Le coach ne court pas à la place de l'athlète

L’ESSENTIEL. L’IA fait progresser celui qui garde l’effort. Elle déqualifie, sans bruit, celui qui lui laisse la place. Un lycéen qui s’entraîne avec ChatGPT gagne 48 % aux exercices, puis perd 17 % à l’examen. Un agent de support débutant gagne 36 % et garde l’acquis quand l’outil tombe en panne. Tout se joue dans ce que l’outil fait faire à la personne.

Le scorpion sans dard

Dans le Kalahari, une suricate adulte apporte à son petit un scorpion mort. Plus tard, un scorpion sans dard. Plus tard encore, un scorpion intact.

Elle ne chasse pas à sa place. Elle règle la difficulté.

Des biologistes de Cambridge l’ont observé en 2006. Je suis tombée sur cette étude en cherchant tout autre chose : comment on apprend, aujourd’hui, quand une machine répond à tout. Elle ne m’a plus quittée.

Même machine. Effets opposés.

Deux études, publiées en 2025, se répondent.

Le lycéen turc. Près de mille élèves s’entraînent en mathématiques, une partie avec ChatGPT. Pendant l’entraînement, ils progressent de 48 %. Puis on retire l’IA et on leur fait passer l’examen. Ils font 17 % de moins que ceux qui n’avaient rien.

L’agent américain. Plus de 5 000 agents reçoivent un assistant nourri des conversations des meilleurs. Les débutants gagnent 36 %. Puis l’outil tombe en panne, plusieurs fois. Ils restent au-dessus de leur niveau d’avant.

Le lycéen a recopié une réponse. L’agent a lu une proposition, l’a jugée, adaptée, envoyée, des milliers de fois. Le premier a regardé courir. Le second a couru derrière un lièvre.

Le chemin des anciens

On pose souvent la question ainsi : l’IA aide-t-elle à apprendre ? En creusant, j’ai compris que la vraie question était ailleurs. Le savoir abonde. La transmission se raréfie.

Dans le Wyoming, des biologistes ont suivi des mouflons et des élans déplacés vers des territoires où leur espèce avait disparu. Les animaux étaient sains, le paysage favorable. Il manquait des anciens qui connaissaient le chemin de la migration. Moins de 9 % des animaux déplacés ont migré, contre 65 à 100 % dans les troupeaux installés. Il a fallu près de quarante ans aux mouflons pour reconstruire ce savoir, et environ quatre-vingt-dix aux élans.

Personne n’avait écrit la route. Elle vivait dans la pratique, une génération suivant l’autre sur les mêmes crêtes.

Quand le geste disparaît

Une organisation qui laisse partir ses anciens sans transmission ressemble à ce troupeau. Elle a les outils, le terrain, les moyens. Elle n’a plus le chemin.

C’est là que l’IA change la donne. Elle automatise d’abord les tâches par lesquelles les juniors apprenaient : la première version, la synthèse, la recherche. Aux États-Unis, l’emploi des 22-25 ans dans les métiers les plus exposés est déjà environ 19 % sous la tendance attendue. On embauche moins de débutants. On forme donc moins de futurs anciens.

Ce que je vois venir

Ce que je vois venir, je ne peux pas encore le prouver. Une génération de juniors qui produira beaucoup et saura peu. Des seniors qui partiront sans relève, avec un savoir que personne n’aura écrit.

La médecine en donne un avant-goût. Des endoscopistes expérimentés ont perdu un cinquième de leur taux de détection sans IA, quelques mois après l’avoir adoptée. Personne ne mesure encore cette érosion dans une entreprise.

Et il y a ce que je ne sais pas. Je ne sais pas si l’IA peut s’apprendre, ou seulement s’expérimenter. Si elle ne s’apprend qu’en la pratiquant, aucun catalogue de cours ne suffira. Il faudra des lieux où l’on pratique ensemble, où l’on se trompe devant quelqu’un, où un ancien règle la difficulté.

ANGLE MORT. Aucune étude ne suit l’apprentissage avec l’IA sur plusieurs années. Les tests les plus longs vont d’une semaine à 45 jours. Les grandes refontes d’écoles (Sydney, Surrey, HEC Paris, INSEAD) n’ont publié aucun résultat d’apprentissage. Les universités d’entreprise publient surtout des nombres de personnes formées, rarement ce qu’elles savent faire ensuite. La Chine forme à une échelle inédite sans évaluation indépendante connue.

Ce que les écoles ont déjà compris

Les écoles l’ont compris avant les entreprises. Avant de toucher à leurs cours, elles changent leur façon de prouver qu’on sait faire : la soutenance, l’oral, l’épreuve sans machine.

Côté entreprise, je connais le problème de l’intérieur. De 2014 à 2020, j’ai été COO d’AXA Université. Nous mesurions surtout les moyens : les contenus créés, la participation, la satisfaction. La performance six mois plus tard était bien plus difficile à saisir. Nous y arrivions pour certaines populations, dans certaines zones géographiques, mais c’était toujours un processus en plus. Je me suis beaucoup questionnée sur ce qu’un MOOC apportait vraiment en compétence, si loin du faire et du terrain.

Si c’était à refaire, je ne créerais pas de contenu là où il en existe déjà. Je favoriserais l’expérimentation, et je réserverais du temps pour pratiquer.

La question au comité

Au prochain comité, je ne demanderais plus combien de personnes nous avons formées à l’IA. Je demanderais qui, chez nous, saurait encore faire si l’outil s’arrêtait demain.

Pour descendre plus bas. Le dossier complet (PDF, 13 pages, sources datées) explore ce que le cerveau, le vivant, l’atelier et le terrain de sport nous apprennent de la transmission. Il compare les modèles américain et chinois, décrit les nouveaux formats des écoles et des universités d’entreprise, et propose sept modèles pour ces dernières.

Sources

• Thornton et McAuliffe, Teaching in wild meerkats, Science, 2006.
• Bastani et al., Generative AI without guardrails can harm learning, PNAS, 2025.
• Brynjolfsson, Li et Raymond, Generative AI at Work, Quarterly Journal of Economics, 2025.
• Jesmer et al., Is ungulate migration culturally transmitted?, Science, 2018.
• Brynjolfsson, Chandar et Chen, Canaries in the Coal Mine?, Stanford Digital Economy Lab, août 2026.
• Budzyń et al., The Lancet Gastroenterology & Hepatology, 2025.