L'IA répond, on acquiesce. Sommes-nous en train de perdre la remise en question ?

Un ami vous montre son nouveau site. Il l'a « fait avec l'IA » en une soirée : quelques phrases pour décrire son activité, une palette de couleurs, et le résultat est en ligne. C'est propre. Ça charge vite. Il est ravi, et il a une question pour vous : « Franchement, qu'est-ce que tu en penses ? »

La vraie question est ailleurs : lui, qu'est-ce qu'il peut en penser ? Ce n'est pas son métier. Il peut juger que c'est joli. Il ne peut pas juger que le formulaire de contact ne fait pas fuir les données de ses clients, que les pages sont lisibles par Google et par les IA, que le site tient sur un écran de 320 pixels, que les mentions légales tiennent la route, que les images utilisées lui appartiennent. Il a obtenu un livrable dans un domaine où il n'a aucun moyen d'évaluer ce qu'il a reçu.

Ce n'est pas un problème de site web. C'est le problème de l'IA générative tout entier : elle répond à tout, tout de suite, avec assurance — et nous prenons ses réponses pour argent comptant précisément dans les domaines où nous serions incapables de les contredire. Sommes-nous en train de perdre la remise en question ? La recherche commence à répondre, et la réponse n'est pas rassurante.

Ce que la recherche mesure déjà

Trois études récentes, trois angles, une même direction.

La confiance dans l'IA fait baisser l'esprit critique. Des chercheurs de Microsoft Research ont interrogé 319 travailleurs du savoir sur 936 usages réels de l'IA générative dans leur travail (CHI 2025). Le résultat tient en une phrase : plus une personne fait confiance à l'IA pour une tâche, moins elle exerce de pensée critique dessus ; plus elle a confiance en ses propres compétences, plus elle en exerce. L'esprit critique ne disparaît pas, il change de nature : il passe de « produire » à « vérifier, intégrer, superviser ». Ce qui suppose d'en être capable.

On se croit plus rapide alors qu'on est plus lent. L'étude METR citée plus haut est la plus dérangeante, justement parce qu'elle porte sur des experts. Seize développeurs chevronnés, travaillant sur des projets qu'ils connaissaient par cœur, ont été chronométrés avec et sans assistant d'IA. Avec l'IA, ils ont mis 19 % de temps de plus. Avant l'expérience, ils s'attendaient à gagner 24 % ; après, ils étaient encore persuadés d'avoir gagné 20 %. La perception ne s'est pas corrigée au contact des faits. Si des experts se trompent à ce point sur leur propre productivité, que dire de quelqu'un qui n'a aucun repère ?

Déléguer laisse des traces. Une équipe du MIT Media Lab a suivi 54 participants pendant quatre mois, électrodes sur la tête, en leur faisant écrire des essais avec ChatGPT, avec un moteur de recherche, ou sans rien (Your Brain on ChatGPT, 2025). Le groupe qui écrivait avec l'IA montrait la connectivité cérébrale la plus faible, peinait à citer son propre texte quelques minutes après l'avoir « écrit », et se sentait le moins propriétaire de son travail. Les auteurs parlent de dette cognitive. Prudence : c'est une prépublication, sur un petit échantillon. Mais le signal va dans le même sens que les deux autres.

Le paradoxe de la vérification

Revenons au site de votre ami. Pour vérifier le travail de l'IA, il faudrait posséder la compétence qu'il vient précisément de déléguer. C'est le nœud du problème, et il ne date pas de l'IA : nous avons toujours fait confiance à des professionnels que nous ne savions pas contrôler — le garagiste, l'expert-comptable, le chirurgien. Trois choses ont changé.

Le professionnel avait un nom, une responsabilité, une assurance. L'IA n'a rien de tout cela. Si le site fuit, personne n'est responsable — sauf celui qui l'a mis en ligne.

Le professionnel disait parfois « je ne sais pas ». L'IA, presque jamais. Elle formule ses erreurs exactement comme ses réussites — nous l'avons détaillé dans un article sur les hallucinations, et ce n'est pas un défaut de jeunesse : c'est la façon dont ces systèmes fonctionnent.

La friction a disparu. Faire appel à un professionnel coûtait du temps et de l'argent, ce qui incitait à réfléchir avant et à regarder après. Demander à une IA coûte trois secondes. Vérifier sa réponse en coûte trente minutes. L'asymétrie est telle que la vérification devient l'exception.

Sur le code, ce n'est pas théorique. Veracode a testé plus d'une centaine de modèles de langage sur des tâches de programmation : dans 45 % des cas, le code généré contenait une faille de sécurité connue, et les modèles les plus récents ne faisaient pas mieux que les anciens sur ce point (2025 GenAI Code Security Report). Un site « fait avec l'IA » a donc, grossièrement, une chance sur deux d'embarquer une faille que son propriétaire ne verra jamais, parce qu'un site troué ressemble exactement à un site sain. Jusqu'au jour où il ne ressemble plus à rien.

Et ce n'est pas réservé aux amateurs. En octobre 2025, Deloitte a dû rembourser une partie d'un rapport de 440 000 dollars australiens commandé par le gouvernement australien : références inexistantes et citation de jugement inventée, produites par une IA et passées à travers la relecture d'un cabinet dont la relecture est le métier. Quand les experts eux-mêmes cessent de vérifier, le problème n'est plus la compétence : c'est l'habitude.

Pourquoi on ne remet plus en question

Le phénomène a un nom depuis longtemps : le biais d'automatisation. Les travaux menés sur les pilotes et les opérateurs de salles de contrôle (Parasuraman et Manzey, 2010) montrent que face à un système automatisé fiable la plupart du temps, l'humain finit par ne plus le surveiller, et manque justement l'erreur rare qui compte. Nous ne sommes pas paresseux ; nous sommes calibrés sur la moyenne, et la moyenne de l'IA est bonne.

À ce biais ancien, l'IA générative ajoute trois accélérateurs : la fluidité (une réponse bien écrite paraît vraie), la solitude (la réponse arrive sans contradicteur, sans collègue qui fronce les sourcils) et la disparition de l'effort (or c'est souvent l'effort de faire qui nous apprenait à juger). Résultat : nous acquiesçons. Pas parce que nous sommes convaincus, mais parce que rien, dans l'expérience, ne nous invite à douter.

Vérifier ce qu'on ne sait pas faire : six réflexes

La bonne nouvelle, c'est qu'on n'a pas besoin de savoir faire pour savoir tester. Vous ne savez pas lire le code ; vous savez lire un résultat.

1. Fixez les critères avant, pas après. Avant de demander quoi que ce soit, écrivez à quoi ressemblera un travail réussi : « le formulaire m'envoie un e-mail », « la page s'affiche correctement sur mon téléphone », « chaque page a un titre différent ». Des critères observables par vous, sans compétence particulière. C'est ce qu'un bon client fait avec une agence ; faites-le avec l'IA.

2. Testez au lieu de lire. Remplissez le formulaire avec de fausses données et regardez ce qui arrive. Ouvrez le site sur un vieux téléphone. Passez les pages dans les outils publics gratuits : test de vitesse de Google, validateur d'accessibilité, test des résultats enrichis. Vous n'interpréterez pas tout, mais un feu rouge est un feu rouge.

3. Demandez à l'IA de se contredire. « Quels sont les risques de ce que tu viens de faire ? », « Qu'est-ce qu'un expert critiquerait dans cette réponse ? », « Qu'est-ce que tu n'as pas vérifié ? ». Les modèles sont étonnamment bons pour critiquer leur propre travail, à condition qu'on le leur demande.

4. Croisez deux moteurs. Posez la même question à deux IA différentes. Quand elles divergent, au moins l'une des deux extrapole, et vous savez où creuser.

5. Gardez un humain pour ce qui engage. Argent, droit, santé, sécurité des données : l'IA prépare la conversation, elle ne la remplace pas. Une heure d'un professionnel pour relire ce que l'IA a produit coûte moins cher qu'une fuite de données ou qu'un redressement.

6. Continuez à faire une partie vous-même. Pas par nostalgie : parce que la capacité à juger un travail se construit en le faisant. Celui qui n'a jamais écrit une ligne ne verra jamais qu'une ligne manque. Rédigez le premier jet, laissez l'IA l'améliorer ; pas l'inverse.

Et nous, agences ?

La question nous concerne directement, et il serait malhonnête de faire comme si elle ne visait que les particuliers. Un client qui nous confie sa visibilité sur Google et dans les IA est exactement dans la situation de l'ami au site : il ne peut pas vérifier notre travail, pas plus qu'il ne pourrait vérifier celui d'une IA. Le référencement est un métier opaque depuis vingt ans, et l'IA n'a rien arrangé.

Notre réponse tient en un mot : la mesure. Pas des rapports d'activité, mais des résultats lisibles sans être expert : quelles questions vos clients posent aux IA, quels moteurs vous recommandent, à quelle fréquence, et comment cette courbe évolue d'un mois sur l'autre. C'est pour cela que nous avons construit notre propre outil plutôt que de faire confiance à un tableau de bord tiers, et c'est pour cela que chaque donnée qu'il produit avec un modèle d'IA est vérifiée contre sa source avant d'être affichée. Nous utilisons l'IA tous les jours ; nous n'avons pas pour autant renoncé à la contredire. C'est peut-être la seule règle qui vaille : on peut déléguer le travail, jamais le jugement.

Vous voulez savoir ce que les IA disent de vous, et surtout pouvoir le vérifier vous-même ? C'est le principe de notre audit de visibilité IA : des questions en clair, des réponses mesurées moteur par moteur, et une courbe que vous lisez sans avoir à nous croire sur parole.

Note méthodologique : METR, « Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity », juillet 2025 (16 développeurs, 246 tâches, essai randomisé) ; Microsoft Research, « The Impact of Generative AI on Critical Thinking », CHI 2025 (319 travailleurs du savoir, 936 exemples) ; MIT Media Lab, « Your Brain on ChatGPT », prépublication 2025 (54 participants, EEG, quatre mois) ; Veracode, « 2025 GenAI Code Security Report » (plus de 100 modèles) ; Parasuraman et Manzey, « Complacency and Bias in Human Use of Automation », Human Factors, 2010. Le cas Deloitte Australie a été rapporté par la presse en octobre 2025 (rapport pour le Department of Employment and Workplace Relations, remboursement partiel, usage d'Azure OpenAI reconnu par le cabinet).