Une étude expérimentale récente a examiné l'influence d'autres comme ChatGPT sur les processus de pensée lors de tâches d'écriture. L'étude, menée par Kosmyna, N. et al. (2025) au MIT Media Lab et intitulé « Votre cerveau sur ChatGPT: Accumulation de la dette cognitive lors de l'utilisation d'un assistant AI pour la rédaction d'essais », analyse comment différents niveaux d'assistance technologique modulent l'engagement cognitif.
Les chercheurs ont recruté des participants partis en trois groupes : un groupe utilisant un assistant d-IA (groupe LLM), un groupe utilisant un moteur de recherche, et un groupe s-Appuyant uniquement sur ses propres ressources cognitives (groupe Brain-only). Sur trois sessions, chaque groupe a conservé la même modalité de travail. Lors d'une quatrième session, les conditions ont été inversées pour certains participants : ceux qui ont utilisé l'IA ont travaillé sans cellule-ci (LLM-to-Brain), tant que ces derniers ont travaillé de manière autonome ont été introduits à l'IA (Brain-to-LLM). EEG, analyses linguistiques, évaluation des productions écrites et entretiens, fin d'explorer non seulement les performances, mais aussi les processus cognitifs sous-jacents.
Les résultats obtenus en preuve des différences nettes d'engagement cognitif. L'activité cérébrale, mesurée via la connectivité neuronale, était la plus élevée dans le groupe Brain-only, intermédiaire dans le groupe utilisant un moteur de recherche, et la plus facile dans le groupe LLM. Cela suggère qu'à mesurer que le soutien externe augmente, l'engagement cognitif interne diminue. Parallèlement, l=analyse linguistique montre que les textes produits avec l=IA sont plus homogènes, avec une moindre variable lexicale et structurelle, tant que les productions autonomes sont plus diversifiées et distinctes.
Expérience subjective des participants réfléter ces différences. Les participants du groupe LLM rapportent un moindre sentiment d'appropriation de leurs textes et avantage de difficiles à se souvenir ou à citer ce qu'ils viennent d'écrire. À l'inverse, le groupe Brain-only présente une meilleure mémorisation et un sentiment clair de propriété du travail produit. Même les textes aidés par IA obtenient de bons scores, ils nécessitent peu de modifications et restent près des réponses générales par défaut, ce qui fait d'un niveau de traitement actif plus limité.
La quatrième session correspond aux éléments particulaires des éclairants. Les participants passés d'un travail autonome à l'usage de l'IA (Brain-to-LLM) ont monté une augmentation de la connectivité cérébrale sur plusieurs bandes de fréquence, suggérant une intégration active du soutien de l'IA aux connaissances préexistantes. Ils ont également obtenu de bonnes performances en termes de mémoire et de structuration. En revanche, les participants passés de l'IA à un travail autonome (LLM-to-Brain) présentent une diminution de l'engagement neuronal et ne retrouvaient pas le niveau d'activité du groupe initial Brain-only. Leur production portait en dehors des traces persistantes de vocabulaire et de structures influencées par l'IA.
Un point de vue clinique, ces résultats sont particulièrement pertinents. Le raisonnement clinique repose sur un engagement actif : organisateur l'information, établir des liens, répondre aux décisions. L'écriture constitue un levier central pour développer et affiner ce raisonnement. Si l'IA réduit cet effort, notamment en début de formation, cela peut conduire à ce que l'on peut qualifier de « dette cognitive » : un accès progressif des processus de pensée suivant le jugement clinique.
Dans le même temps, l'étude suggère que l'IA peut être générique lors d'une phase de réflexion autonome. Le groupe Brain-to-LLM montre que l'engagement préalable permet une utilisation plus intégrée et réflexive de l'IA. Cela rejoint les modèles pédagogiques et cliniques dans lesquels les outils sont d'autant plus efficaces qu'ils s'appliquent sur des bases déjà construites plutôt qu'ils ne sont pas substituants.
Ces résultats font également écho à la pratique clinique quotidienne. Les thérapies soulignent l'importance de la participation active et de la réflexion chez les patients. De la même gestion, les cliniciens ont développé leur expertise par une pensée répétée et exigeante. Si les outils d'IA viennent remplacer ce processus plutôt que le soutien, cela pourrait modifier de gestion subtile mais signifiant les modes de pensée, de mémorisation et de décision des cliniciens.
Les implications éthiques sont importantes. Les cliniciens restent responsables de leur raisonnement et de leurs écrits, même en présence d'IA. La diminution du sentiment d'appropriation soulève des questions quant à l'engagement critique. Si un clinicien se envoie moins lié à ce qu'il écrit, il peut être moins enclin à en questionner la validité. Des préoccupations existent également concernant les bilatéraux et l'exactitude, dans la mesure où les contenus génériques peuvent ne pas correspondre aux contextes individuels ou culturels des patients.
Des risques similaires concernent les chercheurs et les étudiants. Un texte de qualité ne repose pas uniquement sur la clarté, mais aussi sur la compréhension. Si l'IA facilite la production de textes sans engagement conscient approprié, il existe un risque de produire des contenus appropriés solides mais dépourvus de compréhension réelle. Préserver l'intégrité intellectuelle poser un engagement actif dans le processus de pensée, au-delà du résultat final.
Dans l'ensemble, cette étude offre une perspective importante sur la gestion dont des outils comme ChatGPT peu influencer la connaissance au fil du temps. Pour les cliniciens et les thérapeutes, elle souligne la nécessité d'une approche équitable, dans la quelle l'IA est utilisée comme un soutien, tout en préservant l'effort cognitif qui fonde l'expertise clinique. L. enjeu n. est pas d'ouvrir ces outils, mais de les utiliser de manier à renforcer, et non à remplacer, les processus cognitifs au cœur de l'apprentissage et de la pratique.