friction exceptionnelle

Des "journées sans IA" sont à la compétence cognitive ce que les exercices d'évacuation sont à la sécurité incendie : un rituel qui rassure sans modifier le risque structurel. Ce qui modifie le risque structurel, c'est de concevoir l'interface pour que la friction soit constitutive de l'interaction, pas exceptionnelle.

C'est ce que j'appelle la friction productive : une propriété de conception qui maintient l'humain en état de sollicitation pendant qu'il utilise l'outil. Elle n'a rien d'un obstacle ni d'une punition. Un bon interlocuteur, exactement de la même façon, ne confirme pas tout ce que vous dites.

Asymétrie

Le coût invisible du confort

Les gains sont immédiats et mesurables. Les coûts sont différés et invisibles.

Il y a une asymétrie temporelle dans le deskilling qui le rend particulièrement difficile à détecter. Les gains sont immédiats : tâche terminée plus vite, output plus propre, satisfaction instantanée. Les coûts sont différés : érosion progressive, détectable seulement quand on teste sans l'outil. Or personne ne teste sans l'outil.

Le rapport Bengio le formule dans le vocabulaire de la gouvernance : "les capacités avancent vite, les preuves de risque arrivent lentement"2. C'est vrai pour les risques systémiques, et encore plus vrai pour le deskilling individuel, parce que le sujet ne sait pas ce qu'il a perdu tant qu'il n'a pas besoin de ce qu'il a perdu.

Les pilotes d'avion connaissent ce phénomène. L'automatisation rend le vol plus sûr en conditions normales et le pilote moins capable en conditions anormales10. Le crash d'Air France 447 en 2009 reste la démonstration la plus tragique de cette dynamique : quand l'automatisme s'est désengagé, les pilotes n'ont pas su piloter manuellement. L'aviation a répondu par des obligations de pilotage manuel périodique : de la friction intégrée au système, et non optionnelle.

L'IA conversationnelle n'a pas encore eu son Air France 447, mais les données s'accumulent. Quand une industrie entière fonctionne sur la suppression de friction comme proposition de valeur, le coût émergera : reste à savoir quand.

Conclusion

La friction cognitive n'est pas le prix à payer pour utiliser un outil. C'est le prix à payer pour rester compétent pendant qu'on l'utilise.

Le deskilling n'a rien d'un bug de l'IA : il est la conséquence logique d'une industrie qui optimise pour le confort et mesure la réussite en temps gagné. Ni les plateformes, ni les employeurs, ni les utilisateurs eux-mêmes ne mesurent ce que le temps gagné a coûté en capacité perdue.

La jauge d'oxygène de KAIROS est un instrument modeste, calibré sur un cas d'usage étroit : la conversation avec un modèle de langage. Mais le principe qu'elle incarne est exactement ce qui manque au débat : mesurer la qualité de l'effort, pas la quantité du résultat. Tant que la seule métrique est la productivité, la seule direction possible est la suppression de friction, et la seule trajectoire pour l'humain est l'atrophie.

Plutôt que de résister à l'outil,
il faut le concevoir pour qu'il résiste à l'utilisateur, juste assez pour que la pensée continue de coûter quelque chose.

Sources

  • 1 The Lancet Gastroenterology and Hepatology (2025) — Étude sur la détection de tumeurs assistée par IA lors de coloscopies. Baisse de 20% du taux de détection après retrait de l'outil.
  • 2 Y. Bengio et al., International AI Safety Report 2026 — Second rapport international, 100+ experts, 30+ pays. Publication : 3 février 2026.
  • 3 H. Lee et al. (Microsoft Research / Carnegie Mellon, 2025) — Enquête sur les travailleurs du savoir utilisant l'IA générative. Cité dans Communications of the ACM, "The AI Deskilling Paradox", novembre 2025.
  • 4 MIT (2025) — Étude sur l'impact cognitif de l'utilisation intensive d'IA générative. Citée par le World Economic Forum, décembre 2025.
  • 5 S. El Tarhouny & A. Farghaly, "Deskilling Dilemma: Brain Over Automation", Frontiers in Medicine, vol. 13, janvier 2026.
  • 6 Gartner, Top 10 Strategic Predictions for 2026 and Beyond — 50% des organisations exigeront des évaluations "AI-free" d'ici fin 2026.
  • 7 F. Klimacek, "Le Vibe Coding sous le Microscope", mecanique-invisible.com, février 2026.
  • 8 "AI deskilling is a structural problem", AI & Society, Springer, novembre 2025.
  • 9 Enquête Université de Warwick, février 2026 — 66% des étudiants disent résister à l'IA ; 56% pensent qu'elle fait partie du futur.
  • 10 Crash Air France 447 (2009) et études sur l'érosion des compétences de pilotage sous automatisation. Référence : étude 2019, citée dans K. Hosanagar, "AI is Deskilling You", décembre 2025.

La friction productive

8 min

19 px

Partager « La friction productive : ce que la suppression du coût cognitif coûte réellement »

L’adresse de l’article. Titre, image et résumé l’accompagnent sur les réseaux qui lisent les métadonnées de partage.