De l’assistant IA à l’assistanat

Dans deux ans, votre entreprise saura-t-elle faire plus de choses qu’aujourd’hui, ou moins ?

Personne ne pose cette question en réunion. Des chercheurs, eux, l’ont posée à près de mille lycéens.

Ils leur ont donné un tuteur IA pour réviser les mathématiques. Pendant les séances, ces élèves ont progressé de 48 % de plus que ceux qui travaillaient sans rien. Puis les chercheurs ont retiré l’IA et fait passer l’examen.

Les élèves qui avaient eu le tuteur ont obtenu 17 % de moins que ceux qui n’y avaient jamais touché. Moins que s’ils n’avaient rien eu du tout. L’outil avait travaillé à leur place pendant qu’ils croyaient apprendre.

Les chercheurs ont alors recommencé, avec le même modèle, réglé pour donner des indices au lieu de livrer la réponse. L’effet négatif a été largement neutralisé¹.

Le modèle n’a pas changé. Le réglage, si.

Vos équipes ne révisent pas les mathématiques. Elles rédigent, analysent, chiffrent et arbitrent, avec des outils dont personne chez vous n’a jamais réglé le comportement, et dont le réglage d’usine ressemble beaucoup à celui du premier groupe.

Serviable par conception

Des chercheurs de Harvard ont formulé le problème en une phrase, dans un article relu par leurs pairs : les assistants conversationnels sont conçus pour être serviables, pas pour faire apprendre².

Il n’y a là aucune malveillance. Un assistant serviable est exactement ce qu’on lui a demandé d’être. C’est ce qui se teste, et c’est ce qui se vend. Personne n’a mal fait son travail. Le réglage d’usine a simplement été choisi pour vous satisfaire tout de suite, et la satisfaction immédiate ne construit pas la compétence.

Les mêmes chercheurs ont montré l’autre versant : avec un tuteur réglé pour enseigner, leurs étudiants ont appris environ deux fois plus qu’en classe, et en moins de temps. Une réserve s’impose aussitôt, et elle est importante. Ce tuteur avait été construit sur mesure pour l’expérience. Vous n’obtiendrez pas ce résultat en collant trois lignes dans ChatGPT. Le potentiel existe, il n’est pas livré avec la boîte.

Ce réglage-là, comme le reste des décisions qui pèsent sur vos outils, se prend loin de votre entreprise. Celui-ci, au moins, vous pouvez le reprendre.

Le problème est plus vieux que l’IA

La tentation de se décharger sur une machine n’a rien de nouveau, et le mécanisme est documenté depuis longtemps.

En 1983, une chercheuse britannique, Lisanne Bainbridge, écrivait que les compétences se dégradent faute d’usage, si bien qu’un opérateur chevronné à qui l’on confie la surveillance d’un système automatisé « peut désormais être un opérateur inexpérimenté ». Elle ajoutait la remarque qui fait mal : le jour où il faut reprendre la main, c’est qu’il y a un problème, et ce jour-là on a besoin de quelqu’un de plus compétent que la moyenne, pas de moins³.

Elle parlait de pilotes et de salles de contrôle industrielles. Transposer son constat au travail intellectuel reste une analogie, pas une preuve. Mais un tableur ne vous a jamais proposé de conclure à votre place.

Elle vous donne raison, et c’est mesuré

Une étude parue dans Science en mars dernier a mesuré, sur onze modèles, que l’IA approuve les actions de son utilisateur 49 % plus souvent qu’un humain ne le ferait. Les auteurs ont ensuite testé l’effet sur deux mille quatre cents personnes, à propos de conflits personnels : une seule conversation avec un modèle flatteur suffit à réduire l’envie de réparer le conflit, tout en renforçant la conviction d’avoir raison. Et les gens font davantage confiance aux modèles qui les flattent⁴.

Ces expériences portaient sur des disputes, pas sur des décisions d’entreprise, et je n’ai trouvé aucune étude menée sur des dirigeants. Rien n’indique cependant qu’un patron soit plus imperméable au compliment que le reste de l’humanité.

OpenAI en a fait l’expérience en public. En avril 2025, l’entreprise a diffusé une version de son modèle si complaisante qu’elle l’a retirée en quelques jours. Son analyse mérite d’être lue deux fois : ils ont lancé ce modèle à cause des signaux positifs des testeurs, et ils reconnaissent que c’était la mauvaise décision⁵. Les testeurs avaient aimé être flattés.

J’écrivais il y a un an et demi qu’il ne fallait pas poser son cerveau en utilisant l’IA. Je conseillais de la vigilance : vérifier, challenger, garder son jugement. Le conseil était juste, et je vois mieux aujourd’hui ce qu’il avait d’irréaliste. Il exigeait un effort permanent contre un outil conçu pour vous en épargner, et il comptait sur votre lucidité au moment précis où l’outil vous fait plaisir.

Reprendre la main sur le réglage

Commencez par le geste gratuit. Un mode « apprentissage » existe déjà, tout prêt. Chez OpenAI depuis juillet 2025, sur tous les forfaits, France comprise. Il s’appelle « mode étude » et se trouve dans le menu Outils de la zone de saisie, sous l’intitulé « Étudier et apprendre ». Google a suivi en août avec son « Apprentissage guidé ». Activé, l’assistant pose des questions au lieu de livrer la réponse⁶.

Aucun n’est activé par défaut. Il faut aller le chercher.

Ce mode a des limites, et ce sont elles qui commandent la suite. Il a été pensé pour des étudiants qui révisent, pas pour un dirigeant qui arbitre. OpenAI reconnaît lui-même qu’il livre parfois la réponse directe malgré tout. Il ne dit rien de la flatterie. Et aucun éditeur ne le documente comme persistant, c’est une case à cocher, dans une conversation.

Une instruction personnalisée, elle, s’applique à toutes vos conversations, y compris celles déjà ouvertes, et les quatre grands éditeurs l’écrivent noir sur blanc. C’est la seconde marche, celle qui vous appartient vraiment. Le mode étude d’OpenAI n’est pas une technologie réservée : il repose sur des instructions système, un texte en langage ordinaire qui dit au modèle comment se comporter. Ce que l’éditeur vous vend comme une fonctionnalité, vous pouvez donc l’écrire vous-même, à votre main, et le rendre permanent.

La porte de sortie est ce qui la rend tenable. Les consignes de ce genre qui circulent transforment l’assistant en professeur permanent, et vous le désactivez au bout de deux jours. Celle-ci vous laisse la facilité, à condition de la demander. Un choix explicite remplace un réglage subi.

Le périmètre vous appartient. Personne n’a besoin de tout savoir faire. Une traduction, un compte rendu que vous ne referez jamais : déléguez sans état d’âme. La seule question qui vaut, c’est de savoir si vous tenez à savoir faire cette tâche-là dans deux ans.

L’anti-flatterie répond à l’étude parue dans Science. Si vous ne demandez pas le désaccord, vous obtiendrez l’approbation.

L’anti-sermon évite le piège inverse, et je ne l’avais pas vu venir. Anthropic a observé sur son propre modèle que les réponses moralisatrices augmentaient légèrement, et relie prudemment cet effet à ses progrès contre la flatterie⁷. Corriger le flatteur fabrique volontiers un donneur de leçons. Sans cette ligne, vous obtenez un assistant insupportable, et vous l’abandonnez.

Un mot sur la première fois : ça vous agacera. Vous demanderez une note de synthèse, on vous rendra une question. C’est le moment où l’on désactive tout, ou bien celui où l’on répond, et où l’on découvre qu’on avait la réponse.

Alléger, ou grandir

On nous promet une vie allégée, où la machine prend en charge ce qui nous pesait. Le mot mérite qu’on s’y arrête. Alléger, c’est retirer du poids. Retirez assez de poids à une équipe, et vous obtenez des gens qui valident des documents qu’ils ne comprennent plus.

Un assistant réglé pour instruire produit l’inverse. Il vous rend la question au lieu de la clore, vous oblige à formuler ce que vous vouliez vraiment, et vous apprend au passage des choses que vous n’aviez pas demandées. C’est ainsi qu’on redevient curieux d’un sujet dont on se croyait détaché.

La question du début ne se règle pas avec un abonnement. Elle se pose tâche par tâche : ce qu’on délègue sans regret, ce qu’on veut continuer à maîtriser, ce qu’on n’a jamais su faire et qu’on pourrait enfin apprendre. Un auto-diagnostic donne un premier repère. Former vos équipes à travailler ainsi, plutôt qu’à cliquer plus vite, en fait une habitude.

La puissance de ces outils est réelle, et elle peut nourrir votre curiosité comme l’éteindre. Cela ne dépend ni du modèle que vous choisissez, ni de votre force de caractère.

Cela dépend d’un réglage. Il tient en cinq lignes, et personne ne le fera à votre place.

Notes

1. Hamsa Bastani, Osbert Bastani, Alp Sungu, Haosen Ge, Özge Kabakcı, Rei Mariman, « Generative AI without guardrails can harm learning: Evidence from high school mathematics », PNAS, 25 juin 2025. Essai contrôlé auprès de près de 1 000 lycéens turcs, sur environ 15 % du programme du semestre, avec GPT-4. Les auteurs concluent que les élèves utilisent l’outil comme une béquille pendant l’entraînement, et que les responsables doivent être attentifs aux choix de conception pour préserver l’apprentissage. L’étude porte sur l’acquisition d’une compétence scolaire, non sur le maintien d’une compétence professionnelle. ↩

2. Gregory Kestin, Kelly Miller, Anna Klales, Timothy Milbourne, Gregorio Ponti, « AI tutoring outperforms in-class active learning: an RCT introducing a novel research-based design in an authentic educational setting », Scientific Reports, 3 juin 2025. Essai contrôlé randomisé auprès de 194 étudiants de Harvard en physique, avec un tuteur conçu sur mesure, et non un assistant grand public. La comparaison se fait avec un cours en pédagogie active, déjà plus efficace qu’un cours magistral. Verbatim : « AI chatbots are generally designed to be helpful, not to promote learning. » ↩

3. Lisanne Bainbridge, « Ironies of automation », Automatica, vol. 19, n° 6, novembre 1983, p. 775-779. Verbatim : « a formerly experienced operator who has been monitoring an automated process may now be an inexperienced one » et « the operator needs to be more rather than less skilled, and less rather than more loaded, than average ». Le texte porte sur le contrôle de procédés industriels et l’aviation. ↩

4. Myra Cheng, Cinoo Lee, Pranav Khadpe, Sunny Yu, Dyllan Han, Dan Jurafsky, « Sycophantic AI decreases prosocial intentions and promotes dependence », Science, 26 mars 2026. Onze modèles testés ; trois expériences préenregistrées auprès de 2 405 participants, portant sur des conflits interpersonnels. Les modèles valident les actions des utilisateurs 49 % plus souvent que des humains ; les modèles flatteurs sont malgré tout jugés plus fiables et préférés. ↩

5. OpenAI, « Sycophancy in GPT-4o: what happened and what we’re doing about it », 29 avril 2025, et « Expanding on what we missed with sycophancy », 2 mai 2025. Verbatim : « we decided to launch the model due to the positive signals from the users who tried out the model. Unfortunately, this was the wrong call. » ↩

6. OpenAI, mode Étudier, annoncé le 29 juillet 2025, disponible sur tous les forfaits ChatGPT. Google, Apprentissage guidé dans Gemini, annoncé le 6 août 2025. Anthropic propose un mode apprentissage pour Claude, introduit en avril 2025 dans son offre destinée à l’enseignement. Aucun n’est activé par défaut. Aucun éditeur ne publie de chiffre d’usage de ces modes. OpenAI précise que son mode peut, dans certains cas, livrer malgré tout une réponse directe. ↩

7. Anthropic, « System Card: Claude Sonnet 5 », 30 juin 2026. Le document indique que les réponses de type « wet blanket » (excessivement décourageantes, dédaigneuses ou moralisatrices) sont « légèrement augmentées » sur ce modèle, et que cet effet est « potentiellement lié » à son amélioration sur la flatterie. ↩