La dépendance cognitive à l’IA, nouveau risque de souveraineté

L’intelligence artificielle générative est le plus souvent évaluée à l’aune d’une promesse simple : produire davantage, plus vite et à moindre coût. Cette métrique saisit l’effet immédiat de l’automatisation, mais elle laisse dans l’angle mort une ressource moins visible : la capacité d’une société à former, exercer et renouveler les personnes capables de comprendre ce que les machines produisent.

Le risque n’est pas que les outils deviennent inutilement performants. Il tient à l’organisation de leur usage. Si les tâches de rédaction, de calcul, de programmation, de diagnostic ou de recherche sont systématiquement déléguées avant que les professionnels en maîtrisent les méthodes, le gain de productivité peut s’accompagner d’une érosion progressive des savoir-faire. La dépendance cognitive à l’IA ne désigne donc pas une simple habitude individuelle : elle décrit une vulnérabilité collective, lorsque les utilisateurs ne sont plus en mesure d’auditer les réponses dont dépend leur décision.

Cette question relève directement de la souveraineté. Une administration qui ne peut plus instruire un dossier sans un modèle privé, un laboratoire incapable de reproduire un raisonnement sans assistance, ou une entreprise qui ne dispose plus d’ingénieurs pour examiner le code généré par une machine perdent une partie de leur capacité d’action. La dépendance ne porte alors pas uniquement sur l’accès au logiciel, aux données ou aux puces ; elle porte sur le jugement humain qui permet d’en contrôler l’emploi.

La dépendance cognitive à l’IA comme risque systémique

Le chercheur américain Nolan Lovett propose d’analyser ce mécanisme avec la grille de la « tragédie des biens communs ». Son hypothèse est la suivante : chaque organisation a intérêt, à court terme, à utiliser des systèmes qui réduisent le temps consacré aux tâches intellectuelles coûteuses. Mais l’apprentissage, l’entraînement et la confrontation aux erreurs constituent aussi le processus par lequel une collectivité renouvelle son expertise. Si tous les acteurs économisent sur cette phase, ils bénéficient d’une expertise accumulée dans le passé sans assurer sa relève.

Le parallèle avec une ressource surexploitée a ses limites : les connaissances ne disparaissent pas mécaniquement comme un stock matériel. Elles peuvent être enseignées, documentées et reconstruites. Mais cette reconstruction exige du temps, des institutions et des personnes déjà compétentes. C’est précisément ce qui donne à la dépendance cognitive à l’IA une dimension stratégique : la faculté de vérifier une sortie algorithmique devient un actif rare, susceptible de se concentrer chez les fournisseurs des modèles et dans un nombre restreint de centres de recherche.

Dans les métiers les plus exposés, la difficulté n’est pas seulement l’erreur factuelle, aisément repérable dans certains cas. C’est l’erreur plausible, formulée dans le langage attendu et insérée dans une chaîne de travail accélérée. Sans praticiens disposant du temps, de l’expérience et de l’autorité nécessaires pour la contester, l’automatisation réduit les coûts de production tout en abaissant les capacités de contrôle. Les économies réalisées à l’échelle d’un service peuvent ainsi déplacer le coût vers la sécurité juridique, la qualité scientifique ou la robustesse opérationnelle.

Du débat sur la productivité à la guerre cognitive

La question intéresse désormais les institutions de sécurité. L’OTAN a intégré la dimension cognitive à ses travaux sur les environnements de conflit multidomaines. Le sujet ne se réduit pas aux campagnes de désinformation : il concerne les mécanismes qui affectent l’attention, la perception, la confiance et la décision. Le Commandement allié Transformation de l’OTAN présente ainsi la guerre cognitive comme un domaine d’étude lié à la résilience des sociétés et des institutions.

Les grands modèles ne constituent pas en eux-mêmes une opération hostile. Ils sont néanmoins des infrastructures d’intermédiation cognitive : ils reformulent des documents, hiérarchisent des informations, suggèrent des options et normalisent des manières de raisonner. Quand ces outils sont contrôlés par un petit nombre d’entreprises, leurs choix de conception, de données d’entraînement, de tarification et de conditions d’accès pèsent sur les chaînes de décision de milliers d’organisations.

Ce pouvoir est d’autant plus important que les fournisseurs ne vendent pas seulement un produit fini. Ils proposent des interfaces, des environnements de développement, des services d’hébergement et, de plus en plus, des agents capables d’agir dans les systèmes d’information. La relation commerciale tend alors à devenir une dépendance d’infrastructure. OpenAI, comme les autres acteurs américains dominants du secteur, bénéficie de cette concentration de l’offre, renforcée par le coût du calcul et par l’accès aux données et aux semi-conducteurs de pointe.

Préserver les capacités de vérification

La réponse publique ne peut se limiter à distinguer les usages prohibés des usages autorisés. Le règlement européen sur l’intelligence artificielle organise des obligations selon les niveaux de risque, notamment pour les systèmes employés dans des secteurs sensibles. Mais la Commission européenne rappelle également que ce cadre repose sur des dispositifs de gouvernance, de transparence et de supervision humaine. Leur efficacité dépendra de la compétence réelle des personnes chargées de les appliquer.

Une politique de résilience devrait donc suivre des indicateurs plus concrets que le seul taux d’adoption. Les administrations et les entreprises peuvent notamment distinguer les tâches où l’IA assiste un expert de celles où elle se substitue au parcours d’apprentissage ; conserver des procédures de réalisation et de revue sans modèle ; financer des formations fondées sur la résolution autonome de problèmes ; et imposer une traçabilité des décisions préparées par des outils génératifs.

• Dans la recherche, l’enjeu est de préserver la reproductibilité des méthodes et non seulement la rapidité de publication.
• Dans l’administration, il s’agit de maintenir une capacité interne à motiver juridiquement et techniquement une décision.
• Dans l’industrie, la priorité consiste à garder des équipes capables de tester, corriger et sécuriser les systèmes automatisés.

La dépendance cognitive à l’IA ne sera pas évitée par un refus abstrait de l’automatisation. Elle peut être limitée si les organisations considèrent l’expertise humaine comme une capacité productive à entretenir, et non comme un coût résiduel à éliminer. L’enjeu européen est de ne pas confondre souveraineté numérique et simple localisation des données : sans autonomie de vérification, la maîtrise des infrastructures reste incomplète.