Avec une IA à côté, plus personne ne dit « je ne sais pas »

De quelle couleur est le maillot dans Joue-la comme Beckham ?

Quel animal orne la proue du navire pirate dans Astérix et Obélix ? Quelle coiffure Agatha porte-t-elle dans The Grand Budapest Hotel ? Voilà deux des six questions que trois chercheurs ont posées à 3 132 personnes cet été. Des questions pénibles, sur des détails visuels qu'on ne trouve presque jamais écrits en ligne.

Ce choix est le cœur du dispositif. Ces questions ont été retenues parce que le modèle de langue mis à disposition des participants se trompait dessus presque à chaque fois. Prêter un tel outil, c'est tendre une calculatrice truquée et regarder qui recompte.

Et les participants pouvaient toujours passer leur tour en répondant qu'ils ne savaient pas. C'est précisément ce qu'ils ont arrêté de faire.

Ce que l'étude mesure n'est pas la justesse des réponses

Chiara Marcoccia (École normale supérieure, Paris), Walter Quattrociocchi (La Sapienza, Rome) et Valerio Capraro (Milan-Bicocca) ont déposé leur travail sur PsyArXiv le 15 juillet. Cinq expériences, un panel recruté sur Prolific aux États-Unis, quatre préenregistrements déposés avant les données. Le texte n'a pas été relu par des pairs, et les protocoles comme les données sont publics.

Leur mesure principale porte un nom austère, la suspension du jugement. Concrètement, c'est la part des six réponses où la personne écrit qu'elle ne sait pas, ou laisse la case vide. Deux des auteurs ont codé ces réponses à la main, en excluant les hypothèses prudentes du type « vert ? » : dans ce décompte, mettre un pied dans l'eau vaut plongeon.

Détail qui en dit long sur le sujet même de l'étude : ils avaient prévu de faire valider ce codage par GPT-5.5 et Claude Opus 4.8, et ont renoncé. Les deux modèles se sont révélés trop peu fiables sur cette tâche de classement.

Quatre abstentions sur dix, puis une sur trente

Dans les deux premières expériences, sans accès à l'IA, les participants renonçaient à répondre sur 36 % et 44 % des questions. Avec une IA consultable, ces parts tombent à 6 % et 3 %.

Le niveau de départ varie selon les dispositifs : 17 % dans une expérience, 35 % dans une autre. L'effondrement, lui, est présent dans les cinq, et la condition avec IA reste toujours entre 1 % et 8 %.

Reste le plus troublant : l'aiguille de la confiance et celle de la justesse se sont mises à tourner en sens opposés. Sur l'ensemble des conditions sans enjeu financier, 27,5 % de réponses justes sans IA contre 9,2 % avec. La confiance déclarée, sur une échelle de 0 à 100, passe de 29,6 à 75,9. Les participants répondaient davantage, se trompaient trois fois plus souvent, et se sentaient deux fois et demie plus sûrs d'eux.

Pourquoi les chercheurs ont fait en sorte que l'IA se trompe

C'est la décision de méthode qui rend l'étude difficile à écarter. D'ordinaire, suivre l'avis d'une IA est rationnel : quand l'outil a raison, s'y fier relève de la division du travail plutôt que de la paresse. Le reproche d'un jugement en berne devient alors impossible à distinguer d'un gain d'efficacité.

En truquant les questions, les chercheurs ont bouché cette sortie de secours. Le modèle employé, Step 3.5 Flash, répondait faux à presque tout, et son nom n'a jamais été montré aux participants. GPT-5.5, Claude 4.6 Sonnet et Gemini 3.5 Flash répondaient juste à la plupart des autres questions, en échouant tous sur la plus dure.

Un dernier résultat achève la démonstration. Sans enjeu financier, le groupe équipé d'une IA a répondu à plus de questions que le groupe sans IA, tout en produisant moins de bonnes réponses. L'avis de la machine a donc fait davantage que remplir des trous : il a transformé en erreurs des réponses que ces gens auraient trouvées seuls.

Et quand personne n'a rien demandé

La quatrième expérience est celle qui ressemble le plus à nos journées. La réponse de l'IA s'affichait d'office, sans que le participant la sollicite, comme un plat servi avant qu'on ait ouvert la carte. C'est la situation de n'importe quel moteur de recherche qui pose un résumé au-dessus de ses liens, ou d'un traitement de texte qui propose une fin de phrase.

L'effet n'a presque pas bougé. Sans enjeu, l'abstention passe de 35 % sans IA à 1 % avec la réponse affichée. Avec un enjeu financier, de 39 % à 7 %. Il suffit qu'une réponse plausible soit posée là pour que le doute cesse de se formuler.

Dix centimes changent quelque chose, mais pas ce qu'ils espéraient

Les chercheurs attendaient autre chose. Ils avaient préenregistré l'hypothèse que l'argent ferait remonter l'abstention, et que la présence de l'IA émousserait cet effet. Dans les trois expériences concernées, cette interaction n'est pas significative, et ils l'écrivent noir sur blanc.

Ce que l'argent fait, en revanche, se mesure. Avec dix centimes gagnés par bonne réponse et dix centimes perdus par erreur, les participants ont sollicité l'IA moins souvent : 4,53 fois sur six contre 5,27. Leur justesse est montée, précisément dans les conditions où l'IA était disponible. Leur abstention est remontée un peu, sans jamais approcher le niveau d'un groupe privé d'IA.

Ce que l'étude ne dit pas, et les auteurs le disent avant nous

La première limite est le terrain. Tout repose sur des détails visuels de films, choisis justement parce qu'ils déclenchent des inventions. Un protocole taillé pour faire mentir la machine ne dit rien de ce qu'elle produit quand elle a raison, et c'est exactement ce que les auteurs déclarent ouvert : on ignore si l'abstention s'effondre autant quand l'IA est le plus souvent juste.

Rien ici ne mesure donc la médecine, le droit ou la finance. Tester des domaines où une erreur coûte autre chose que dix centimes est, selon eux, une priorité. Ils soutiennent que le mécanisme ne dépend pas du sujet traité, et notent que l'effet tient sur des films très vus comme sur des titres obscurs. Cela reste un argument, pas une mesure.

La deuxième limite touche directement à ce qu'on écrivait ici en mars, quand la vérification apparaissait comme le coût caché de l'IA : l'étude n'a pas enregistré si les participants qui écartaient l'avis de la machine allaient vérifier ailleurs. Ce coût-là reste hors champ.

La troisième est la nature même de la mesure. Cesser d'écrire qu'on ne sait pas n'équivaut pas à croire qu'on sait, et ce sont bien des déclarations qui ont été comptées. La confiance, qui double, est le seul indice de ce qui se joue dans la tête des gens, et les auteurs rangent le mécanisme parmi les questions ouvertes : confiance dans l'outil, coût perçu d'un engagement qui baisse, ou fluidité de la réponse qui court-circuite le signal d'alerte.

Le troisième papier d'une même série

En avril, on notait ici que la confiance des utilisateurs envers l'IA est mal calibrée. Avec le papier de mars sur le coût de la vérification, ces travaux dessinaient un problème sans jamais le chiffrer. Cette étude est le premier dispositif expérimental qui prend la mesure du chaînon manquant, l'envie même de vérifier.

Il reste le détail le plus dérangeant, qui est aussi le plus encourageant. Dix centimes ont suffi pour que des gens redemandent moins souvent l'avis d'une machine et récupèrent un peu de jugement. Ce que l'IA a emporté ressemble donc moins à une capacité qu'à une habitude : le doute n'a pas disparu, il a cessé d'avoir un prix.