La question que nous ne pouvons plus ignorer
Il y a quelques années, rédiger un rapport impliquait de se documenter sur un sujet, d’organiser les informations, de construire une argumentation et de trouver les mots justes.
Aujourd’hui, un assistant IA peut produire une première version soignée en quelques secondes.
La même transformation touche l’éducation, la programmation, l’analyse financière, la recherche et les décisions du quotidien.
Nous devenons plus aptes à produire des réponses. Mais devenons-nous tout aussi aptes à les comprendre ?
Des chercheurs en sciences cognitives, en psychologie, en éducation et en interaction humain-machine commencent à étudier cette question.
Leurs résultats sont plus nuancés que ne le laissent entendre les titres de presse.
La réponse courte : l’IA peut réduire l’effort mental nécessaire à certaines tâches. Dans certaines conditions, cela peut affaiblir l’apprentissage autonome et l’exercice de l’esprit critique. Dans d’autres, l’IA peut favoriser la compréhension et améliorer les résultats d’apprentissage.
La distinction entre accomplir une tâche et développer la capacité à l’accomplir est essentielle pour comprendre l’effet de l’IA sur la cognition humaine.
1. Les fondements scientifiques du délestage cognitif
Pour comprendre ce que l’IA pourrait changer dans notre manière de penser, il faut d’abord comprendre le concept de délestage cognitif.
En 2016, les psychologues Evan F. Risko (University of Waterloo) et Sam J. Gilbert (University College London) ont publié dans Trends in Cognitive Sciences une revue examinant la manière dont les humains utilisent des ressources externes pour réduire les exigences mentales d’une tâche (Risko & Gilbert, 2016).
Leurs exemples comprenaient les rappels, les actions physiques et d’autres stratégies qui modifient la quantité d’informations que le cerveau doit traiter ou mémoriser.
Le principe est simple : au lieu d’effectuer toutes les opérations mentales intérieurement, nous transférons une partie de ce travail à notre environnement.
Ce phénomène n’est pas nouveau.
En 2011, Betsy Sparrow, Jenny Liu et Daniel M. Wegner ont publié dans Science des recherches sur l’influence de l’accès à l’information en ligne sur la mémoire.
Dans quatre expériences, ils ont constaté que lorsque les participants s’attendaient à pouvoir retrouver une information, ils retenaient moins bien l’information elle-même, mais mieux l’endroit où la trouver (Sparrow et al., 2011).
Ces résultats ont été largement associés à l’idée d’« effet Google ».
Mais retenir où trouver une information plutôt que d’en mémoriser chaque détail ne signifie pas automatiquement que notre intelligence diminue.
Cela signifie que la répartition du travail cognitif peut changer.
L’IA générative introduit une nouvelle dimension : nous pouvons désormais déléguer non seulement la recherche d’informations, mais aussi une partie du raisonnement, de la rédaction, de la résolution de problèmes et de l’aide à la décision.
La question prend alors une autre portée.
Que se passe-t-il lorsque le système externe ne se contente plus de stocker l’information, mais produit lui-même la réponse ?
2. Ce que Microsoft Research a découvert sur l’esprit critique
En avril 2025, des chercheurs de Microsoft et de Carnegie Mellon University ont publié une étude à la CHI Conference on Human Factors in Computing Systems.
L’équipe, dirigée par Hao-Ping (Hank) Lee et comprenant notamment Advait Sarkar et Lev Tankelevitch, a interrogé 319 travailleurs du savoir et recueilli 936 exemples d’utilisation de l’IA générative dans des tâches professionnelles (Lee et al., 2025).
Les chercheurs ont étudié les situations dans lesquelles les utilisateurs exerçaient leur esprit critique et l’influence de l’IA sur l’effort mental qu’ils déclaraient fournir.
Un résultat s’est révélé particulièrement éclairant.
Les participants qui exprimaient une plus grande confiance dans l’IA avaient tendance à déclarer moins d’exercice de l’esprit critique pendant les tâches assistées par IA.
À l’inverse, ceux qui exprimaient une plus grande confiance dans leurs propres capacités avaient tendance à en déclarer davantage.
Mais les chercheurs ont aussi fait un constat important : l’IA ne supprimait pas simplement la réflexion.
Elle modifiait la destination de l’effort mental.
Au lieu de produire l’information à partir de zéro, les utilisateurs se concentraient davantage sur sa vérification, l’intégration des réponses générées par l’IA et la supervision de la tâche dans son ensemble.
Le contexte comptait.
Pour les activités routinières à faible enjeu, réalisées sous contrainte de temps, les participants déclaraient généralement consacrer moins d’effort à l’esprit critique avec l’IA.
Pour les activités à fort enjeu exigeant de l’exactitude, certains déclaraient consacrer davantage d’effort à vérifier le travail assisté par IA qu’ils ne l’auraient fait sans elle.
Ce que ces résultats démontrent réellement
L’étude met en évidence des relations entre la perception de l’IA, la confiance qui lui est accordée et l’exercice déclaré de l’esprit critique.
Elle n’établit pas que l’IA provoque un déclin cognitif permanent.
Elle repose aussi sur les descriptions et les autoévaluations des participants, plutôt que sur une mesure directe des changements de leurs capacités intellectuelles à long terme.
Ces recherches soulèvent néanmoins une préoccupation réelle :
Lorsque les utilisateurs accordent une grande confiance à un système d’IA, ils peuvent être moins enclins à remettre ses réponses en question.
Ce constat est particulièrement pertinent lorsque l’IA intervient dans les décisions professionnelles.
3. Que se passe-t-il dans le cerveau lorsque nous écrivons avec l’IA ?
En juin 2025, des chercheurs associés au MIT Media Lab ont diffusé une étude intitulée Your Brain on ChatGPT: Accumulation of Cognitive Debt when Using an AI Assistant for Essay Writing Task.
Sous la direction de Nataliya Kosmyna, l’équipe a examiné les différences d’engagement cognitif pendant la rédaction de dissertations (Kosmyna et al., 2025).
Les participants ont été répartis entre trois conditions :
- Écrire sans outil externe.
- Écrire avec accès à un moteur de recherche.
- Écrire avec l’aide de ChatGPT.
Les chercheurs ont utilisé l’électroencéphalographie (EEG) pour examiner les profils d’activité cérébrale pendant ces tâches d’écriture.
Au total, 54 participants ont effectué les trois premières séances, et 18 ont participé à une quatrième séance au cours de laquelle leur accès à l’assistance IA a été modifié.
Les résultats
Les chercheurs ont observé des différences de connectivité neuronale entre les trois conditions.
Les participants écrivant sans assistance externe présentaient les profils de connectivité les plus forts et les plus largement distribués dans les réseaux mesurés.
Les utilisateurs du moteur de recherche présentaient des profils intermédiaires.
Les participants utilisant ChatGPT présentaient les profils de connectivité les plus faibles selon les mesures de l’étude.
Le groupe assisté par IA déclarait également un moindre sentiment d’appropriation de ses textes et éprouvait davantage de difficultés à citer exactement des passages qu’il venait de soumettre.
Lors de la quatrième séance, les participants passés de l’écriture avec ChatGPT à l’écriture sans assistance présentaient des signes d’engagement réduit dans certains réseaux neuronaux mesurés.
Ces résultats interrogent l’influence de l’écriture assistée par IA sur l’engagement cognitif, la mémoire et le développement des compétences rédactionnelles.
Ce que l’étude ne démontre pas
Cette distinction est essentielle.
La recherche a été diffusée sous forme de prépublication et, selon les informations publiées par le projet du MIT, n’avait pas achevé l’évaluation par les pairs lors de la diffusion initiale de l’article.
Elle portait sur un échantillon relativement restreint, une tâche précise de rédaction de dissertation et seulement 18 participants à la dernière séance.
Les profils de connectivité mesurés par EEG ne constituent pas non plus une mesure directe de l’intelligence.
Une connectivité moindre pendant une tâche ne permet pas, à elle seule, d’établir que le cerveau a subi des dommages ou que les capacités intellectuelles d’une personne ont diminué.
Les chercheurs eux-mêmes ont explicitement mis en garde contre une présentation de leurs résultats comme preuve que ChatGPT rend les personnes moins intelligentes ou cause des lésions cérébrales (MIT Media Lab, s. d.).
La conclusion scientifiquement défendable est plus limitée : différentes formes d’aide à l’écriture étaient associées à des profils différents d’engagement cognitif et de restitution en mémoire dans les conditions de l’expérience.
Des recherches supplémentaires sont nécessaires pour déterminer si ces différences persistent, se généralisent à d’autres activités ou influencent le développement cognitif à long terme.
4. La distinction essentielle : accomplir un travail ou apprendre
Les preuves expérimentales les plus claires de cette distinction viennent peut-être de l’éducation.
En 2025, Hamsa Bastani, Osbert Bastani, Alp Sungu et leurs collaborateurs ont publié une étude dans les Proceedings of the National Academy of Sciences (PNAS).
Les chercheurs ont mené une expérience de terrain auprès de près de 1 000 lycéens en mathématiques (Bastani et al., 2025).
Ils ont comparé trois approches.
Un groupe réalisait les exercices de mathématiques sans accès à un tuteur fondé sur l’IA générative.
Un deuxième groupe utilisait GPT Base, un outil semblable à un assistant conversationnel d’IA classique.
Un troisième groupe utilisait GPT Tutor, un système d’IA modifié pour encourager l’apprentissage en donnant des indices plutôt qu’en révélant directement les solutions.
Les résultats ont montré une différence frappante entre la performance immédiate et l’apprentissage autonome.
| Assistance IA | Performance pendant l’entraînement | Performance sans IA |
|---|---|---|
| GPT Base | Notes supérieures de 48% à celles du groupe témoin. | Notes inférieures de 17% à celles du groupe témoin. |
| GPT Tutor | Notes supérieures de 127% à celles du groupe témoin. | Aucune différence statistiquement significative avec le groupe témoin. |
Note : ces pourcentages représentent des différences relatives entre les notes mesurées et celles du groupe témoin. Il ne s’agit ni de variations en points de pourcentage ni de mesures de l’intelligence.
Les chercheurs ont également examiné la manière dont les élèves interagissaient avec les outils.
Les utilisateurs de GPT Base demandaient fréquemment les réponses directement et copiaient les solutions.
Les utilisateurs de GPT Tutor avaient des échanges plus approfondis, demandant notamment de l’aide et essayant de résoudre les problèmes par eux-mêmes.
Pourquoi c’est important
Les élèves utilisant une IA sans restrictions pouvaient obtenir de meilleurs résultats lorsque la technologie était disponible, mais certains réussissaient moins bien lorsqu’ils devaient travailler seuls.
L’amélioration des résultats pendant l’entraînement ne se traduisait pas nécessairement par une meilleure maîtrise durable des compétences.
Les résultats de GPT Tutor suggèrent que la conception de l’assistance compte. Fournir des indications sans livrer immédiatement la réponse complète atténuait largement l’effet négatif observé avec l’assistance sans restrictions.
Cette étude portait sur les mathématiques au lycée ; elle ne démontre pas que le même résultat se retrouve dans toutes les professions ou activités cognitives.
Elle illustre néanmoins un principe essentiel :
L’IA peut améliorer le travail que nous produisons sans nécessairement améliorer les capacités que nous développons.
5. Mais les recherches montrent aussi que l’IA peut améliorer l’apprentissage
Jusqu’ici, plusieurs études suggèrent qu’un recours excessif à l’IA peut réduire certaines formes d’engagement cognitif.
Mais considérer ces résultats comme la preuve que l’IA est nuisible en toutes circonstances reviendrait à ignorer un ensemble substantiel de recherches allant dans l’autre sens.
En mai 2026, Changxin Fan, Lele Ke, Zexiong Chen et Pin Lv ont publié une méta-analyse dans Frontiers in Psychology.
Les chercheurs ont synthétisé 36 études portant sur 7 229 participants et 132 tailles d’effet dans l’enseignement supérieur (Fan et al., 2026).
Ils ont observé un effet global positif de l’IA générative sur les résultats d’apprentissage, avec une taille d’effet standardisée de g de Hedges = 0.499.
La revue relevait également des résultats positifs pour les apprentissages de niveau supérieur, notamment la compréhension et les activités cognitives ou créatives.
La méthode pédagogique apparaissait comme un facteur important, avec des résultats particulièrement favorables dans les contextes d’apprentissage collaboratif et hybride.
Une autre revue de 2026 invite toutefois à davantage de prudence
En août 2026, Chiara Boolzen et ses collègues ont publié dans Artificial Intelligence Review une revue systématique et une méta-analyse consacrées aux résultats d’apprentissage cognitif dans l’enseignement des STEM.
Les chercheurs ont identifié 85 études admissibles, dont 49 se prêtaient à une méta-analyse quantitative (Boolzen et al., 2026).
Leur modèle statistique classique indiquait initialement un effet global positif substantiel.
Mais les résultats variaient considérablement d’une étude à l’autre.
Les chercheurs ont observé une très forte hétérogénéité statistique et des indices d’un possible biais de publication.
Après application d’une approche bayésienne robuste tenant compte du biais de publication, l’analyse ne permettait plus de conclure à un effet global systématiquement positif ou négatif.
Ces revues ne doivent pas être interprétées comme une contradiction directe au sein d’une expérience contrôlée : elles incluaient des corpus différents, utilisaient des méthodes statistiques différentes et portaient sur des résultats d’apprentissage en partie différents.
Ensemble, elles montrent pourquoi les affirmations générales selon lesquelles l’IA rendrait les personnes plus ou moins intelligentes sont scientifiquement prématurées.
Les données suggèrent de plus en plus que les effets de l’IA dépendent de son mode d’utilisation, de ce que les utilisateurs cherchent à apprendre et de la manière dont les résultats sont mesurés.
6. L’IA peut-elle plutôt nous aider à mieux réfléchir ?
La question la plus intéressante n’est peut-être pas de savoir s’il faut utiliser l’IA, mais de comprendre comment les systèmes d’IA devraient interagir avec le raisonnement humain.
Dans un autre article présenté à CHI 2025, Leon Reicherts, Zelun Tony Zhang et leurs collègues ont étudié deux approches de la prise de décision assistée par IA (Reicherts et al., 2025).
Leurs recherches examinaient les effets de différentes formes d’assistance IA sur des participants réalisant une tâche de décision d’investissement.
Un système, appelé RecommendAI, proposait des recommandations.
L’autre, appelé ExtendAI, encourageait les utilisateurs à expliciter leur raisonnement, puis leur fournissait des retours qui prolongeaient leur propre réflexion.
Les chercheurs ont constaté que ces approches influençaient différemment la prise de décision.
RecommendAI pouvait apporter de nouvelles options et perspectives tout en demandant moins d’effort cognitif.
ExtendAI s’intégrait plus naturellement aux processus de raisonnement existants des participants et était associé à des résultats légèrement meilleurs dans cette petite étude comparative.
Les chercheurs ont aussi identifié des compromis.
Les recommandations semblaient parfois déconnectées du raisonnement propre des utilisateurs, tandis que les retours fondés sur leurs arguments existants pouvaient renforcer leurs hypothèses initiales.
L’échantillon limité de l’étude ne permet pas d’établir qu’une approche est supérieure en toutes circonstances.
Mais il soulève une question importante de conception :
Les systèmes d’IA doivent-ils avant tout fournir des réponses, ou aussi aider les utilisateurs à développer le raisonnement nécessaire pour les évaluer ?
7. Le véritable risque pourrait être une dépendance invisible
Prises ensemble, les données suggèrent trois risques potentiels à surveiller.
1. Confondre performance et compréhension
Une personne peut produire un excellent travail avec l’aide de l’IA sans être capable de reproduire seule le raisonnement sous-jacent.
Cette distinction a été démontrée dans l’expérience de mathématiques menée par Bastani et ses collègues (Bastani et al., 2025).
2. Réduire la vérification critique
Lorsque les utilisateurs accordent une grande confiance aux réponses générées par l’IA, ils peuvent consacrer moins d’effort à les remettre en question.
L’enquête de Microsoft Research a mis en évidence une association compatible avec cette préoccupation, sans toutefois établir de relation causale (Lee et al., 2025).
3. Déléguer le travail mental utile à l’apprentissage
Lorsque l’IA fournit des solutions complètes, les utilisateurs peuvent manquer des occasions de pratiquer l’analyse, la résolution de problèmes et le raisonnement autonome.
Ce mécanisme est plausible et étayé par certaines expériences éducatives, mais ses conséquences à long terme dans la population générale restent incertaines.
Ces risques ne doivent pas être confondus avec une preuve de déclin de l’intelligence humaine.
Ils interrogent la manière dont la dépendance à des systèmes externes peut modifier ce que nous pratiquons, ce que nous retenons et ce que nous pouvons accomplir sans assistance.
8. Comment utiliser l’IA sans renoncer à penser par soi-même
Les données disponibles ne justifient pas de renoncer complètement à l’IA.
Elles suggèrent de prêter davantage attention à la conception et à l’utilisation de l’assistance.
Plusieurs pratiques méritent d’être envisagées à la lumière des recherches présentées ci-dessus.
Réfléchir avant de formuler sa demande
Lorsque l’objectif est d’apprendre ou de développer une expertise, essayez de formuler votre propre explication ou une première solution avant de demander de l’aide à l’IA.
Demander des indications, pas seulement des réponses
Demandez des indices, des approches alternatives et des retours plutôt que d’obtenir immédiatement une solution complète.
L’expérience GPT Tutor apporte une preuve directe de l’importance possible de cette distinction dans un contexte éducatif (Bastani et al., 2025).
Vérifier les réponses importantes de manière indépendante
Pour les informations ayant des conséquences importantes, examinez les sources primaires, identifiez les hypothèses et vérifiez que le raisonnement étaye réellement la conclusion.
Demander à l’IA de mettre votre raisonnement à l’épreuve
Au lieu de chercher une confirmation, utilisez le modèle pour identifier les preuves manquantes, les contre-arguments et les faiblesses possibles de votre analyse.
Tester ce que vous pouvez faire sans assistance
Lorsque vous apprenez une nouvelle compétence, réalisez de temps en temps des tâches comparables sans IA. L’objectif est de distinguer l’amélioration de la performance avec assistance de l’amélioration des capacités autonomes.
Il s’agit de recommandations pratiques éclairées par la recherche, et non d’un protocole cliniquement validé garantissant la prévention du déclin cognitif.
L’objectif n’est pas de maximiser l’effort mental en toute circonstance.
Il est de préserver les formes de réflexion essentielles à la compréhension, à l’apprentissage et à une prise de décision responsable.
9. Perspective Mindzy : l’IA devrait accroître les capacités humaines, sans remplacer le jugement humain
Chez Mindzy, nous pensons que la manière la plus utile d’évaluer un système d’IA ne consiste pas simplement à mesurer la vitesse à laquelle il produit une réponse.
Nous devons aussi nous demander quelle place il laisse à la compréhension, à la supervision et à la décision humaines.
Dans un environnement professionnel, l’automatisation des tâches répétitives peut créer une valeur importante.
Mais un système qui produit des recommandations, des analyses ou des décisions sans supervision efficace peut aussi introduire de nouveaux risques.
Le défi consiste à déterminer quelles activités déléguer, lesquelles vérifier et lesquelles maintenir sous un contrôle humain effectif.
AI Employees, les agents d’entreprise et les processus automatisés rendent cette distinction de plus en plus importante.
L’objectif ne devrait pas être de retirer la réflexion humaine de chaque processus. Il devrait être d’utiliser l’IA là où elle crée de la valeur, tout en préservant la responsabilité humaine et la capacité à questionner ses réponses.
L’avenir de l’IA ne devrait pas se mesurer uniquement à la quantité de travail que les machines peuvent accomplir pour nous.
Il devrait aussi s’apprécier à la capacité des humains à comprendre, diriger et évaluer efficacement les systèmes dont ils dépendent.
À retenir
L’IA modifie l’effort cognitif. Certaines tâches demandent moins de travail mental avec l’aide de l’IA, mais un effort moindre ne signifie pas automatiquement une intelligence moindre.
La confiance compte. Des recherches auprès de travailleurs du savoir associent une plus grande confiance dans l’IA à un moindre exercice autodéclaré de l’esprit critique.
Une meilleure performance ne signifie pas toujours un meilleur apprentissage. Dans une expérience contrôlée en mathématiques, l’assistance IA sans restrictions améliorait les résultats immédiats, mais dégradait ensuite la performance sans assistance.
La conception de l’outil compte. Les systèmes d’IA qui fournissent des indices, des retours et des occasions de raisonner par soi-même peuvent mieux soutenir le développement des compétences que ceux qui livrent simplement les réponses.
Les données scientifiques restent contrastées. Les études et méta-analyses rapportent des bénéfices, des risques et de fortes variations selon les contextes.
Les effets à long terme restent incertains. Les recherches n’établissent pas qu’un usage ordinaire de l’IA cause des lésions cérébrales permanentes ou un déclin général de l’intelligence.
Questions fréquentes
ChatGPT rend-il les personnes moins intelligentes ?
Les données scientifiques sont actuellement insuffisantes pour conclure que l’utilisation de ChatGPT provoque une diminution générale ou permanente de l’intelligence. Certaines études associent des formes particulières d’assistance IA à un engagement cognitif moindre ou à une performance autonome plus faible sur des tâches précises, mais ces résultats ne sont pas équivalents à un déclin de l’intelligence.
L’IA réduit-elle l’esprit critique ?
Elle peut réduire l’effort autodéclaré consacré à l’esprit critique dans certaines situations. Microsoft Research a constaté qu’une plus grande confiance dans l’IA était associée à un moindre exercice déclaré de l’esprit critique chez les travailleurs du savoir interrogés. Cependant, les participants déclaraient aussi exercer leur esprit critique pour vérifier et intégrer les informations générées par l’IA (Lee et al., 2025).
L’utilisation de l’IA affecte-t-elle la mémoire ?
Des recherches sur l’écriture assistée par IA ont observé des différences de restitution en mémoire et d’activité neuronale dans des conditions expérimentales précises (Kosmyna et al., 2025). Des recherches antérieures sur l’accès à Internet avaient également montré que les attentes concernant la disponibilité de l’information pouvaient influencer ce que les personnes retenaient (Sparrow et al., 2011). Les effets à long terme d’un usage habituel de l’IA générative sur la mémoire restent une question ouverte.
L’IA peut-elle améliorer l’apprentissage ?
Oui, certaines études contrôlées et méta-analyses rapportent des résultats d’apprentissage positifs avec l’IA générative. Les résultats varient considérablement selon l’outil, la conception pédagogique, la matière et la méthode d’évaluation (Fan et al., 2026 ; Boolzen et al., 2026).
Qu’est-ce que le délestage cognitif ?
Le délestage cognitif consiste à utiliser des actions ou des ressources externes pour réduire les exigences mentales d’une tâche. Il peut s’agir de rappels, de calculatrices, de moteurs de recherche ou d’assistants IA (Risko & Gilbert, 2016).
Comment utiliser l’IA tout en conservant son esprit critique ?
Une approche raisonnable consiste à essayer de mener les raisonnements importants par soi-même, à utiliser l’IA pour obtenir des retours et des perspectives alternatives, à vérifier les réponses ayant des conséquences importantes et à évaluer régulièrement si l’on maîtrise encore une compétence sans assistance.
Références scientifiques9 références+
Références présentées selon les conventions de la 7e édition du style APA, par ordre alphabétique du nom du premier auteur. Les liens DOI renvoient directement aux publications originales.
Bastani, H., Bastani, O., Sungu, A., Ge, H., Kabakcı, Ö., & Mariman, R. (2025). Generative AI without guardrails can harm learning: Evidence from high school mathematics. Proceedings of the National Academy of Sciences, 122(26), article e2422633122.
Source originale ↗Type d’étude : expérience de terrain randomisée, évaluée par les pairs, auprès de près de 1 000 lycéens.
Boolzen, C., Kuhn, J., Flegr, S., Rott, E.-M., Stausberg, N., & Küchemann, S. (2026). Evidence of impact and interpretational limits of generative AI in STEM education: A systematic review and meta-analysis on cognitive learning outcomes. Artificial Intelligence Review, 59, article 223.
Source originale ↗Type d’étude : revue systématique et méta-analyse évaluées par les pairs.
Fan, C., Ke, L., Chen, Z., & Lv, P. (2026). Exploring the effect of GenAI on learning outcomes in higher education: A three-level meta-analysis. Frontiers in Psychology, 17, article 1758670.
Source originale ↗Type d’étude : méta-analyse évaluée par les pairs de 36 études empiriques portant sur 7 229 participants.
Kosmyna, N., Hauptmann, E., Yuan, Y. T., Situ, J., Liao, X.-H., Beresnitzky, A. V., Braunstein, I., & Maes, P. (2025). Your brain on ChatGPT: Accumulation of cognitive debt when using an AI assistant for essay writing task [Prépublication]. arXiv.
Source originale ↗Type d’étude : recherche expérimentale par EEG diffusée sous forme de prépublication. Les résultats doivent être considérés comme préliminaires.
Lee, H.-P., Sarkar, A., Tankelevitch, L., Drosos, I., Rintel, S., Banks, R., & Wilson, N. (2025). The impact of generative AI on critical thinking: Self-reported reductions in cognitive effort and confidence effects from a survey of knowledge workers. Dans Proceedings of the 2025 CHI Conference on Human Factors in Computing Systems (article 1121, p. 1–22). Association for Computing Machinery.
Source originale ↗Type d’étude : recherche de conférence évaluée par les pairs, fondée sur une enquête auprès de 319 travailleurs du savoir et sur 936 exemples rapportés.
MIT Media Lab. (s. d.). Your brain on ChatGPT [Présentation du projet de recherche].
Source originale ↗Source institutionnelle : explications de l’équipe de recherche, limites méthodologiques et mises en garde sur l’interprétation. Il ne s’agit pas d’une étude empirique distincte.
Reicherts, L., Zhang, Z. T., von Oswald, E., Liu, Y., Rogers, Y., & Hassib, M. (2025). AI, help me think—but for myself: Assisting people in complex decision-making by providing different kinds of cognitive support. Dans Proceedings of the 2025 CHI Conference on Human Factors in Computing Systems. Association for Computing Machinery.
Source originale ↗Type d’étude : recherche expérimentale en interaction humain-machine évaluée par les pairs.
Risko, E. F., & Gilbert, S. J. (2016). Cognitive offloading. Trends in Cognitive Sciences, 20(9), 676–688.
Source originale ↗Type d’étude : revue de la littérature scientifique sur le délestage cognitif, évaluée par les pairs.
Sparrow, B., Liu, J., & Wegner, D. M. (2011). Google effects on memory: Cognitive consequences of having information at our fingertips. Science, 333(6043), 776–778.
Source originale ↗Type d’étude : recherche expérimentale évaluée par les pairs sur la disponibilité de l’information et la mémoire.