La surcharge d'IA est réelle. Voici ce qui se passe dans votre cerveau.

Quelque chose a changé autour de 2024. Le nombre de personnes décrivant une forme précise d’épuisement cognitif — ni tout à fait un burn-out, ni tout à fait une surcharge d’informations, mais quelque chose à l’intersection des deux — a fortement augmenté. Les descriptions sont cohérentes : un sentiment de saturation mentale, des difficultés à penser par soi-même, une tolérance réduite à l’incertitude, et une dépendance inconfortable à des outils d’IA qui, d’une certaine manière, rendent la pensée plus difficile, pas plus facile.

Il ne s’agit pas de technophobie ni de nostalgie. Cela reflète de vraies dynamiques neurologiques, prévisibles au vu de ce que nous savons sur la façon dont le cerveau traite l’information, maintient ses fonctions cognitives et réagit à une aide toujours disponible. Voici ce qui se passe — et ce que les données suggèrent pour y faire face.

Le nouvel environnement cognitif

En 2025, dans la plupart des secteurs, les travailleurs du savoir interagissent plusieurs fois par jour avec des outils d’IA — ChatGPT, Copilot, Gemini, Claude, et des dizaines d’outils spécialisés. L’utilisateur moyen envoie des dizaines de requêtes par jour. Le contenu généré par IA représente désormais une part importante des brouillons d’e-mails, des résumés de réunions, du code, des documents écrits et des résultats de recherche.

Il s’agit d’un environnement cognitif vraiment nouveau. Pour la première fois dans l’histoire, une grande partie du travail cognitif qui demandait auparavant un effort soutenu — rédiger, résumer, chercher, planifier, déboguer — peut être déléguée presque instantanément. La question est de savoir ce que cela fait au cerveau à long terme.

La réponse, d’après ce que nous savons sur les fonctions cognitives et la charge cognitive, est plus complexe que la version optimiste (l’IA étend les capacités humaines) ou la version pessimiste (l’IA atrophie les capacités humaines). Les deux se produisent, de différentes manières, pour différents types de pensée.

Pourquoi les outils d’IA peuvent augmenter la charge cognitive au lieu de la réduire

L’idée intuitive est que déléguer du travail à l’IA réduit la charge cognitive. À certains égards, c’est vrai. Mais les recherches sur la théorie de la charge cognitive (Sweller, 1988) distinguent la charge intrinsèque (la complexité de la tâche elle-même), la charge extrinsèque (les exigences cognitives créées par la manière dont la tâche est présentée) et la charge germane (l’effort cognitif qui construit la compréhension et les compétences).

Les outils d’IA réduisent surtout la charge intrinsèque et la charge liée à l’apprentissage — ils prennent en charge le travail qui demanderait autrement un effort et favoriserait l’apprentissage. Mais ils augmentent souvent la charge extrinsèque : évaluer la précision des résultats de l’IA, intégrer plusieurs éléments générés par l’IA dans un travail cohérent, gérer le contexte entre plusieurs outils, décider quoi déléguer et quoi faire soi-même, et garder une vue d’ensemble sur les processus d’IA. Ce sont de nouvelles exigences cognitives qui n’existaient pas auparavant.

Le résultat pour beaucoup de personnes est paradoxal : plus de production, plus de fatigue cognitive. Le travail paraît plus léger sur le moment, mais plus épuisant sur l’ensemble d’une journée. Beaucoup de personnes décrivent cela comme la fatigue décisionnelle : une longue succession de petites décisions peut sembler aussi fatigante que quelques grandes. La recherche débat encore des raisons de ce phénomène, mais le ressenti d’une fatigue mentale après des heures de microdécisions constantes est courant.

L’utilisation de l’IA au travail augmente fortement le nombre de microdécisions : accepter cette suggestion, rejeter celle-là, revoir ce paragraphe, relancer cette requête. Chaque décision est rapide, mais la charge cumulée de centaines de microdécisions quotidiennes est importante.

Le paradoxe de l’automatisation et l’atrophie des compétences

Il existe, bien documenté dans la recherche en ergonomie et en facteurs humains, un phénomène appelé le paradoxe de l’automatisation ou les ironie de l’automatisation (Bainbridge, 1983) : lorsque l’automatisation prend en charge les tâches routinières, les opérateurs humains s’entraînent moins aux compétences nécessaires dans les situations non routinières. Les pilotes qui s’appuient sur le pilote automatique pour la majeure partie de leurs vols voient leurs compétences de pilotage manuel se dégrader. Les radiologues qui utilisent des outils de diagnostic basés sur l’IA présentent des taux de détection plus faibles lorsque l’IA passe à côté de quelque chose.

Le même mécanisme s’applique au travail cognitif. Écrire, raisonner à travers des problèmes, planifier et synthétiser de manière créative sont des compétences qui se développent avec la pratique et s’émoussent sans elle. Quand l’IA prend en charge le premier jet, la synthèse ou le raisonnement structuré, ces circuits cognitifs sont moins sollicités. Le problème n’est pas dramatique — cela ne veut pas dire que les gens oublient comment penser —, mais l’atrophie progressive des compétences pratiquées entraîne au fil du temps un vrai changement dans les capacités cognitives et la confiance.

Cela ne se résume pas à être simplement moins habitué à écrire à la main. Écrire — composer réellement un texte, pas dicter ni corriger — mobilise la mémoire de travail, l’organisation conceptuelle et la pensée réflexive d’une manière que la relecture et la correction d’une sortie d’IA ne reproduisent pas entièrement. Le travail cognitif de la rédaction est génératif ; celui de la correction est évaluatif. Les deux ont leur valeur ; ils ne sont pas interchangeables.

La fragmentation de l’attention

Indépendamment de la charge cognitive et de l’atrophie des compétences, les outils d’IA ajoutent une couche supplémentaire de fragmentation de l’attention à un environnement déjà saturé d’interruptions. Chaque interface de chat, assistant de code et outil d’écriture est une source potentielle d’interruption — une requête à lancer, un résultat à vérifier, un complément à affiner.

Le cortex préfrontal, qui gère l’attention soutenue et les fonctions exécutives, ne fait pas la distinction entre les interruptions générées par des humains et celles générées par l’IA. Les recherches sur les coûts du changement de tâche (Rubinstein et al., 2001) montrent que passer d’une tâche à l’autre — même brièvement — impose un coût cognitif qui s’accumule au fil de la journée. Ajouter plusieurs outils d’IA à un environnement de travail déjà fragmenté aggrave ce phénomène sans que beaucoup de personnes identifient la source de leur fatigue.

L’ironie, c’est que les outils d’IA sont souvent adoptés précisément pour réduire la charge cognitive. Mais l’ajout de nouveaux outils, de nouvelles interfaces et de nouveaux points de décision augmente souvent la demande cognitive totale plutôt que de la réduire — du moins jusqu’à ce que ces outils soient suffisamment intégrés pour être utilisés automatiquement plutôt que de manière réfléchie.

Que faire concrètement

Faire la différence entre réduire et déléguer. Toutes les aides de l’IA n’ont pas le même effet cognitif. Utiliser l’IA pour gérer des tâches réellement peu utiles (mise en forme, textes passe-partout, recherches répétitives) réduit la charge sans coût important en compétences. Utiliser l’IA pour des compétences de réflexion que vous voulez garder — rédaction complexe, analyse argumentée, résolution créative de problèmes — réduit la charge au prix d’une capacité pratiquée. Être attentif à la catégorie dans laquelle tombe un usage donné est le point de départ.

Préservez des moments de réflexion sans aide. Les compétences cognitives les plus menacées par le fait de déléguer à l’IA sont justement celles qu’il vaut le plus la peine de préserver : le raisonnement autonome, l’écriture au long cours, la planification complexe. S’exercer volontairement à ces compétences sans aide de l’IA — pendant des périodes définies, sur des tâches qui comptent — n’a rien d’une peur de la technologie ; c’est la même logique qu’un chirurgien qui s’entraîne aux techniques manuelles même lorsque des outils robotisés sont disponibles.

Réduisez le nombre d’outils d’IA en usage actif. Le coût cognitif lié au fait de gérer cinq interfaces d’IA différentes est plus élevé que celui d’en gérer une seule, bien choisie. La multiplication des outils d’IA crée le même problème de morcellement de l’attention que la multiplication des applications et des notifications. La centralisation réduit la charge cognitive parasite.

Appliquez les mêmes principes que pour le bien-être numérique en général. La surcharge liée à l’IA est une forme particulière du problème plus large qu’Unwire aide à traiter : des environnements cognitifs qui exigent plus qu’ils ne donnent, une attention morcelée qui épuise sans jamais recharger, et un stimulus disponible en permanence qui fait paraître la déconnexion impossible. Les solutions restent les mêmes : des périodes sans IA clairement définies, un environnement pensé pour limiter les interactions d’arrière-plan avec l’IA, et des temps de récupération réguliers où le cerveau n’est pas sollicité.

La perspective à long terme

L’intégration de l’IA dans le travail intellectuel ne va pas s’inverser. La question est de savoir comment chacun navigue dans un environnement conçu, par nature, pour maximiser l’engagement et minimiser les frictions — et ce que cela fait à la santé cognitive sur des années plutôt que sur quelques jours.

Les recherches sur le bien-être numérique, plus largement, suggèrent que les personnes qui s’en sortent le mieux dans les environnements technologiques ne sont ni celles qui utilisent le plus d’outils ni celles qui en utilisent le moins, mais celles qui gardent un contrôle volontaire sur les conditions de leur propre attention : quand elles sont joignables, quand elles ne le sont pas, ce qu’elles délèguent, et ce qu’elles protègent.

Cette intentionnalité est plus difficile à maintenir dans un environnement saturé d’IA que dans un environnement seulement saturé de smartphones. Mais le principe de fond — préserver votre capacité à penser de façon autonome, rétablir le niveau de base du cerveau grâce à un vrai repos, et concevoir votre environnement plutôt que d’y réagir — reste le même.

Sources

1. Sweller, J. (1988). Cognitive load during problem solving: effects on learning. Cognitive Science, 12(2), 257–285.
2. Bainbridge, L. (1983). Ironies of automation. Automatica, 19(6), 775–779.
3. Rubinstein, J.S., et al. (2001). Executive control of cognitive processes in task switching. Journal of Experimental Psychology: Human Perception and Performance, 27(4), 763–797.
4. Wiehler, A., et al. (2022). A neuro-metabolic account of why daylong cognitive work alters the control of economic decisions. Current Biology, 32(16), 3564–3575.
5. Baumeister, R.F., et al. (1998). Ego depletion: is the active self a limited resource? Journal of Personality and Social Psychology, 74(5), 1252–1265.

Comment nous faisons nos recherches et relisons ce contenu