L’intelligence comme ressource

Lorsque l’intelligence artificielle tend à devenir une commodité accessible à tous et toutes, à la manière de l’électricité ou de l’eau courante, ce n’est pas notre intelligence qui disparaît : c’est notre manière de l’exercer qui se déplace. Non plus vers la recherche de réponses, mais vers la formulation de questions, activité qui engage ce que nous avons de plus singulier comme êtres humains. Une réflexion anthropologique sur ce déplacement, et sur ce qu’il change dans nos pratiques.

Une transformation qui s’inscrit dans une longue histoire

La survenue de l’intelligence artificielle générative suscite des réactions qui oscillent entre enthousiasme et inquiétude, entre fascination et rejet. Ces réactions sont compréhensibles, mais elles risquent de masquer ce qui se passe réellement. Pour saisir la nature de cette transformation, il est utile de la situer dans une perspective historique plus longue, celle des moments où une capacité humaine fondamentale change de statut, passant d’une ressource rare et difficile à une ressource abondante et accessible.

L’histoire technique est jalonnée de tels basculements. La mémoire longtemps portée par les individus s’est progressivement externalisée dans l’écriture, puis dans l’imprimerie, puis dans les bases de données numériques. La force musculaire s’est externalisée dans les machines à vapeur, puis dans les moteurs à explosion, puis dans l’électricité. Chaque fois, le changement a été perçu comme une menace contre quelque chose d’essentiel. Chaque fois, cette menace s’est révélée être en réalité un déplacement : les capacités humaines ne disparaissaient pas, elles se repositionnaient.

Ce déplacement est précisément ce qu’analyse Bernard Stiegler dans La technique et le temps (1994). Stiegler montre que nos capacités cognitives ne se sont jamais construites de façon purement intérieure et autonome : elles ont toujours été en relation constitutive avec des supports techniques externes. L’écriture a transformé notre mémoire. L’imprimerie a transformé notre rapport au savoir. Le calcul algorithmique a transformé notre gestion des données complexes. Ces externalisations successives n’ont pas appauvri la pensée : elles ont modifié ce qu’il devenait possible de penser, et comment. L’intelligence artificielle s’inscrit dans cette histoire, mais avec une nouveauté de taille : pour la première fois, c’est la capacité de raisonnement elle-même, et non plus seulement sa mémoire ou sa transmission, qui se trouve externalisée à grande échelle.

L’intelligence artificielle comme commodité

Il existe un concept économique précis pour décrire ce changement de statut : celui de commodité. Une ressource devient une commodité lorsqu’elle cesse d’être un avantage différentiel pour devenir une infrastructure de base, indifféremment disponible, dont le coût tend vers zéro. C’est le cas de l’électricité, de l’eau courante, des réseaux de télécommunication. Nicholas Carr, dans son article devenu célèbre « IT Doesn’t Matter » (Harvard Business Review, 2003), puis dans son ouvrage The Big Switch (2008), a été l’un des premiers à analyser ce processus de commoditisation pour l’informatique : à mesure que la puissance de calcul devient accessible à tous et toutes au même prix, elle perd son caractère différenciant et devient infrastructure, au même titre que l’électricité au début du XXe siècle.

Cette analogie avec l’électricité est au cœur de la thèse qu’Andrew Ng, l’un des chercheur·euse·s les plus influent·e·s dans le domaine de l’apprentissage automatique, a formulée dès 2017 : « AI is the new electricity ». L’IA, selon lui, est appelée à transformer chaque secteur de l’activité humaine exactement comme l’électricité l’a fait au tournant du XXe siècle, non pas en remplaçant des activités humaines, mais en les rendant accessibles autrement, à d’autres échelles, avec d’autres possibilités. Les développements des années 2020 donnent raison à cette intuition. L’accès à des capacités de raisonnement, d’analyse, de synthèse et de génération de contenu, qui supposait jusqu’ici des compétences rares et un investissement considérable, est en train de devenir aussi banal que brancher un appareil sur une prise électrique.

Mais la comparaison avec l’électricité a une portée anthropologique qui dépasse les seuls enjeux économiques, et c’est sur ce plan qu’il importe de s’arrêter. Quand l’électricité est devenue une infrastructure accessible, elle n’a pas rendu les humains moins capables d’effort physique. Elle a déplacé la question de cet effort. On ne pensait plus à produire de la lumière ou de la chaleur : on pensait à ce qu’on faisait avec elles. L’espace des projets possibles s’est transformé. Des modes de vie, des organisations sociales, des architectures industrielles entièrement nouveaux sont devenus envisageables, qui n’existaient pas dans le champ du possible antérieur.

C’est exactement ce que la commoditisation de l’intelligence artificielle est en train de produire, mais sur le plan cognitif. L’espace de ce qu’il est possible de vouloir penser, d’entreprendre intellectuellement, de construire comme projet de connaissance, s’élargit d’une façon qui n’a pas encore de précédent dans l’histoire humaine.

Ce que la tradition naturaliste a fait de la pensée

Pour saisir la profondeur de ce déplacement, il faut revenir sur la façon dont notre tradition culturelle a conçu l’activité de penser. Philippe Descola, dans Par-delà nature et culture (2005), montre que l’ontologie naturaliste, celle qui structure la pensée occidentale moderne, repose sur une distinction radicale entre deux registres : d’un côté la physicalité, le corps, la matière ; de l’autre l’intériorité, l’âme, la conscience. Dans ce cadre, penser est une activité essentiellement intérieure. La pensée est ce qui se passe « en nous », à l’abri du monde extérieur, dans un espace souverain que rien ne devrait pouvoir habiter à notre place.

Descola montre que cette conception est loin d’être universelle. Dans les ontologies animistes qu’il analyse, les frontières de l’intériorité sont poreuses et relationnelles : penser, c’est déjà être en correspondance avec des entités extérieures, esprits, ancêtres, forces du monde vivant. Tim Ingold, dans Être vivant (2013), prolonge cette intuition : pour lui, la pensée ne précède pas l’action, elle se fait dans la correspondance entre l’être humain et son milieu. Penser, c’est suivre le monde, lui répondre, être en prise avec lui. L’intelligence n’est jamais une propriété purement intérieure.

Ce détour anthropologique permet de comprendre que la résistance que nous éprouvons face à l’intelligence artificielle, ce sentiment qu’elle empiète sur quelque chose qui nous appartient en propre, tient largement à cette conception très particulière de la pensée comme activité souveraine et intérieure. Or cette conception est culturellement construite, et elle a déjà été mise à l’épreuve par chaque technique cognitive majeure. L’écriture elle-même a été perçue, dès ses origines, comme une menace contre la mémoire vive et la pensée authentique. Platon, dans le Phèdre, prête à Socrate la critique de l’écriture sur rouleaux de papyrus comme substitut trompeur à la pensée réelle : ce qui est fixé sur le papyrus ne peut répondre aux questions, ne sait pas à qui il parle, perd la vivacité de l’échange oral. La même inquiétude a accompagné l’apparition du codex, le livre au sens où nous l’entendons, puis de l’imprimerie, puis d’Internet. La question n’est donc pas neuve. Ce qui l’est, c’est son amplitude.

Le déplacement vers la question

Ce que la commoditisation de l’intelligence artificielle rend visible, c’est une redistribution profonde de ce qui, dans notre activité cognitive, demande un effort propre et de ce qui peut être délégué. Cette redistribution n’est pas nouvelle dans son principe, elle a accompagné chaque grande transformation technique. Mais elle atteint aujourd’hui un niveau de généralité qui touche à la nature même du travail intellectuel, et engage une réflexion sur ce que signifie penser.

Hannah Arendt, dans La vie de l’esprit (1978), propose une distinction dont la pertinence s’avère particulièrement éclairante dans ce contexte : celle entre le penser et le connaître. Connaître, c’est chercher des réponses à des questions définies, accumuler des certitudes, produire un savoir stabilisé. Penser, c’est une activité d’une autre nature : elle se maintient dans la question plutôt qu’elle ne cherche à la résoudre, elle explore la profondeur de ce qui reste ouvert, elle résiste à la clôture du sens. Pour Arendt, c’est précisément cette capacité de penser, et non la seule capacité de connaître, qui constitue notre dignité d’êtres réfléchissants.

Cette distinction trouve un écho dans la philosophie herméneutique de Hans-Georg Gadamer. Dans Vérité et méthode (1960), Gadamer défend une thèse qui paraît paradoxale mais s’avère fondatrice : la question a une priorité logique sur la réponse. Ce n’est pas la réponse qui donne son sens à la question : c’est la question qui ouvre l’horizon dans lequel une réponse peut avoir un sens. « On ne peut savoir ce qu’est une proposition », écrit-il, « si on ne connaît pas la question à laquelle elle répond. » Formuler une question, c’est donc déjà accomplir un acte intellectuel de premier plan : délimiter un champ du pensable, orienter une recherche, décider de ce qui mérite d’être exploré. Cet acte suppose un point de vue, une expérience, un engagement dans le monde, autant de qualités que la machine ne possède pas.

C’est aussi ce que Paulo Freire avait compris, depuis un tout autre horizon, dans Pédagogie des opprimés (1968). Freire s’opposait à ce qu’il appelait l’« éducation bancaire », celle qui dépose des réponses dans des esprits conçus comme des récipients vides, au profit d’une éducation par la problématisation. Apprendre, pour Freire, c’est apprendre à formuler des questions sur le monde dans lequel on vit. C’est un acte qui engage toujours une situation concrète, un vécu, une aspiration. Aucune machine ne peut accomplir cet acte à la place de quiconque, parce qu’il est inséparable d’une présence au monde.

L’intelligence artificielle prend en charge une part croissante de ce que nous appelions « connaître » : trouver des informations, les synthétiser, les mettre en forme, en tirer des conséquences selon des règles explicites. Ce mouvement de délégation libère, en principe, une capacité plus précieuse et plus difficile : celle de poser les questions qui valent la peine d’être posées. Formuler une bonne question n’est pas une opération neutre. C’est un acte qui engage l’expérience vécue, la curiosité singulière, le jugement sur ce qui mérite d’être exploré, les valeurs qui orientent l’enquête, et même la capacité à supporter l’incertitude que la question introduit avant que la réponse ne vienne la refermer.

C’est en ce sens que la transformation en cours peut être lue comme une invitation à approfondir ce qui nous est propre. Non pas à défendre un territoire menacé, mais à occuper plus pleinement un territoire que nous n’habitions que partiellement : celui de la question, de l’intention, du sens, du sensible.

L’analogie des mobilités : élargissement de l’espace des possibles

La comparaison avec les révolutions de la mobilité est utile pour comprendre la nature de cet élargissement. L’apparition du moteur à explosion, puis du chemin de fer, puis de l’aviation, n’a pas seulement rendu les déplacements plus rapides. Elle a transformé la façon dont les êtres humains concevaient leurs projets. On a commencé à imaginer des modes de vie, des relations, des formes d’organisation qui étaient proprement impensables avant que ces technologies n’existent. Le train n’a pas rendu les jambes inutiles. Il a rendu possible un espace d’intentions nouvelles.

L’intelligence artificielle opère un déplacement analogue, mais dans l’ordre du possible intellectuel. Des problèmes dont la complexité rendait le traitement inaccessible à une personne seule, des synthèses qui auraient demandé des années de recherche, des mises en relation entre des corpus que personne n’aurait pu lire entièrement dans une vie, tout cela devient mobilisable à la demande. Ce n’est pas seulement une accélération de ce qu’on faisait déjà. C’est l’ouverture d’un espace de projets qui n’existaient pas dans le champ du pensable.

Les données récentes de la recherche scientifique illustrent concrètement cet élargissement, non sans en révéler aussi les tensions. Une étude publiée dans Science en décembre 2024 par Yian Yin et ses collègues de l’Université Cornell a analysé près de 2,1 millions de prépublications déposées entre 2018 et 2024 sur les trois principales plateformes internationales de prépublication scientifique : arXiv (sciences physiques, mathématiques, informatique), bioRxiv (sciences du vivant) et SSRN (sciences sociales et humaines). Les résultats montrent que les chercheur·euse·s utilisant des grands modèles de langage pour rédiger leurs travaux ont significativement augmenté leur production : +59,8 % en sciences sociales et humaines, +52,9 % en biologie, +36 % en sciences physiques. Une autre étude, publiée dans Science Advances, estime qu’au moins 13,5 % de l’ensemble des résumés scientifiques publiés en 2024 ont été rédigés avec l’assistance de l’IA. L’étude Cornell souligne par ailleurs un effet qualitatif notable : les chercheur·euse·s utilisant l’IA s’appuient sur une bibliographie plus diverse et plus récente, établissant des connexions avec des travaux qu’ils et elles n’auraient pas identifiés par les voies de recherche traditionnelles. Mais les mêmes données invitent à la prudence : les articles à l’écriture très travaillée avec l’IA étaient, en moyenne, moins souvent acceptés par les revues à comité de lecture que leurs équivalents de haute qualité littéraire d’origine humaine. Ce paradoxe est précisément celui que cet article cherche à nommer : la puissance de l’outil ne détermine pas la valeur du travail. Ce qui fait la différence, c’est la qualité des questions que les chercheur·euse·s lui posent, leur capacité à formuler des problèmes qui méritent d’être instruits.

Il faut, pour cet élargissement, le même avertissement que pour les révolutions de la mobilité : il ne produit pas automatiquement du mieux. La voiture a aussi produit les embouteillages, la dépendance aux hydrocarbures, la destruction des centres-villes, l’étalement urbain, l’aggravation de la pollution et des problèmes sanitaires immenses. L’intelligence artificielle produira ses propres formes d’aliénation si nous nous contentons d’un rapport consommatoire à ses capacités, sans développer la réflexivité qui permet d’en orienter l’usage.

L’enjeu n’est pas la technologie en elle-même, mais la qualité des questions qu’on lui pose et la nature des projets qu’on lui confie. Or cette qualité n’est pas donnée : elle se construit. Elle suppose que nous ayons développé, par un travail propre sur nous-mêmes et sur notre rapport au monde, la capacité de formuler des questions qui naissent d’une expérience réelle, d’une curiosité ancrée, d’une intention qui ne peut venir que de nous. C’est précisément ce que la commoditisation de l’intelligence artificielle met au premier plan : non plus la maîtrise des réponses, mais la culture du questionnement.

Ce que cela change dans les pratiques : orientations concrètes

La mutation anthropologique que je décris n’est pas une prophétie sur l’avenir. Elle décrit ce qui se passe déjà, maintenant, dans les pratiques quotidiennes de travail, de création et d’apprentissage. En tirer des conséquences pratiques demande quelques clarifications.

La première est de prendre au sérieux la distinction, que j’ai développée par ailleurs, entre les tâches, les métiers, les emplois et le travail dans son sens profond, celui qui partage sa racine avec travel, le voyage, la transformation intérieure. L’intelligence artificielle prend en charge un nombre croissant de tâches, reconfigure les métiers, transforme les emplois. Mais elle ne peut pas faire le travail au sens de la rencontre avec l’altérité, de la création de sens dans un contexte particulier, de la relation incarnée. Ce registre reste entièrement humain, et c’est vers lui que la commoditisation de l’intelligence artificielle nous invite à nous déplacer.

La deuxième clarification concerne la formation et l’apprentissage. Déléguer à l’IA les opérations cognitives qui demandent de l’effort comporte un risque réel : court-circuiter des processus de formation qui passent nécessairement par la difficulté, l’erreur et la reprise. La résistance que l’on éprouve en cherchant soi-même une réponse n’est pas un obstacle à éliminer : c’est souvent la condition de la compréhension. Il faut donc distinguer l’usage de l’IA comme amplificateur de capacités déjà construites de son usage comme substitut à des capacités qu’on n’a pas encore développées. Le premier est précieux ; le second est appauvri.

La troisième clarification touche à la question des inégalités. L’histoire de la commoditisation montre que les ressources qui deviennent infrastructure ne deviennent pas pour autant universellement accessibles. L’électricité est restée pendant des décennies un privilège des villes, avant d’atteindre les campagnes et les pays en développement. L’intelligence artificielle tend à devenir une commodité pour celles et ceux qui y ont accès, mais cet accès reste très inégalement distribué. La mutation anthropologique que je décris ne se déploie pas uniformément : elle creuse d’abord les écarts entre celles et ceux qui peuvent poser des questions à des systèmes puissants et celles et ceux qui n’y ont pas accès.

La correspondance plutôt que la consommation

Il reste une question que ces orientations pratiques ne résolvent pas entièrement, et qu’il serait malhonnête d’esquiver. La commoditisation de l’intelligence artificielle ne produit pas automatiquement une élévation de la qualité des questions posées. Elle peut aussi produire, et produit déjà, une paresse de la pensée : le recours immédiat à la réponse disponible, la clôture prématurée du questionnement, la satisfaction du premier résultat plausible. C’est un risque symétrique à celui de l’inutilisation : non plus résister à l’outil par peur, mais s’y abandonner par confort. Pour nommer ce risque avec précision, il faut distinguer deux rapports possibles à l’intelligence artificielle, que Tim Ingold, dans Correspondances (2021), aiderait à formuler à sa façon.

Ingold oppose deux modes d’être au monde : le transport et le wayfaring, la traversée balisée et le cheminement. Dans le transport, on se déplace d’un point à un autre selon un trajet prédéfini ; on consomme de l’espace sans vraiment l’habiter. Dans le cheminement, on trace un chemin en marchant, on répond aux sollicitations du terrain, on improvise selon ce qu’on rencontre. Ce n’est pas l’efficacité qui manque au cheminement : c’est une autre qualité d’attention, une autre façon d’être présent·e à ce qui se passe. La personne qui marche apprend quelque chose que le·a passager·ère n’apprend pas.

Cette distinction s’applique exactement à notre rapport à l’intelligence artificielle. On peut l’utiliser sur le mode du transport : poser une question convenue, recevoir une réponse standard, consommer l’information sans la traverser. Ou on peut l’utiliser sur le mode du cheminement : engager un échange qui suit la pensée là où elle va, qui rebondit sur ce que la réponse révèle d’inattendu, qui utilise les résultats comme matière à de nouvelles questions. Dans le premier cas, l’IA nous décharge d’un effort. Dans le second, elle amplifie un effort qui reste entièrement le nôtre.

Ce que Ingold appelle correspondance, au double sens de l’échange de lettres et de la co-réponse, du répondre-ensemble, désigne précisément ce second mode. Correspondre avec l’IA, ce n’est pas la consulter comme on consulte un index : c’est engager avec elle un mouvement de pensée dans lequel on apporte ce qu’on est, son expérience, sa curiosité, son point de vue, et dont on reçoit en retour ce qu’on n’aurait pas formulé seul·e. La condition de cette correspondance est exactement la même que celle de toute relation féconde : être présent·e, attentif·ve, disposé·e à être surpris·e.

Sophie Nordmann, dans La vocation de philosophe (2025), formule avec précision ce qui rend cette présence possible et nécessaire : « Ce que la pensée humaine a en propre, c’est un trou, une béance. Quand cette brèche se referme, tout est perdu. » La brèche dont elle parle, c’est l’espace du questionnement qui ne se referme pas, de la curiosité qui résiste à la satisfaction du premier résultat, de la pensée qui maintient ouverte la question au-delà de la réponse. C’est ce rien qui change tout, écrit-elle. C’est là que réside la spécificité irréductible de ce que nous faisons quand nous pensons, au sens où Arendt entendait ce mot, et au sens où la commoditisation de l’IA nous invite à le cultiver.

La mutation anthropologique de notre époque ne se résout donc pas dans la seule maîtrise technique de l’outil. Elle exige une culture du questionnement, une vigilance à l’égard de sa propre pensée, une résistance à la clôture du sens, une attention aux moments où une réponse ouvre davantage qu’elle ne clôt. Elle exige, plus profondément, que nous restions des êtres qui cheminent plutôt que des passager·ère·s. Non par nostalgie d’un effort révolu, mais parce que c’est dans ce cheminement, dans cette attention active, improvisante, sensible aux détours, que se construit la capacité de poser les questions qui valent la peine d’être posées. Et c’est précisément cette capacité-là qui fait que l’intelligence artificielle, en tant que commodité, peut devenir autre chose qu’une infrastructure de confort : un partenaire de pensée, à la condition que nous soyons suffisamment présent·e·s pour lui poser des questions qui méritent une réponse.