Tragédie des communs cognitifs : l'IA pourrait détruire l'expertise collective de professions entières

Nolan Lovett, de l'Université des opérations spéciales de l'OTAN, dans un article publié dans la Revue du développement des ressources humaines, soutient que l'adoption généralisée de l'IA dans les entreprises suit la logique de la tragédie des biens communs. Chaque entreprise qui remplace les postes de début de carrière par l'IA gagne 100 % des bénéfices en termes d'efficacité, tandis que les coûts de l'érosion de l'expertise sont répartis entre toutes les organisations qui dépendent du bassin commun de travailleurs qualifiés. Lovett identifie deux mécanismes qui fragilisent le vivier de nouveaux professionnels : l'élimination directe des postes de début de carrière, et un effet plus subtil où le soutien de l'IA permet aux juniors d'atteindre une productivité élevée sans l'effort cognitif qui construit une expertise approfondie. Cela crée un problème de « laisse de validation » : la capacité à superviser l'IA dépend précisément de cette expertise profonde que l'utilisation de l'IA sape. L'impact complet pourrait se faire sentir avec un décalage de 5 à 20 ans, devenant visible seulement entre 2030 et 2045, ce que Lovett appelle le « paradoxe de la réserve humaine ». Certains domaines, tels que le génie logiciel, l'analyse financière et la recherche juridique, sont très vulnérables, tandis que la médecine et l'ingénierie sont quelque peu protégées par la réglementation et les ordres professionnels. Des études citées dans l'article montrent que l'utilisation de l'IA peut affaiblir la connectivité neuronale (étude EEG du MIT), réduire les scores aux tests de 17 % chez les développeurs de logiciels (Anthropic), et être corrélée négativement avec la pensée critique dans une étude suisse portant sur 666 participants. Cependant, les études économiques ne sont pas concluantes : certaines montrent des baisses d'emploi dans les professions touchées par l'IA, en particulier chez les jeunes travailleurs, mais la causalité n'est pas claire. Les solutions envisagées incluent des espaces d'apprentissage sans IA, une introduction progressive de l'IA et des exigences minimales de performance humaine.