Les effets de la délégation cognitive

Avez-vous déjà noté quelque chose parce que vous ne vouliez pas l’oublier ? Ajouté un rendez-vous à votre calendrier ? Ou utilisé une calculatrice plutôt que de résoudre vous-même un problème de mathématiques ? Si oui, vous avez déjà fait l’expérience de la délégation cognitive.

La délégation cognitive se produit lorsque nous utilisons quelque chose d’extérieur à notre esprit pour réduire l’effort mental qu’exige une tâche. Ces outils nous permettent de transférer vers le monde qui nous entoure une partie du travail qui reposerait autrement sur notre attention ou notre mémoire (Hu et al., 2019; Morrison & Richmond, 2020). La délégation cognitive n’est pas nouvelle et n’est pas nécessairement une mauvaise chose. Mais elle comporte des compromis. Par exemple, la recherche indique que lorsque les gens s’attendent à ce que l’information demeure accessible à l’extérieur, ils risquent moins de retenir l’information elle-même (Morrison & Richmond, 2020).

L’IA générative élargit ce à quoi peut ressembler la délégation cognitive. Contrairement à un calendrier qui se souvient d’une date ou à une calculatrice qui effectue un calcul, l’IA peut résumer de l’information, expliquer des concepts, rédiger des textes, résoudre des problèmes et générer des idées. À mesure que ces outils gagnent en capacité, la façon dont nous choisissons de leur déléguer notre réflexion compte. L’IA peut aider à gérer les exigences cognitives, mais elle peut aussi prendre en charge des parties d’une tâche que les apprenants auraient avantage à accomplir eux-mêmes. Alors, quand l’utilisation de l’IA soutient-elle l’apprentissage, et quand risque-t-elle de remplacer une réflexion que les élèves doivent pratiquer eux-mêmes ?

L’incidence de l’IA dépend en grande partie de ce que nous lui confions et de ce que nous continuons à faire nous-mêmes. L’IA peut prolonger notre réflexion en nous aidant à travailler avec l’information de nouvelles façons. Un élève peut s’en servir pour explorer différentes explications d’un concept difficile, générer des questions qui poussent sa réflexion plus loin ou obtenir de la rétroaction qu’il peut évaluer et à laquelle il peut répondre. Utilisée de cette façon, et dans un but pédagogique clair, l’IA peut soutenir le processus de réflexion plutôt que de simplement le remplacer, selon des recherches émergentes (Bushnell & Harrison, 2025). De plus, selon le cadre de littératie en IA de l’OCDE et de l’Union européenne (2026), « l’IA est aussi particulièrement prometteuse sur le plan de l’inclusion, puisqu’elle peut offrir un soutien différencié et individualisé aux apprenantes et apprenants ayant des besoins éducatifs particuliers ou un handicap » (p. 13, traduction libre).

Mais la même IA peut aussi faciliter le fait de sauter des étapes importantes du processus de réflexion. Si l’IA génère les idées, organise l’argumentation et rédige la réponse, un élève peut arriver à un produit fini en ayant fourni moins du travail mental nécessaire pour y parvenir, ce qui peut affaiblir la pensée critique. Les chercheurs explorent de plus en plus comment l’IA peut faciliter certaines tâches tout en réduisant les occasions de pratiquer les compétences cognitives qu’elles exigent (Chen et al., 2025; Chirayath et al., 2025).

En définitive, les données probantes sur l’efficacité de l’IA générative pour l’apprentissage sont mitigées. Mais une chose est claire : son incidence dépend en grande partie de la façon dont on l’utilise.

Un regard plus attentif sur l’étude

Que pouvons-nous en retenir ?

L’étude du MIT soulève des questions utiles sur ce qui peut se produire lorsque l’IA prend en charge des parties d’une tâche qui exigeraient autrement que nous générions, organisions ou rappelions nous-mêmes des idées. Elle ne démontre pas que l’utilisation de ChatGPT cause une moins bonne mémoire ni qu’elle réduit la capacité de réfléchir d’une personne.

La recherche sur l’IA générative, la mémoire et l’effort mental est encore en développement. La façon dont une personne utilise l’IA peut compter autant que le fait de l’utiliser ou non. Utiliser un outil pour générer une réponse entière, par exemple, peut faire appel à des processus cognitifs différents de ceux de la remise en question de ses suggestions, de la comparaison d’autres options, de la révision d’un résultat ou de son utilisation après avoir élaboré ses propres idées (Chen et al., 2025; Kosmyna et al., 2025). Des études émergentes commencent à examiner ces différences, mais il reste encore beaucoup de choses que nous ignorons.

Avez-vous déjà lu une explication, pensé « Ça se tient », puis eu de la difficulté à expliquer la même idée par la suite ? Le fait qu’une chose semble claire sur le moment n’est pas toujours la même chose que de pouvoir utiliser soi-même cette connaissance. Cette distinction est depuis longtemps pertinente en éducation, et elle devient particulièrement intéressante lorsque nous introduisons l’IA générative.

Une façon dont le personnel éducatif a envisagé les différents types d’apprentissage passe par la taxonomie révisée de Bloom. Elle décrit l’apprentissage à l’aide de six processus : se souvenir, comprendre, appliquer, analyser, évaluer et créer. L’emploi de verbes d’action met l’accent sur ce que les apprenants sont capables de faire avec leurs connaissances, depuis le rappel et l’explication de l’information jusqu’à son application, son évaluation et la création à partir de celle-ci (Université de Waterloo, s.d.).

Différentes façons de travailler avec les connaissances

Cette idée se retrouve dans les programmes d’études partout au Canada. Bien que le langage varie selon la province et le territoire, on s’attend souvent à ce que les élèves utilisent activement ce qu’ils savent et le démontrent. Voici comment cela prend forme à l’échelle du pays.

Comment l’apprentissage prend forme à l’échelle du Canada

Pris ensemble, ces exemples montrent que l’apprentissage partout au Canada ne se limite pas à comprendre ou à mémoriser de l’information. Bien que chaque province et territoire aborde l’apprentissage dans son propre contexte, on demande aux élèves de réfléchir, de communiquer, de créer, d’établir des liens, d’appliquer leurs connaissances, de s’ouvrir à différentes perspectives et de participer au monde qui les entoure.

L’IA générative ajoute une nouvelle dimension à cela. Une explication générée par l’IA peut faire paraître un concept difficile remarquablement facile à suivre. Un élève peut la lire et penser : « D’accord, je comprends. » Mais comprendre une explication sur le moment n’équivaut pas nécessairement à pouvoir travailler avec cette connaissance de façon autonome. L’élève peut-il expliquer l’idée dans ses propres mots ? La relier à autre chose ? La remettre en question ? L’appliquer dans un nouveau contexte ? S’en servir pour créer ou résoudre quelque chose ?

L’IA peut faciliter l’accès à l’information et aider les apprenants à comprendre des idées difficiles, mais ce ne sont là que des parties de l’apprentissage. Les élèves ont encore besoin d’occasions de réfléchir avec ce qu’ils savent, de se l’approprier et de l’utiliser de façon significative.

L’effort intellectuel nécessaire à l’apprentissage a une valeur immense. Résoudre des problèmes difficiles, récupérer de l’information, faire des erreurs et développer ses idées de façon autonome sont autant d’éléments importants dans la construction des connaissances et de la compréhension. La recherche en éducation démontre depuis longtemps la valeur de ces processus. Par exemple, la pratique du rappel actif peut favoriser l’apprentissage et la rétention (Moreira et al., 2019), tandis que tenter de résoudre un problème avant de recevoir un enseignement direct peut aider les apprenants à mieux tirer parti du soutien qui suit (Chowrira et al., 2019).

L’IA générative peut fournir des explications, des suggestions, de la rétroaction et même des réponses complètes presque instantanément. Bien que ce soutien puisse être utile dans certains contextes, il peut aussi permettre aux élèves de contourner les processus de réflexion mêmes qui contribuent à un apprentissage significatif. Choisir d’intégrer l’IA à l’enseignement et à l’apprentissage exige d’être intentionnel quant à la façon dont les élèves l’utilisent, et de considérer non seulement ce que l’IA peut les aider à accomplir, mais aussi les occasions de réflexion, de résolution de problèmes et de difficulté productive qu’il faut préserver. L’objectif ne devrait jamais être de rendre l’apprentissage sans effort, mais de faire en sorte que la technologie, lorsqu’elle est utilisée, soutienne le travail cognitif essentiel à l’apprentissage plutôt que de le remplacer.

Préserver la pensée critique et l’autonomie humaine

À quoi pourrait ressembler le fait de préserver la réflexion tout en utilisant l’IA ? La recherche ci-dessous propose plusieurs façons de penser à cet équilibre.

Il n’existe pas une seule bonne façon de concilier l’IA et l’effort mental. L’essentiel est de déterminer quel processus compte pour l’objectif d’apprentissage et de s’assurer que les élèves ont encore des occasions de pratiquer cette compétence.