L’IA n’élève pas le niveau, elle amplifie les écarts.

Savoir parler à la machine. Et la superviser. Les sciences humaines vont redevenir essentielles, pour Michel Ruiz, un ex-major de l’armée, passionné de technologie. Désormais professeur au CNAM.

On me demande souvent ce qui est le plus difficile lorsque je fais des formations à l’intelligence artificielle. Et ma réponse surprend parfois. Le plus difficile, ce n’est ni la technique, ni l’outil, ni même l’IA. Le plus difficile, c’est d’apprendre à des gens à parler à une machine comme ils parleraient à un être humain.

Notre maitrise du langage s’est dégradée. 

Pourquoi est-ce si compliqué ? Parce qu’en réalité, cela met en lumière une difficulté bien plus profonde : notre capacité à structurer une pensée claire, à donner du contexte, à formuler un objectif sans supposer que l’autre va deviner. Parler à une IA exige exactement ce que l’on attend d’un échange humain efficace : de la clarté, de la précision, de l’intention. Or cette posture a progressivement disparu. C’est la posture du management de la pensée. Nous sommes entrés dans une génération du moindre effort. Moindre effort cognitif, moindre effort d’attention, moindre effort d’écoute, moindre effort d’expression. Et cela se traduit très concrètement par un phénomène mesurable : nous utilisons de moins en moins de mots.

Pendant longtemps, la lecture a été un puissant levier d’apprentissage du langage. Lorsqu’un mot apparaissait dans un livre pour décrire une scène, un paysage ou une situation, et qu’il n’était pas compris, il fallait faire un effort ; ouvrir un dictionnaire, chercher, comprendre…Le dictionnaire était la bible des mots. Il imposait une gymnastique intellectuelle, une confrontation à l’inconnu, un travail actif de compréhension. Aujourd’hui, cette gymnastique a quasiment disparu. Nous regardons des films, nous écoutons des podcasts, nous consommons des vidéos, mais il est extrêmement rare d’interrompre ces expériences pour aller chercher la signification d’un mot. Le flux continue. Le contenu s’enchaîne. Et le langage, lui, se dégrade.

Les réseaux sociaux accentuent encore ce phénomène. Orientés par des algorithmes de préférence, ils exposent chacun à un univers lexical répétitif, centré sur ses centres d’intérêt, sans surprise ni découverte. Le corpus de mots se referme sur lui-même. On parle toujours des mêmes choses, avec les mêmes mots. La diversité lexicale s’effondre.

Ce sentiment d’appauvrissement n’est pas qu’une intuition. Des analyses linguistiques à grande échelle, fondées sur des millions de textes publiés sur plusieurs décennies, montrent que les mots complexes, précis ou moins courants voient leur fréquence diminuer au fil du temps. Même si nous produisons aujourd’hui plus de texte que jamais, la diversité des mots utilisés recule. On écrit davantage, mais avec un vocabulaire plus restreint. Or le langage structure la pensée. Quand les mots disparaissent, la nuance disparaît. La capacité à qualifier, à contextualiser, à raisonner avec finesse s’amenuise. Un langage appauvri produit mécaniquement une pensée appauvrie. Et une pensée appauvrie a du mal à dialoguer avec une machine qui, elle, exige du contexte, de la précision et une intention clairement formulée

L’IA générative s’aligne sur le niveau de celui qui l’interroge

C’est ici que se situe une confusion majeure. Beaucoup imaginent que l’IA générative va compenser ce manque de culture, ce déficit de vocabulaire, cette perte de structuration. Qu’elle va réparer ce qui n’a pas été appris. C’est faux. L’IA ne tire pas vers le haut par défaut. Elle s’aligne sur le niveau de celui qui l’interroge. Si l’on programme une IA pour être un assistant pédagogique, pour challenger, corriger et faire progresser, alors elle peut devenir un formidable outil d’apprentissage. Mais si on l’utilise comme un moteur de recherche amélioré, elle fige le niveau existant. Elle donne l’illusion de comprendre sans jamais corriger les failles cognitives.

En ce sens, l’IA générative telle qu’on l’utilise aujourd’hui est profondément discriminante. Elle ne permettra pas à une personne ayant un niveau moyen ou faible de réellement progresser. Car progresser suppose déjà de savoir structurer sa pensée, se poser des questions, formuler des hypothèses, décider. Et cette capacité reste encore largement transmise par l’école et l’enseignement. À l’inverse, pour une personne structurée, compétente, experte dans son domaine, l’IA devient un accélérateur spectaculaire. Elle détecte immédiatement une hallucination, repère les incohérences, exige des sources, reformule, affine, met l’IA en contradiction. Elle ne consomme pas la réponse, elle la questionne. Dans ce modèle, l’IA devient un véritable assistant cognitif.

Les khâgneux aux commandes ?

Cela nous amène à une question plus profonde. Est-ce que l’IA et les modèles de langage sont davantage conçus pour des profils littéraires, pour des personnes maîtrisant le langage, la dialectique, les sciences humaines, sociales ou comportementales ? Oui. Parce que le fonctionnement même d’un modèle de langage repose sur l’échange, l’analyse, la structuration du raisonnement et la maîtrise du mot juste. Dans ce contexte, les IA génératives sont capables de produire des résultats extraordinaires. Elles développent des logiciels, des applications, des solutions web, des automatisations, à une vitesse cinquante à cent fois supérieure à ce qui était possible auparavant. Mais cela fait émerger un basculement fondamental. Le problème n’est plus de produire des solutions. 

Le problème est d’identifier les bons problèmes. 

Comprendre les douleurs réelles, capter ce qui ne se dit pas, percevoir les signaux faibles, identifier ce qui manque plutôt que ce qui est exprimé, reste aujourd’hui une compétence exclusivement humaine. Comprendre un être humain, capter ce qu’il ne dit pas, percevoir ses signaux faibles, cela s’apprend. Et ce sont les sciences du comportement, de l’anthropologie, de la philosophie et des sciences sociales qui y préparent le mieux.

Nous entrons dans une période de doute. Que vont devenir nos métiers ? Comment allons-nous interagir avec une intelligence qui est à la fois un tout et rien, à la fois un assistant personnel et un outil générique ? L’enjeu n’est pas technologique. Il est anthropologique. Il est perceptif.

Il s’agit de redonner confiance. De montrer pourquoi l’homme, muni de ses cinq sens, conserve une longueur d’avance décisive sur la machine. Non par idéologie, mais par analyse factuelle. Nous sommes pourtant très loin aujourd’hui du stoïcisme. Penser pour soi-même devrait redevenir une exigence centrale. Non pour faire du développement personnel, mais pour interroger notre condition. À partir du moment où l’on sait qui l’on est, on identifie clairement sa valeur. Les années à venir devront nous permettre de répondre à cette question essentielle : quelle est notre valeur dans la société ? Une valeur unique, inestimable. Et pour la comprendre, le seul étalon possible sera de connaître la valeur réelle de la machine. C’est en la comparant que nous comprendrons à quel point l’humain conserve une supériorité décisive. Non pas parce qu’il calcule mieux, mais parce qu’il ressent, perçoit, interprète et vit à travers l’autre. L’homme est un animal social. Il n’existe qu’à travers les relations qu’il tisse

Faisons donc attention à ce que l’autre ne se réduise jamais à une machine, mais demeure pleinement humain, dans ce qu’il a de sensible, d’imprévisible et de vivant.

Michel RUIZ 

Michel Ruiz est formateur et co-fondateur de Kaviar.