Est-ce que l’IA me fait moins réfléchir ?
Ça fait presque deux ans que j’utilise l’intelligence artificielle tous les jours, et je commence à avoir une réponse assez claire à cette question.
Franchement, non.
C’est même plutôt l’inverse.
Je ne crois pas que l’IA mette mon cerveau au repos. Je crois qu’elle change surtout la façon dont il travaille.
Avant, j’avais plus souvent l’impression d’avancer en série : une étape après l’autre, une décision après l’autre, une piste après l’autre. C’est logique, bien sûr, mais c’est aussi assez lourd. Chaque avancée coûte du temps, de l’énergie et parfois la coordination de plusieurs personnes. Et quand une piste a coûté cher, on a naturellement tendance à la protéger. Même quand on sent que ce n’est pas tout à fait ça.
L’IA a d’abord fait tomber pour moi la barrière du démarrage. Une idée encore floue peut prendre une première forme très vite. Mais son effet ne s’arrête pas là. Une fois cette première forme visible, la conversation peut repartir dans plusieurs directions.
Ce que j’appelle travailler en dérivation
« Travailler en dérivation » est l’image que j’utilise pour décrire cette manière de travailler. Ce n’est ni un diagnostic sur mon cerveau ni un concept scientifique reconnu.
Une idée avance pendant qu’une autre s’ouvre. Une première version fait apparaître une contradiction. Une réponse donne envie de poser une meilleure question. Je reformule. L’IA reformule à son tour. Je lui demande d’aller plus loin, de contredire l’idée, d’essayer l’inverse ou de regarder ce que nous sommes réellement en train de construire.
C’est un ping-pong. Et la valeur ne vient pas seulement de la réponse. Elle vient du rebond qu’elle provoque.
Travailler en dérivation, pour moi, ce n’est pas demander à l’IA de penser à ma place. C’est utiliser sa capacité à reformuler, contredire et prolonger une intuition pour faire apparaître plus vite ce qu’elle pourrait devenir. L’IA augmente le nombre de chemins visibles. Elle ne me dit pas lequel mérite d’être suivi. Plus elle ouvre de pistes, plus mon jugement doit rester présent.
Certains travaux sur la pensée divergente montrent que les modèles génératifs peuvent produire beaucoup d’associations originales dans des exercices très cadrés. Mais les auteurs rappellent aussi que ces tests ne mesurent qu’une partie de la créativité. Ouvrir davantage de possibilités n’est pas encore savoir lesquelles ont de la valeur.
Quand une petite idée prend soudain de l’ambition
Il m’arrive de commencer avec un projet assez modeste. Par exemple : créer un agent capable d’accomplir une tâche précise.
Puis l’IA reformule ce que je viens de lui expliquer. Cette reformulation fait apparaître une autre dimension du projet. Je précise. Elle rebondit. Elle relie cette fonction à une architecture plus large, à d’autres usages, à des rôles complémentaires ou à une expérience que je n’avais pas encore formulée clairement.
Et, presque sans s’en rendre compte, on n’est plus en train d’imaginer un petit agent. On commence à concevoir une véritable plateforme de développement.
Ce n’est pas l’IA qui décide soudain que le projet doit devenir énorme. C’est la conversation qui révèle l’ambition cachée dans l’intuition de départ.
Le paradoxe, c’est que le projet devient plus ambitieux tout en paraissant plus accessible. Chaque nouvelle idée peut immédiatement être reformulée, découpée, testée ou confiée à un rôle spécialisé. C’est aussi ce mouvement qui se trouve au cœur de Project Casting : la conversation ne fait pas seulement apparaître une idée plus grande, elle commence à faire apparaître l’organisation capable de la réaliser.
Plus de pistes ne veut pas dire de meilleures idées
C’est là qu’il faut rester prudent.
Une étude publiée dans Science Advances a montré que l’accès à des idées générées par une IA pouvait améliorer la qualité perçue de productions individuelles, tout en les rendant plus proches les unes des autres à l’échelle du groupe.
Autrement dit, l’IA peut aider quelqu’un à produire une proposition jugée meilleure sans garantir davantage de diversité collective. Plus de versions ne signifie donc pas automatiquement plus d’originalité. Et plus d’ambition ne garantit pas une meilleure direction.
Une autre étude de terrain consacrée à l’IA et à la créativité au travail souligne l’importance des capacités métacognitives : savoir analyser la tâche, surveiller sa propre manière de travailler et adapter sa stratégie. Cela correspond assez bien à mon expérience. L’outil devient réellement stimulant lorsque je reste attentif à ce qu’il est en train de faire à mon raisonnement.
Plus les choses apparaissent vite, plus il faut les challenger vite. Plus on peut produire de versions, plus il faut savoir reconnaître celles qui ont vraiment du sens.
La première réponse bien formulée reste un piège
Le risque, dans ce ping-pong, est de confondre la fluidité de la conversation avec la justesse de la direction.
Une IA peut reformuler une idée de manière tellement claire qu’elle semble soudain meilleure qu’elle ne l’est. Elle peut produire une architecture élégante, une explication cohérente ou une contradiction très convaincante. Et nous embarquer dans une piste simplement parce qu’elle est bien formulée.
Les recherches sur la confiance accordée aux systèmes d’aide à la décision montrent d’ailleurs qu’une recommandation exprimée avec assurance peut être davantage suivie, y compris lorsqu’elle est incorrecte. Une étude publiée en 2026 a notamment observé que des signaux de confiance mal calibrés augmentaient la vulnérabilité au biais d’automatisation.
Ce risque rejoint une autre question que je me pose souvent : l’IA écrit-elle parfois trop bien pour nous ? Une réponse très propre peut donner l’impression que le raisonnement est terminé. Alors qu’elle devrait parfois être le début de la contradiction.
Je lui demande donc régulièrement de défendre l’inverse, de chercher ce qui ne tient pas ou de revenir à l’intention de départ. Pas pour produire artificiellement dix options. Pour éviter que la première version acceptable devienne trop vite la direction officielle.
Je ne travaille pas moins
L’IA ne me fait pas seulement gagner du temps. Elle crée un espace où une intuition peut être reformulée, agrandie, contredite et rendue concrète presque dans le même mouvement.
Elle peut donner davantage d’ambition à un projet qui paraissait petit. Elle peut aussi rendre cette ambition accessible en faisant apparaître les étapes, les questions et les rôles nécessaires.
Mais elle ne décide pas à ma place si cette ambition est juste.
Donc non, je ne travaille pas moins.
Je travaille autrement.
Elle ne m’évite pas de penser.
Elle m’empêche surtout de m’installer trop vite.
Sources
Kent F. Hubert, Kim N. Awa et Darya L. Zabelina — “The current state of artificial intelligence generative language models is more creative than humans on divergent thinking tasks”, Scientific Reports, 2024.
Étude comparant les performances humaines et celles de modèles génératifs dans des exercices standardisés de pensée divergente. Elle mesure un potentiel de production d’idées, et non la créativité dans son ensemble.
https://www.nature.com/articles/s41598-024-53303-w
Anil R. Doshi et Oliver P. Hauser — “Generative AI enhances individual creativity but reduces the collective diversity of novel content”, Science Advances, 12 juillet 2024.
Étude montrant que l’aide d’une IA générative peut améliorer la qualité perçue de productions individuelles tout en réduisant la diversité des productions à l’échelle collective.
https://www.science.org/doi/10.1126/sciadv.adn5290
Shuhua Sun, Zhuyi Angelina Li, Maw-Der Foo, Jing Zhou et Jackson G. Lu — “How and for whom using generative AI affects creativity: A field experiment”, Journal of Applied Psychology, 16 juin 2025.
Expérience de terrain consacrée aux effets de l’assistance par les grands modèles de langage sur la créativité au travail et au rôle des stratégies métacognitives.
https://doi.org/10.1037/apl0001296
Caterina Fregosi, Lucia Vicente, Andrea Campagner et Federico Cabitza — “Too Sure for Our Own Good: A User Study on AI Confidence and Human Reliance”, Proceedings of the AAAI Conference on Artificial Intelligence, 2026.
Étude sur l’influence des niveaux de confiance affichés par une IA sur les décisions humaines et sur le risque de biais d’automatisation lorsque cette confiance est mal calibrée.
https://ojs.aaai.org/index.php/AAAI/article/view/38798
