"Thinking Fast, Slow, and Artificial" (étude Wharton School, 2026)

Auteurs : Steven D. Shaw & Gideon Nave (The Wharton School, Université de Pensylvanie)

1. Cadre Théorique : La Théorie des Trois Systèmes (Tri-System Theory)

Pendant plus d'un demi-siècle, les théories classiques de la cognition à double processus (Dual-Process Theories) ont modélisé la prise de décision humaine à travers deux modes internes :

• Le Système 1 : rapide, automatique, intuitif et guidé par des heuristiques ou des associations d'idées.

• Le Système 2 : lent, délibératif, analytique, logique et axé sur le respect de règles.

Cependant, ces modèles reposent sur un présupposé fondamental devenu obsolète à l'ère de l'intelligence artificielle (IA) : l'hypothèse d'une cognition strictement biologique (brain-bound cognition assumption). Aujourd'hui, les individus ne se contentent plus d'employer des outils numériques passifs ; ils délèguent activement des composantes entières du raisonnement (inférence, évaluation, synthèse) à des algorithmes décisionnels et des modèles d'IA générative.

Pour adapter la modélisation cognitive à cette nouvelle réalité, la Théorie des Trois Systèmes (Tri-System Theory) introduit le Système 3 (la cognition artificielle). Le Système 3 se caractérise par quatre propriétés structurales :

1. Externe (in silico) : Il réside hors du système nerveux humain, au sein d'infrastructures informatiques cloud et de modèles d'apprentissage automatique.

2. Automatisé : Il exécute des opérations complexes de reconnaissance de motifs et de prédiction à une vitesse et une échelle dépassant les capacités cérébrales.

3. Basé sur les données (data-driven) : Ses réponses résultent d'analyses statistiques fondées sur de vastes jeux de données, reflétant leurs forces mais aussi leurs biais.

4. Dynamique : Il réagit en temps réel aux requêtes, modifiant l'écologie cognitive et le calcul coût-bénéfice de la réflexion humaine.

Le Système 3 n'est donc pas un simple support externe, mais un co-agent fonctionnel capable de compléter, de court-circuiter ou de reconfigurer les processus cognitifs internes.

2. Le Phénomène de Soumission Cognitive (Cognitive Surrender)

L'intégration du Système 3 génère un phénomène comportemental et épistémique central : la soumission cognitive (cognitive surrender). Il s'agit de la tendance à adopter les réponses générées par l'IA avec un contrôle critique minimal, entraînant l'abdication de l'intuition (Système 1) et de la délibération (Système 2).

Le document établit des distinctions clés entre les différents modes d'interaction :

• Soumission cognitive (Cognitive Surrender) : Abandon non critique du contrôle cognitif. L'utilisateur adopte la réponse de l'IA sans vérification préalable.

• Déchargement cognitif (Cognitive Offloading) : Délégation stratégique d'une tâche à un outil externe (ex. une calculatrice ou un GPS) tout en maintenant un contrôle délibératif actif (Système 2) qui évalue et intègre le résultat.

• Pilote automatique (Autopilot) : Adoption directe de la sortie algorithmique sans aucune intervention du cerveau biologique.

• Biais d'automatisation (Automation Bias) : Erreurs d'omission ou de commission face à un automate, alors que la soumission cognitive représente une disposition épistémique globale de dépendance.

3. Dispositif Expérimental et Méthodologie

Les auteurs ont testé les prédictions de la Théorie des Trois Systèmes à travers trois expériences préenregistrées et une méta-analyse au niveau des essais (trial-level synthesis), portant sur 1 372 participants et 9 593 essais.

La tâche reposait sur une version adaptée du Test de Réflexion Cognitive à 7 items (CRT-7), qui oppose une réponse intuitive erronée à une réponse délibérative exacte. Dans les conditions assistées, un assistant IA (modèle GPT-4o) était directement intégré à l'interface. La précision du Système 3 était manipulée à l'insu des participants via des scripts cachés (seed prompts) :

• IA exacte (AI-Accurate) : L'assistant fournissait la réponse délibérative exacte.

• IA défaillante (AI-Faulty) : L'assistant fournissait une erreur intuitive formulée de manière confiante et persuasive.

Structuration des Trois Études :

1. Étude 1 (Établissement du profil de base) : Comparaison entre une condition sans IA (Brain-Only) et une condition avec accès optionnel à l'IA.

2. Étude 2 (Pression temporelle) : Évaluation de l'impact d'une contrainte de temps (30 secondes par question) sur le recours au Système 3.

3. Étude 3 (Incitations financières et feedback) : Analyse de l'effet d'une prime de performance (0,20 $ par bonne réponse + tirage au sort de 20 $) associée à un feedback immédiat item par item pour stimuler le contrôle délibératif du Système 2.

4. Résultats Expérimentaux Majeurs

A. Fréquence de Recours et Taux d'Adoption (Étude 1)

• Utilisation massive : Les participants ont librement consulté l'assistant IA sur la majorité des questions (> 50 % des essais).

• Adoption aveugle : Lorsqu'ils utilisaient le chat, les participants ont suivi les recommandations de l'IA dans 92,7 % des cas si elle était exacte, et dans 79,8 % des cas lorsqu'elle proposait une réponse erronée (ne la rejetant que 20,2 % du temps).

• Impact sur l'exactitude : Par rapport au niveau de base sans IA (45,8 % de bonnes réponses), l'accès à une IA exacte a fait monter la précision à 71,0 %, tandis qu'une IA défaillante l'a fait s'effondrer à 31,5 %.

• Inflation de la confiance : L'accès au Système 3 a augmenté la confiance des utilisateurs de 11,7 points de pourcentage (passant de 65,3 % à 77,0 %), sans que cette confiance ne soit entamée par la répétition des erreurs algorithmiques.

B. La Pression Temporelle et l'Effet Tampon (Étude 2)

• La contrainte de temps a dégradé la performance des sujets sans IA et des sujets s'appuyant uniquement sur leurs capacités internes (Indépendants), faisant chuter leur précision de 46,9 % à 32,6 %.

• Chez les utilisateurs fréquents d'IA (AI-Users), le Système 3 a servi de tampon (buffer) contre la pression temporelle lorsque l'IA était exacte (71,3 % de réussite). Revers de la médaille : en présence d'une IA défaillante sous contrainte de temps, leur précision est tombée à 12,1 %.

C. Réactivation du Système 2 par les Incitations (Étude 3)

• L'attribution de récompenses financières couplée à un feedback immédiat a permis de doubler le taux de rejet (override) des réponses défaillantes de l'IA (passant de 20,0 % à 42,3 %).

• Bien que la motivation et le feedback aient favorisé le déchargement cognitif sélectif et amélioré la précision globale, un écart massif de précision (~44 points de pourcentage) a persisté entre les essais avec IA exacte et IA défaillante.

D. Méta-Analyse et Modérateurs Individuels

La synthèse trial-level confirme l'ampleur du phénomène :

• L'effet global est de très grande taille (h de Cohen = 0,82 ; Odds Ratio = 16,07 pour l'écart IA exacte vs défaillante).

• Sur l'ensemble des essais avec IA défaillante consultée, 73,2 % ont donné lieu à une soumission cognitive, 19,7 % à un déchargement cognitif réussi et 7,1 % à une tentative de rejet avortée.

• Modérateurs individuels :

  • Confiance dans l'IA (Trust in AI) : Accentue la soumission cognitive et la vulnérabilité aux erreurs.

  • Besoin de Cognition (Need for Cognition - NFC) et Intelligence Fluide (Fluid IQ) : Constituent des facteurs de protection, favorisant le contrôle délibératif et le rejet des fausses réponses.

5. Implications et Recommandations

Dégradation des Compétences et Enjeux Épistémiques

• Perte de qualification (Deskilling) : La dépendance répétée au Système 3 risque d'éroder l'expertise délibérative humaine au fil du temps.

• Responsabilité décisionnelle : Dans des secteurs critiques (santé, finance, justice), l'adoption non critique des réponses de l'IA dilue la responsabilité individuelle et peut avoir des conséquences dommageables.

Recommandations pour le Design d'IA et les Politiques Publiques

• Interfaces incitatives à la réflexion : Les systèmes d'IA ne doivent pas viser l'automatisation totale, mais intégrer des éléments stimulant le Système 2 (indicateurs d'incertitude, scores de confiance, explications transparentes).

• Littératie numérique : De la même façon que les individus ont appris à se méfier de l'intuition aveugle du Système 1 (« écouter ses tripes »), il convient de former les utilisateurs à réguler leur niveau de confiance envers le Système 3 (« faire confiance aux données ») et à savoir quand exercer un contrôle critique.

Conclusion

La Théorie des Trois Systèmes montre que l'être humain ne se contente plus d'utiliser l'IA comme un outil externe : il pense avec elle. Si le Système 3 offre des capacités d'augmentation intellectuelle inédites, il expose également l'esprit humain à une vulnérabilité structurelle majeure à travers la soumission cognitive. Maintenir l'autonomie, l'esprit critique et la responsabilité humaine constitue le défi majeur de la conception et de la gouvernance des technologies IA.