Anthropic l’admet : “Les jeunes qui s’appuient fortement sur l’IA risquent de compromettre leur acquisition de compétences professionnelles”

L’étude How AI Impacts Skill Formation menée par Anthropic, et publiée fin janvier, analyse l’impact réel de l’assistance par intelligence artificielle sur la productivité et l’apprentissage des compétences, à partir d’une expérience contrôlée menée auprès de 52 développeurs (pour la plupart des profils junior) apprenant une nouvelle bibliothèque Python.

Elle montre que si l’IA peut aider à accomplir des tâches, son utilisation modifie profondément la manière dont les individus apprennent et développent leurs compétences professionnelles.

L’IA compense un manque de connaissances et/ou d’expérience

Depuis l’essor des assistants conversationnels et des outils de génération de code, l’IA est de plus en plus utilisée dans les métiers “de bureau” pour accélérer la production et faciliter l’accès à l’information. Plusieurs études ont déjà montré des gains de productivité dans différents secteurs.

Dans les centres d’appels, par exemple, l’utilisation d’assistants conversationnels a permis d’augmenter de 15% le nombre de problèmes résolus par les opérateurs. Dans le conseil, l’IA a permis à certains consultants de réaliser en moyenne 12,2% de tâches supplémentaires. Dans le développement logiciel, certains travaux estiment que les développeurs utilisant des outils d’assistance peuvent terminer certaines tâches jusqu’à 55,5% plus rapidement.

Ces gains bénéficient particulièrement aux travailleurs les moins expérimentés, qui s’appuient sur l’IA pour compenser un manque de connaissances ou d’expérience.

Les travailleurs font moins face aux difficultés, pourtant essentielles à l’apprentissage

Cependant, la question centrale n’est pas seulement celle de la productivité immédiate mais celle de l’impact de l’IA sur l’apprentissage des compétences nécessaires pour travailler avec ces outils. Dans de nombreux secteurs, les travailleurs ne se contentent plus d’exécuter des tâches mais doivent superviser des systèmes automatisés.

Cette évolution suppose qu’ils disposent toujours d’une compréhension technique suffisante pour détecter les erreurs, corriger les dysfonctionnements ou juger de la qualité des résultats produits par les machines. Si l’IA permet de réaliser une tâche plus rapidement, elle pourrait aussi réduire l’exposition des utilisateurs aux difficultés et aux erreurs qui constituent habituellement une étape essentielle du processus d’apprentissage.

Une expérience menée auprès de développeurs

Pour mesurer cet effet, les chercheurs d’Anthropic ont donc mené une expérience aléatoire avec 52 développeurs possédant au moins un an d’expérience en Python mais n’ayant jamais utilisé la bibliothèque de programmation Trio. Les participants devaient résoudre deux exercices de programmation en 35 minutes afin d’apprendre à utiliser cette nouvelle bibliothèque.

La moitié des participants disposait d’un assistant IA capable de répondre aux questions et de générer du code, tandis que l’autre moitié devait travailler sans assistance. Après la réalisation des tâches, tous les participants passaient un test destiné à mesurer leur compréhension conceptuelle, leur capacité à lire du code et leurs compétences de débogage. Le questionnaire comportait 14 questions pour un total de 27 points.

Les résultats montrent que l’assistance par IA réduit significativement l’acquisition de compétences. Les participants ayant utilisé l’IA obtiennent un score moyen inférieur de 4,15 points au test, soit une baisse d’environ 17% du score total. L’écart est statistiquement significatif et se retrouve dans l’ensemble des niveaux d’expérience des participants. Les différences sont particulièrement marquées dans les questions de débogage, qui mesurent la capacité à identifier et corriger les erreurs dans un programme.

Le temps passé à échanger avec l’IA ne fait pas gagner de temps à la fin

En revanche, l’IA n’a pas généré de gains significatifs de productivité dans cette expérience. Le temps moyen nécessaire pour terminer les exercices n’est pas sensiblement différent entre les deux groupes. Les chercheurs expliquent ce résultat par la manière dont les participants interagissent avec l’assistant : certains passent plusieurs minutes à formuler leurs requêtes ou à lire les réponses de l’IA, ce qui compense le gain potentiel de temps lié à la génération automatique de code.

Dans certains cas, les participants ont consacré plus de 30% du temps disponible à écrire ou affiner leurs questions à l’IA. Cette transformation du processus de travail peut réduire l’engagement cognitif, surtout lorsque l’utilisateur se contente d’appliquer les solutions proposées par l’outil sans chercher à les comprendre. Les chercheurs parlent alors de “décharge cognitive”, c’est-à-dire le transfert d’une partie de l’effort intellectuel vers la machine.

Déléguer en partie ou entièrement, à chacun sa stratégie

L’étude met également en évidence des différences importantes dans les stratégies d’utilisation de l’IA. Certains participants délèguent entièrement la résolution du problème à l’assistant, en lui demandant directement de générer le code et en le copiant dans leur programme. Ces utilisateurs terminent les tâches plus rapidement, parfois en moins de 20 minutes, mais obtiennent des résultats très faibles au test final, avec des scores moyens compris entre 24% et 39%.

À l’inverse, les participants qui utilisent l’IA pour poser des questions conceptuelles ou demander des explications obtiennent des scores nettement plus élevés, entre 65% et 86%. Dans ces cas, l’IA sert davantage d’outil pédagogique que de remplaçant au travail humain.

Sans erreur, comment apprendre ?

Une autre différence majeure évoquée plus tôt concerne l’exposition aux erreurs. Les développeurs travaillant sans IA rencontrent en médiane trois erreurs pendant les exercices, contre une seule pour ceux utilisant l’assistant. Cette différence joue un rôle important dans l’apprentissage.

Les erreurs obligent les participants à analyser leur code, à comprendre les concepts sous-jacents et à corriger leurs programmes, ce qui renforce leur compréhension de la bibliothèque utilisée. En supprimant une grande partie de ces difficultés, l’IA réduit les occasions d’apprentissage.

Dans certaines situations, l’IA agit davantage comme un “exosquelette cognitif”, comme l’expliquent les chercheurs : elle augmente les capacités immédiates de l’utilisateur mais sans renforcer ses compétences propres. Une fois l’outil retiré, les performances reviennent au niveau initial, voire peuvent être plus faibles si l’apprentissage a été limité.

Adapter les pratiques de travail face à la montée en puissance de l’IA

A terme, l’intégration massive de l’IA dans les environnements de travail pourrait avoir des effets ambivalents sur l’apprentissage des compétences, en particulier pour les plus jeunes. Si l’IA est utilisée comme un substitut au raisonnement humain, elle risque d’affaiblir la compréhension conceptuelle et les capacités de supervision nécessaires pour contrôler les systèmes automatisés.

En revanche, lorsqu’elle est utilisée comme un outil d’explication ou d’apprentissage, elle peut soutenir l’effort cognitif et contribuer au développement des compétences. Dans ce contexte, l’enjeu pour les organisations n’est pas seulement d’exploiter les gains de productivité offerts par l’IA, mais aussi de concevoir des pratiques de travail qui préservent l’apprentissage et l’expertise à long terme.