Dans un récent article (The Tragedy of the Cognitive Commons: How AI Could Disrupt the Regeneration of Professional Expertise, 2026)ⁱ, Nolan Lovett dénonce la manière dont l’intelligence artificielle est en train de piller et surtout de vider de leur substance les « communs cognitifs ». Dans une recension de ce même article, X. Olessa-Daragon et V. Auplat de Lustrac n’hésitent pas d’ailleurs à assimiler l’IA à un « virus cognitif »ⁱⁱ. Selon Lovett, l’IA peut donner l’impression d’augmenter les capacités de cognition humaine, mais en réalité, elle les dégrade. Plus grave, elle empêche leur régénération en limitant les possibilités d’émergence d’authentiques ruptures conceptuelles, ce qui induira finalement une régression générale. Le phénomène s’apparente à la surpêche : en épuisant les ressources locales, on finit tendanciellement par épuiser les ressources halieutiques globales. De même, à force de se reposer sur les IA qui tirent avantage de l’ensemble des connaissances existantes qui leur sont accessibles, l’humanité dispose de moins en moins d’experts compétents, capables de comprendre et de créer, sans l’aide de l’IA, des notions et des concepts plus complexes, et surtout novateurs, qui ne peuvent émerger qu’en dehors de tous les cadres admis. On remarquera d’ailleurs que cet affaiblissement de l’intelligence humaine a déjà commencé à propos de l’IA elle-même, dont les concepteurs mêmes sont souvent incapables d’expliquer le fonctionnement réel de leurs modèles, et de comprendre et d’évaluer finement la façon dont ces modèles produisent des résultats (voir par exemple la récente prouesse par de l’IA en mathématiques: d’anciennes conjectures ont été « résolues », mais sans que les mathématiciens professionnels aient encore pu valider les « démonstrations » de l’IA).

Le parallèle entre l’épuisement des « communs cognitifs » et celui des « communs naturels » applique à l’IA la thèse bien connue de Garrett Hardin sur la « tragédie des biens communs » (1968)ⁱⁱⁱ. Garrett Hardin offrait une explication lumineuse sur la manière dont des individus rationnels, agissant de manière indépendante mais avec leur seul intérêt individuel en vue, finissent inéluctablement par épuiser les ressources communes, censées appartenir à tous, quand elles sont insuffisamment protégées contre des prédateurs les pillant en toute impunité. Aujourd’hui, alors que les systèmes d’intelligence artificielle prennent en charge des tâches cognitives de plus en plus complexes, dans de nombreux domaines professionnels, une « tragédie » analogue est en train de se préparer à l’échelle mondiale. Hardin présentait l’épuisement des biens communs comme le résultat inévitable d’actions individuelles décorrélées de l’intérêt général. Il recommandait d’imposer une gestion collective des biens communs de façon à assurer leur pérennité. Pour préserver des « ressources communes » par des mécanismes de gouvernance, mais aussi assurer leur régénération, il faut définir des limites strictes à l’utilisation de ces ressources, et mettre en place des sanctions proportionnelles en cas d’abus et d’appropriation du patrimoine collectif par quelques-uns. En théorie, les « communs cognitifs » ne sont pas nécessairement voués à l’appropriation privée et à leur dégradation subséquente, si l’on adopte des politiques efficaces de régulation. Mais quelles seraient ces politiques? A quelle échelle, nationale, régionale, mondiale, les instituer? Doivent-elles couvrir des domaines spécifiques ou s’appliquer de façon générale? Sous le contrôle et la gouvernance de qui? Les appels récents au « ralentissement » de la recherche en IA par des parties prenantes comme OpenAI ou Anthropic ont lancé un débat largement médiatisé. Des « experts » prédisent rien de moins que l’éventualité d’une prochaine « fin de l’humanité », et les probabilités les plus fantaisistes, sans aucune base scientifique, alimentent ces débats confus, intentionnellement biaisés par des intérêts énormes, visant de prochaines mises sur le marché boursier, et visant aussi à limiter par des contraintes régulatoires la menaçante compétition chinoise (on se rappelle comment l’apparition inopinée de DeepSeek a fait vaciller le Nasdaq à plusieurs reprises en 20025 et 2026 ^iv).

Au-delà de ces « débats » de circonstance, faisant manifestement partie d’une vaste opération « PsyOp » de manipulation psychologique à l’échelle internationale, il faut souligner qu’une grande partie des travaux de recherche actuels s’attaque aux défis posés par l’IA quant à la reconversion et à la formation du « capital humain », comme on dit. Dans les secteurs actuellement les plus exposés à l’IA, des organisations et des entreprises suppriment déjà massivement les postes de début de carrière. Or ce sont ces postes qui, historiquement, ont constitué le fondement des premières acquisitions et du développement de l’expertise future des cadres . Les organisations et sociétés qui gèlent massivement le recrutement des jeunes diplômés se justifient en présentant ces pratiques comme des ajustements temporaires et nécessaires, compte tenu des impératifs de la concurrence, plutôt que de reconnaître qu’elles sont le signe d’un échec plus fondamental des formations professionnelles, et de l’incapacité de celles-ci à assurer leur régénération et leur adaptation en vue de préparer un avenir dont personne ne sait de quoi il sera fait. Les formes d’automatisation induites par les IA, et les systèmes qui les gèrent, n’offrent en général que des possibilités très limitées de développement d’une expertise personnelle et approfondie des professionnels qui les utilisent. Pour comprendre comment l’adoption générale de l’IA commence à engendrer des dynamiques affectant les « communs cognitifs » dans le tissu professionnel et social, il faut intégrer plusieurs champs disjoints: la théorie des biens communs issue des études environnementales et des politiques publiques, la recherche dans le domaine des ressources humaines et de la formation des adultes, l’état actuel des sciences cognitives, et d’une manière plus générale encore, la capacité à penser d’un point de vue « systémique ». Les « communs cognitifs » représentent des réservoirs collectif d’expertise humaine intéressant des professions variées. Ce sont des ressources amenées à être partagées largement, mais le problème essentiel, à moyen terme, reste celui de leur « régénération ». Celle-ci ne peut plus être considérée comme allant de soi. Il y a désormais un risque de faillite systémique de l’ensemble de la chaîne de production des savoirs et des expertises. Le travail professionnel à l’ère de l’IA exige à la fois des formes pointues d’expertise, mais aussi une véritable « maîtrise » de nombre de problèmes plus fondamentaux. Il y a bien sûr l’expertise individuelle, qui exige une connaissance approfondie du domaine en tant qu’elle est « intériorisée » dans l’esprit de chaque individu, grâce à une pratique soutenue, consciente et critique. Et il y a une maîtrise plus fondamentale encore, qui est « distribuée », de nature « systémique », et qui représente la capacité à assimiler et à orchestrer des formes d’intelligences et de connaissances réparties entre les différents groupes et intérêts humains, utilisant différents systèmes techniques basés sur des proportions variées d’IA. Ces expertises et cette « maîtrise » remplissent des fonctions complémentaires, mais l’épuisement des communs les met en péril. Le patrimoine cognitif commun est un bien collectif dont personne ne détient la propriété exclusive. Les professionnels accumulent des connaissances qui viennent abonder ce patrimoine, lequel ne peut rester statique, mais doit trouver les conditions de sa régénération, pour éviter sa dégradation. Les communs cognitifs dépendent en grande partie d’apports collectifs qui, avec le temps, peuvent être gravement affectés. Dans tous les domaines, les organisations recrutent des experts issus d’un vivier commun de talents : elles bénéficient ainsi de l’expertise disponible à un moment donné, mais sans avoir eu à financer le coût de la formation de ces expertises. Elles n’ont, de plus, aucun intérêt à prendre en charge ces coûts de développement, puisqu’elles peuvent profiter immédiatement des investissements réalisés auparavant par d’autres entités (comme le système public d’éducation de base, les universités, les formations complémentaires, publiques ou privées). Cette situation systémique engendre un fort risque de « resquillage » et de « parasitisme » (le phénomène appelé en anglais du « free rider »). Par exemple, l’évaluation des risques pouvant menacer gravement une institution financière ou bancaire dans ses usages de l’IA, repose sur la validation par des experts (humains) maîtrisant à la fois les aspects techniques et les structures conceptuelles de l’IA elle-même, mais aussi les aspects proprement financiers et bancaires. La fiabilité des codes générés par l’IA repose sur la capacité des programmeurs à corriger les bogues techniques, mais aussi sur la capacité d’experts extrêmement qualifiés à identifier les biais invisibles de la conception d’ensemble et à évaluer la qualité de l’intégration de l’IA dans l’entreprise à long terme. Dans tous ces domaines, les organisations peuvent faire appel à une expertise collective, qui peut fournir par exemple une capacité de réponse aux crises (par exemple en cas de cyber-attaques basées sur l’IA). Les retombées des connaissances collectivement acquises profitent donc potentiellement à toutes les organisations, qu’elles emploient ou non directement les experts des domaines spécifiques. Les avantages liés à la disponibilité de cette expertise collective sont « non exclusifs »: toutes les organisations bénéficient, en principe et en puissance, des compétences des experts de l’ensemble de la profession. Cependant les coûts liés à la formation de nouveaux experts (toujours nécessaires, et de façon de plus en plus pointue) sont supportés, non pas collectivement, mais par des organisations ou des sociétés spécifiques qui se retrouvent seules à investir dans des parcours de formation de longue durée et de haute valeur ajoutés, formation qui profitera ensuite, éventuellement, à des organisations ou sociétés concurrentes. Comme tout « bien commun », les communs cognitifs sont en effet « non exclusifs ». Des organisations qui voudraient se les accaparer ne peuvent pas facilement empêcher d’autres acteurs de bénéficier de leur existence. La disponibilité générale d’une expertise approfondie dans un domaine professionnel particulier, offre aussi une assurance collective contre les défaillances systémiques, et une capacité de surveillance et de lutte contre des risques globaux. Ceci profite à toutes les organisations, quelle que soit leur contribution individuelle au développement de cette expertise. Par exemple, si une entreprise supprime ses postes de débutants et les remplace par des applications d’IA, elle peut toutefois bénéficier de la capacité d’expertise globale de la profession, lorsqu’elle doit finalement recruter des professionnels non débutants, et parfaitement expérimentés, mais ayant été formés par d’autres organisations. La « non-exclusivité » des expertises cognitives crée donc des incitations au parasitisme, quand des organisations cherchent à tirer rationnellement profit des ressources des communs cognitifs (en l’occurrence composés par le vivier d’experts de l’ensemble de la profession) sans avoir contribué à son entretien par des investissements dans les infrastructures de formation, ou dans l’apprentissage des jeunes diplômés.

Comme tout bien commun, les communs cognitifs sont susceptibles de se dégrader en raison de leur surexploitation et du fait des défaillances de leurs mécanismes de « régénération ». Des organisations peuvent extraire beaucoup de valeur technique et financière des « communs cognitifs », par exemple en déployant des IA, qui dépendent en réalité de l’accompagnement d’experts confirmés. Cela permet de supprimer des postes de début de carrière, lesquels sont pourtant censés contribuer à former de futurs experts. Ces organisations tirent un profit immédiat des communs cognitifs, mais leur politique de non-recrutement à court terme affecte négativement la capacité des communs à se régénérer à long terme. Contrairement aux biens communs traditionnels tels que les océans ou les forêts, où l’épuisement devient visible par la baisse des prises, l’épuisement des sols ou le déboisement irréversible, la dégradation des communs cognitifs se manifeste de façon moins évidente. On peut la percevoir à travers les tendances de l’emploi, sur plusieurs générations, plutôt que par une pénurie immédiate de ressources. Les experts déjà formés continuent de mettre en place aujourd’hui des applications d’IA, d’en valider les résultats, de gérer les difficultés d’implémentation et les cas exceptionnels, avec compétence, créant ainsi une impression de stabilité et de contrôle, alors même que les mécanismes de régénération des communs subissent à plus long terme des perturbations profonde, non encore mises en évidence. Cette érosion peut cependant être mesurée par l’analyse de l’accès au marché du travail des cohortes générationnelles. Chaque organisation qui, grâce à l’IA, supprime des postes de début de carrière capte immédiatement 100 % des gains d’efficacité (réduction des coûts salariaux, suppression des frais de formation, exécution plus rapide des tâches assistées par l’IA) tout en rejetant le coût (futur) de l’appauvrissement en expertise sur toutes les autres organisations qui dépendent, elles aussi, de la disponibilité d’experts. Les organisations qui investissent dans des infrastructures de formation, pour préserver les filières traditionnelles ou en créer de nouvelles, sont désavantagées sur le plan concurrentiel par rapport à celles qui s’appuient sur le recrutement d’experts déjà formés, et issus d’un vivier de compétences qui est lui-même en déclin. Les forces du marché récompensent l’efficacité des organisations qui tirent avantage de ce déséquilibre systémique, mais elles pénalisent les organisations qui supportent des coûts disproportionnés pour le développement de cette même expertise, dont les bénéfices sont censés profiter à l’ensemble du « système ». D’un point de vue économique, les « communs cognitifs » représente une défaillance majeure du marché en matière d’investissement dans le mal nommé « capital humain ». Les entreprises ont des incitations claires à investir dans des domaines spécifiques, mais elles sous-investissent systématiquement dans les « communs ». Elles « calculent » que les professionnels et les experts formés par leurs soins peuvent toujours partir chez la concurrence, les empêchant ainsi de tirer profit de leur éventuel investissement. Les économistes qualifient d' »externalité positive » (et non pas négative) les investissements en formation: les bénéfices des formations reviennent en effet, en partie, à d’autres entreprises lorsque les travailleurs changent d’employeur. Mais dans les métiers les plus exposés à l’IA, on observe déjà l’émergence de perturbations dans les mécanismes de renouvellement des communs, après l’adoption de plus en plus généralisée de l’IA. Lorsque les systèmes d’IA peuvent effectuer de manière autonome des tâches de niveau débutant, les organisations suppriment purement et simplement les postes de débutant. Même lorsque les postes de niveau débutant sont conservés, les jeunes professionnels utilisent bien évidemment l’IA et peuvent ainsi atteindre des niveaux de productivité qui, auparavant, auraient nécessité des années d’expérience. Cela permet aux organisations d’accomplir le même travail avec moins d’employés, qu’ils soient débutants ou non. Ce qui présente ici un danger significatif, c’est que lorsque des personnes nouvellement embauchées acquièrent une maîtrise de l’IA, elles n’ont pas à suivre tous les processus cognitifs et les apprentissages nécessaires à l’acquisition d’une véritable maîtrise, c’est-à-dire une maîtrise réellement assimilée et « internalisée » dans l’esprit des individus eux-mêmes (et non pas simplement stockée dans des logiciels et des bases de données). Ce phénomène s’avère difficile à détecter, car les chiffres de l’emploi peuvent encore sembler satisfaisants (aux Etats-Unis) alors que la qualité de la régénération des compétences se dégrade silencieusement. Chaque organisation tire gratuitement des gains d’efficacité de l’adoption de l’IA, tandis que le coût de la future régénération de l’expertise cognitive s’accroît. Ce coût devra être supporté par les générations futures, mais elles n’ont pas voix au chapitre.

Des études empiriques de cas démontrent que la validation superficielle des processus basés sur l’IA s’avère notoirement insuffisante lorsque l’IA produit des résultats de valeur incertaine, quoique « plausible », alors que ces résultats sont en réalité dangereusement « biaisés » ou même complètement erronés. Pire, les professionnels exposés à des recommandations biaisées de l’IA reproduisent ensuite ces biais dans leurs propres jugements ultérieurs, même après la suppression de l’assistance de l’IA. Pourtant, on a remarqué que ces professionnels sont encore capables de détecter quelques erreurs dans les recommandations de l’IA, démontrant ainsi une certaine capacité à les évaluer et les valider superficiellement. Mais ensuite, ils ont tendance à continuer de suivre les conseils biaisés ou erronés de l’IA, contre leur propre jugement. Ceci suggère que la détection d’un problème et le fait de passer outre une recommandation algorithmique requièrent des capacités cognitives d’une tout autre nature. Là encore, il faut pouvoir sortir des cadres, penser « out of the box », démarche que l’IA n’encourage pas, mais mine peu à peu. La validation superficielle fonctionne ; mais les problèmes sous-jacents, et plus encore les problèmes fondamentaux (les structures, les paradigmes), continuent d’être sous-estimés ou ignorés. Des professionnels ou des experts de niveau intermédiaire peuvent « voir » ou « sentir » que quelque chose « ne va pas » dans une application d’IA, mais ils ne parviennent pas à identifier, ni à déterminer la raison de « ce qui ne va pas », ce qui les rend cognitivement incapables de passer outre le résultat algorithmique proposé par l’IA. On retrouve le même schéma chez les experts confirmés. Des gains de productivité s’observent certes sur des tâches situées dans les « limites » des capacités de l’IA; en revanche les performances (en productivité) baissent sur les tâches situées au-dessus de ces « limites », précisément lorsque l’évaluation et la validation de « fond » deviennent cruciales. Les experts confirmés eux-mêmes ne distinguent plus de manière fiable les situations où l’assistance de l’IA améliore les performances de celles où elle les dégrade. Cette capacité de discernement nécessite une compréhension plus approfondie encore du domaine d’expertise, et en particulier la capacité à évaluer si un problème donné relève ou non du champ de compétence d’un système d’IA.

L’adoption de l’IA par une organisation peut donc entraîner un appauvrissement progressif des expertises cognitives. Dans un premier temps, l’adoption de l’IA permet de supprimer sans état d’âme les postes de débutants, car l’IA remplit leurs fonctions de manière autonome. Dans un deuxième temps, l’assistance fournie par l’IA permet aux jeunes professionnels (ceux qui ont conservé leur emploi) d’atteindre un certain niveau de productivité sans effort cognitif, ce qui fait que l’augmentation de la productivité (mais sans réelle « internalisation » personnelle) atténue la nécessité d’un développement de leur expertise propre, conscientisée. Dans un troisième temps, ces deux mécanismes réduisent la formation de ces maîtrises « intériorisées » au fil des cohortes successives, tout en apparaissant, dans la comptabilité organisationnelle, comme des gains nets d’efficacité. Dans un quatrième temps, les professionnels qui n’ont pas acquis de connaissances approfondies dans leur domaine par les voies traditionnelles ne disposent plus de la compréhension fondamentale, qui est nécessaire pour acquérir une maîtrise cognitive sur le « fond » des sujets concernés. La dégradation de cette maîtrise profonde accroît le risque systémique à mesure que l’adoption de l’IA prend de l’ampleur, car la fonction de supervision humaine censée détecter les erreurs de l’IA lorsqu’elles se produisent devient de moins en moins fiable. L’expertise superficielle continue de fonctionner, tant qu’aucun problème de fond ne surgit, alors même la maîtrise de fond s’érode. Ce risque systémique reste latent jusqu’à ce qu’une crise inopinée, imprévisible, le révèle brutalement, et parfois catastrophiquement.

____________________

iNolan Lovett. The Tragedy of the Cognitive Commons: How AI Could Disrupt the Regeneration of Professional Expertise. 2026 [[2607.29380] The Tragedy of the Cognitive Commons: How AI Could Disrupt the Regeneration of Professional Expertise ]

ii X. Olessa-Daragon et V. Auplat de Lustrac. L’IA est-elle un virus cognitif? Le Grand Continent. Septembre 2026

iiiGarrett Hardin, « The Tragedy of the Commons », Science, vol. 162, no 3859,‎ 13 décembre 1968, p. 1243-1248 (DOI 10.1126/science.162.3859.1243

ivEn présentant, en 2025, un modèle d’IA ultra-performant (DeepSeek-R1) développé pour seulement 6 millions de dollars — soit une fraction infime des budgets de la Silicon Valley —, la startup chinoise DeepSeeka provoqué un véritable séisme. Ce choc a fait douter Wall Street de la rentabilité des investissements pharaoniques des géants américains et a lourdement ébranlé le Nasdaq, effaçant des centaines de milliards de dollars de valorisation en quelques séances, notamment chez Nvidia. Le feuilleton DeepSeek et son bras de fer avec le Nasdaq se sont poursuivis à plusieurs reprises : En février 2026, le lancement du modèle DeepSeek V4 a de nouveau alimenté la volatilité du Nasdaq. Des enquêtes réglementaires américaines ont été lancées pour comprendre comment la startup parvenait à de tels résultats malgré les restrictions sur les puces. Le 7 juillet 2026, le Nasdaq a de nouveau fléchi à la suite d’informations révélant que DeepSeek développait sa propre puce IA afin de s’affranchir d’un coup des matériels de Nvidia et Huawei, déstabilisant l’ensemble du secteur des semi-conducteurs. En septembre 2026, DeepSeek a choisi de défier Wall Street en préparant son introduction en bourse (visant une valorisation historique de plus de 50 milliards de dollars) directement sur les places asiatiques.