Une étude expérimentale récente a examiné l’influence d’outils 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 intitulée « Your Brain on ChatGPT: Accumulation of Cognitive Debt when Using an AI Assistant for Essay Writing Task », analyse comment différents niveaux d’assistance technologique modulent l’engagement cognitif.
Les chercheurs ont recruté des participants répartis 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 ayant utilisé l’IA ont travaillé sans celle-ci (LLM-to-Brain), tandis que ceux ayant travaillé de manière autonome ont été introduits à l’IA (Brain-to-LLM). L’étude combinait enregistrements EEG, analyses linguistiques, évaluation des productions écrites et entretiens, afin d’explorer non seulement les performances, mais aussi les processus cognitifs sous-jacents.
Les résultats mettent en évidence 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 faible dans le groupe LLM. Cela suggère qu’à mesure que le soutien externe augmente, l’engagement cognitif interne diminue. Parallèlement, l’analyse linguistique montre que les textes produits avec l’IA étaient plus homogènes, avec une moindre variabilité lexicale et structurelle, tandis que les productions autonomes étaient plus diversifiées et distinctes.
L’expérience subjective des participants reflète ces différences. Les participants du groupe LLM rapportaient un moindre sentiment d’appropriation de leurs textes et davantage de difficultés à se souvenir ou à citer ce qu’ils venaient d’écrire. À l’inverse, le groupe Brain-only présentait une meilleure mémorisation et un sentiment clair de propriété du travail produit. Même lorsque les textes assistés par IA obtenaient de bons scores, ils nécessitaient peu de modifications et restaient proches des réponses générées par défaut, ce qui témoigne d’un niveau de traitement actif plus limité.
La quatrième session apporte des éléments particulièrement éclairants. Les participants passés d’un travail autonome à l’usage de l’IA (Brain-to-LLM) ont montré 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) présentaient une diminution de l’engagement neuronal et ne retrouvaient pas le niveau d’activité du groupe initial Brain-only. Leur production portait en outre des traces persistantes de vocabulaire et de structures influencés par l’IA.
D’un point de vue clinique, ces résultats sont particulièrement pertinents. Le raisonnement clinique repose sur un engagement actif : organiser l’information, établir des liens, réfléchir 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 affaiblissement progressif des processus de pensée soutenant le jugement clinique.
Dans le même temps, l’étude suggère que l’IA peut être bénéfique lorsqu’elle intervient après 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’appuient sur des bases déjà construites plutôt qu’ils ne s’y substituent.
Ces résultats font également écho à la pratique clinique quotidienne. Les thérapeutes soulignent l’importance de la participation active et de la réflexion chez les patients. De la même manière, les cliniciens développent leur expertise par une pensée répétée et exigeante. Si les outils d’IA viennent remplacer ce processus plutôt que le soutenir, cela pourrait modifier de manière subtile mais significative 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 sent moins lié à ce qu’il écrit, il peut être moins enclin à en questionner la validité. Des préoccupations existent également concernant les biais et l’exactitude, dans la mesure où les contenus générés 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 cognitif approfondi, il existe un risque de produire des contenus apparemment solides mais dépourvus de compréhension réelle. Préserver l’intégrité intellectuelle repose un engagement actif dans le processus de pensée, au-delà du résultat final.
Dans l’ensemble, cette étude offre une perspective initiale importante sur la manière dont des outils comme ChatGPT peuvent influencer la cognition au fil du temps. Pour les cliniciens et les thérapeutes, elle souligne la nécessité d’une approche équilibrée, dans laquelle l’IA est utilisée comme un soutien, tout en préservant l’effort cognitif qui fonde l’expertise clinique. L’enjeu n’est pas d’éviter ces outils, mais de les utiliser de manière à renforcer, et non à remplacer, les processus cognitifs au cœur de l’apprentissage et de la pratique.