Est-ce que l’IA nous rend plus créatifs, ou moins créatifs ?
Pendant 4 ans, j’ai répondu avec ma conviction.
Aujourd’hui, je peux répondre avec des données.
83% des dirigeants classent l’innovation dans leur top 3 des priorités.
3% se disent capables de la délivrer.
La MIT Sloan Management Review vient de publier la synthèse de quatre études menées par des chercheurs de Wharton, UCL, Exeter et l’université de Washington.
Quatre domaines différents.
- Écriture de nouvelles
- Solutions d’économie circulaire
- Concours d’humour
- Narration collaborative.
Quatre études. Un seul résultat.
Conclusion :
L’IA te rend plus créatif. Et elle nous rend moins créatifs.
Ce n’est pas une figure de style.
C’est le paradoxe exact que mesurent les chercheurs.
- Individuellement, l’assistance IA améliore la nouveauté et la qualité des idées, surtout chez les profils qui partent avec le moins de facilité créative. Elle relève le plancher.
- Collectivement, elle compresse. Les histoires écrites avec IA convergent vers les mêmes structures, les mêmes ressorts, les mêmes idées. La variance s’effondre.
Dans l’étude sur l’écriture, cinq suggestions d’IA suffisent à rendre les histoires 9% plus engageantes aux yeux d’évaluateurs indépendants. Le gain est réel. Mesuré.
Ton idée assistée par IA est bonne.
Le problème, c’est qu’elle ressemble à celle de tous les autres.
Je le formule depuis longtemps autrement.
L’IA est un amplificateur. Si tu n’apportes rien, elle amplifie le rien.
Cette étude m’oblige à développer mon affirmation.
Si tout le monde branche le même amplificateur, avec les mêmes réglages, tout le monde produit le même son.
L’amplification est individuelle.
L’uniformisation est collective.
Tu gagnes en qualité moyenne. Nous perdons en singularité.
Les chercheurs ont testé l’IA à différents moments du processus créatif. Génération des idées. Sélection des idées. Les deux. Aucun des deux.
Résultat sans ambiguïté. L’IA en phase de génération détruit la diversité.
L’IA en phase de sélection la préserve, à des niveaux proches du travail purement humain.
La question est : Où places-tu ton intention ?
L’intention n’a pas un seul endroit où vivre.
Elle peut vivre en amont : l’idée vient de toi, la machine exécute, raffine, met à l’échelle. C’est le protocole que valident les quatre études. Les participants qui gardaient la main sur l’idéation produisaient les résultats les plus singuliers, proches de la variété d’un travail purement humain.
Mais elle peut aussi vivre en aval.
Et c’est là que je veux citer Cédric Lion, dont le travail mérite ta lecture.
Cédric rappelle le cadre que Richard Sutton, lauréat du Turing Award 2024, décrit comme la mécanique fondamentale de toute découverte.
Trois étapes.
1) Variation
2) Evaluation
3) Rétention sélective.
Générer massivement des variations. Évaluer la qualité de chacune. N’extraire que ce qui passe des critères exigeants.
C’est le mécanisme de l’évolution. C’est le mécanisme de la méthode scientifique.
Et Sutton ajoute une chose que peu de gens ont lue jusqu’au bout.
L’IA générative sait produire du nouveau.
En revanche, elle ne sait pas juger seule ce qui, dans ce nouveau, a de la valeur.
La variation, elle peut la fournir en quantité industrielle.
L’évaluation et la rétention, c’est toi.
Comme le résume Cédric : la compétence rare avec l’IA n’est pas (que) de savoir prompter. C’est de savoir trier. Construire un processus de sélection qui laisse passer ce qui est réellement nouveau et élimine ce qui ressemble à du nouveau.
Toute l’étude du MIT tient dans cette nuance.
Je précise, parce que la nuance compte.
Le prompting n’est pas rien.
Les chercheurs citent une étude montrant qu’un prompting par chaîne de pensée augmente sensiblement la dispersion des idées générées.
Mieux prompter élargit le champ. Mais élargir le champ ne dit toujours pas quoi garder. Tout ne repose pas sur le prompt. Le prompt ouvre. Le tri décide.
Et regarde bien ce que sont des critères de sélection exigeants. C’est une intention ! Simplement déplacée. Tu ne dis plus à la machine quoi créer, tu sais reconnaître ce que tu cherchais avant même de le voir passer.
Dans les deux cas, il y a quelque chose en toi qui préexiste à la production.
C’est cela que l’amplificateur va amplifier.
Il y a une dernière donnée de l’étude, presque enfouie dans les recommandations managériales, qui boucle tout.
Les chercheurs suggèrent d’introduire de la friction.
Obliger les équipes à proposer des idées humaines avant d’ouvrir un outil.
Justifier chaque suggestion IA retenue face aux alternatives humaines.
Une étude parallèle, citée par les chercheurs, donne la mesure de ce qui se joue.
Près de mille lycéens, accès libre à GPT-4 pour s’entraîner en maths.
Résultat : +48% pendant l’entraînement.
Puis on retire l’outil pour l’examen : −17% par rapport à ceux qui n’ont jamais eu d’IA.
=> La machine avait fait le travail à leur place.
Même étude, deuxième groupe : une version bridée, avec des garde-fous.
+127% à l’entraînement. Et zéro effondrement à l’examen.
La friction n’a pas coûté la performance.
Elle a sauvé la compétence.
De la friction.
Volontaire.
En 2026.
La méthode de Cédric, c’est précisément ça.
Un processus de tri sans pitié, c’est de la friction que tu t’imposes.
Cent variations, des critères durs, une survivante. C’est lent. C’est inconfortable.
C’est le contraire de la suggestion acceptée en un clic.
On a passé des décennies à fluidifier les process.
Il faut maintenant réapprendre à ralentir au bon endroit, parce que la fluidité totale produit de l’uniformité totale.
Alors, plus créatif ou moins créatif ?
Plus créatif, si quelque chose en toi préexiste à la machine.
Une vision en amont. Des critères en aval.
Moins créatifs, nous, si personne n’apporte ni l’un ni l’autre.
L’IA ne tranchera pas cette question à ta place.
Elle amplifiera ta réponse.