Il y a encore peu de temps, tricher au travail avait un sens relativement clair : mentir sur ce que l'on avait fait, s'approprier le travail d'un autre, faire semblant de savoir, livrer un résultat sans avoir réellement parcouru le chemin qui y conduit.
Depuis, l'intelligence artificielle générative est entrée dans nos bureaux.
En quelques mois, des millions de travailleurs ont pris l'habitude de demander à ChatGPT, Claude ou Copilot d'écrire, de structurer, de coder, de reformuler, d'analyser. L'effet initial est souvent un sentiment grisant. Des tâches qui prenaient des heures se règlent en quelques minutes. Page blanche, mail difficile, plan à structurer : quelques prompts suffisent. Nous avons l'impression d'avoir embauché un assistant à temps plein qui ne se fatigue jamais.
En utilisant ces IA, nous pouvons éprouver un sentiment de surpuissance, de « flow », voire d'euphorie, comme une forme de shoot cognitif. Les gains de performance existent. Ils sont mesurés. Ils ne relèvent pas du fantasme. Ce n'est pas qu'une impression : on avance effectivement plus vite.
Très vite vient cependant se poser une autre question : que vaut encore un travail quand l'effort qui le produisait devient invisible, compressé, ou externalisé dans une machine ? Et plus encore : que devient notre rapport moral au travail lorsque nous obtenons sans peine ce qui demandait hier des heures, parfois des années, d'apprentissage ?
L'IA ne pose pas seulement un problème d'outillage : elle pose un problème de "civilisation professionnelle".
Cela mène donc à nous poser cette question gênante, volontairement excessive : sommes-nous tous, à notre manière, devenus des tricheurs ?
Travailler à l'ère de l'IA
Le mot "triche" dérange, parce qu'il semble excessif. Après tout, utiliser une calculatrice n'est pas tricher. Se servir d'Excel n'est pas tricher. Utiliser le pilote automatique d'un Airbus A320 n'est pas tricher. Pourquoi demander à une IA serait-il plus suspect que d'utiliser n'importe quel autre outil de productivité ?
Une des premières réponses pourrait-être que ce n'est pas forcément de la triche. Cela produit toutefois des effets psychologiques, cognitifs et sociaux qui ressemblent de plus en plus à ceux de la triche.
Pourquoi ? Parce que tricher n'est pas seulement le fait d'obtenir un résultat illégitime. C'est aussi le fait de brouiller le lien entre le résultat obtenu et la capacité réelle de celui qui le présente. Or c'est précisément ce que l'IA générative fait à grande échelle. Elle nous permet de produire au-dessus de notre niveau habituel, parfois très au-dessus, dans un nombre croissant de situations. Elle permet à quelqu'un de livrer un texte qu'il n'aurait pas su écrire seul, ou pas avec la même vitesse, ni avec le même niveau de maîtrise.
C'est là tout le malaise. L'IA ne nous aide pas seulement à travailler. Elle nous permet de paraître plus compétents, plus rapides, plus assurés, plus cultivés, plus organisés que nous ne le sommes parfois en réalité. Elle fabrique une zone grise entre assistance légitime et délégation excessive. Et dans cette zone grise, chacun improvise sa propre morale.
Certains s'y jettent avec enthousiasme. D'autres s'en servent en cachette. D'autres encore se promettent de "juste gagner un peu de temps" avant de découvrir qu'ils ne veulent déjà plus revenir en arrière.
L'IA ne réduit pas simplement le travail, elle peut aussi l'intensifier, rendre le rythme plus soutenu, créer une forme de compulsion, et même installer une dépendance psychologique. Nous ne nous arrêtons plus seulement parce que nous pouvons aller vite, nous continuons parce que chaque nouveau prompt semble ouvrir un possible supplémentaire.
Le vrai sujet n'est donc pas seulement la paresse. C'est la reconfiguration du désir de travailler.
L'IA donne envie de produire parce qu'elle supprime une partie de la friction. Cette suppression a un coût, ce que l'on pourrait appeler une « dette cognitive » : ce que nous gagnons immédiatement en facilité, nous risquons de le perdre, à terme, en intériorisation. Nous exécutons la tâche, sans intégrer les opérations mentales qui auraient permis de progresser réellement. Une dette cognitive s'installe.
Autrement dit, on peut réussir sans apprendre.
Réussir sans apprendre
C'est probablement l'une des ruptures les plus profondes introduites par l'IA générative. Depuis toujours, dans les professions intellectuelles, l'effort n'était pas seulement le prix à payer pour produire. Il était aussi le mécanisme même par lequel on devenait meilleur. Rédiger formait à rédiger. Chercher formait au discernement. Coder formait à penser la structure. La lenteur n'était pas qu'un défaut d'efficacité, elle était souvent la condition cachée de l'apprentissage.
L'IA casse cette vieille alliance entre production et formation.
Elle permet d'obtenir un résultat sans traverser les étapes qui, auparavant, fabriquaient l'auteur du résultat. C'est pour cela que la notion de "triche" revient spontanément au sein de tant de conversations. Beaucoup sentent confusément qu'ils produisent parfois quelque chose qu'ils n'ont pas entièrement conquis. Ils sentent aussi que le monde extérieur, lui, juge surtout le résultat final. Et que cette dissociation entre la qualité apparente de la sortie et la solidité réelle de la compétence intérieure peut devenir vertigineuse.
Ce vertige amène une forme nouvelle du syndrome de l'imposteur. Toutefois, à la différence du syndrome classique, il ne vient pas du sentiment d'avoir réussi "par chance". Il vient du sentiment d'avoir réussi sans avoir assez lutté, sans avoir assez pensé, sans avoir assez construit soi-même. C'est une imposture d'un nouveau genre : non pas "je ne mérite pas ce qui m'arrive", mais "je ne sais plus exactement ce qui, dans ce que je livre, vient encore de moi".
Cette question est redoutable parce qu'elle touche à l'identité professionnelle.
Au sein de nombreuses professions, nous ne nous définissons pas uniquement par ce que nous produisons, mais par la manière dont nous le produisons. Être un bon avocat, un bon consultant ou un bon développeur n'est pas seulement remettre un livrable correct. Cela repose sur un geste, une méthode, un jugement, un style, une manière de faire face à l'incertitude. Or quand l'IA prend en charge une partie croissante de l'exécution et même de l'idéation, il devient plus difficile de savoir où se situe exactement le métier.
On comprend alors pourquoi le débat ne se limite pas à la productivité. En réalité, ce qui est en train de vaciller, c'est le lien entre travail et mérite.
Le lien entre travail et mérite
Nos organisations ont longtemps récompensé des signaux indirects : le temps passé, l'intensité visible, la difficulté surmontée, l'aisance acquise après expérience.
Si deux personnes livrent un résultat comparable, alors que l'une a travaillé cinq heures et l'autre trente minutes avec une IA, que faut-il récompenser ? Le résultat seul ? L'habileté à utiliser les outils ? La capacité à vérifier ? La capacité à assumer ?
Nous vivons un phénomène décisif : l'IA décorrèle l'effort visible du résultat. Il s'agit probablement de la source de la confusion managériale actuelle. Les organisations ne savent plus très bien ce qu'elles évaluent. Elles voient des livrables plus rapides, plus propres, parfois plus homogènes. Elles mesurent mal, en revanche, ce qu'ils recouvrent réellement : apprentissage ou simple délégation, maîtrise ou simple surface, montée en compétence ou dépendance croissante. C'est de là que naît le "workslop", cette production qui a l'air correcte, parfois brillante au premier regard, mais qui manque de substance, de profondeur, de fiabilité.
Le paradoxe devient alors cruel : celui qui utilise mal l'IA peut produire un travail lisse, creux, générique, suspect alors que celui qui l'utilise bien peut être soupçonné de ne pas vraiment mériter ce qu'il livre. Dans un cas, l'IA abîme la qualité, dans l'autre, elle abîme la crédibilité. Résultat : beaucoup de salariés se taisent. Ils utilisent les outils, mais cachent le degré exact de cette utilisation. Ils comprennent que la performance est valorisée, et que l'assistance massive reste moralement ambiguë. Ils vivent donc dans un régime de dissimulation douce.
C'est là que la question "sommes-nous tous devenus des tricheurs ?" prend tout son sens. Non parce que chacun fraude sciemment, mais parce que nous entrons collectivement dans un monde où presque tout le monde peut présenter comme sien un travail profondément co-produit avec une machine, sans que les normes sociales, scolaires, managériales et juridiques n'aient encore tranché sur ce que cela signifie.
En réalité, nous sommes moins devenus des tricheurs que des travailleurs moralement désorientés.
Nous ne savons plus exactement où finit l'assistance légitime et où commence la délégation fautive, nous ne savons plus quelles compétences doivent encore être possédées en propre, ni quels efforts restent formateurs. Et surtout, nous ne savons plus comment transmettre un métier lorsque la machine prend en charge précisément les tâches répétitives, ingrates, parfois pénibles, qui formaient hier le jugement des débutants.
Le glissement du faire vers orchestrer puis vérifier paraît rationnel sur le papier. La machine exécute davantage, l'humain supervise davantage. Dans la réalité des organisations, nous oublions facilement une chose : le jugement ne naît pas spontanément. Il se fabrique au contact du faire. Nous apprenons à repérer une erreur parce que nous avons déjà lutté contre elle. Nous apprenons à sentir une faiblesse argumentaire parce que nous avons nous-mêmes tenté de construire la démonstration. Nous apprenons à superviser parce que nous avons d'abord pratiqué. Si les jeunes professionnels deviennent trop tôt les vérificateurs de productions qu'ils n'auraient pas su faire eux-mêmes, alors nous risquons de fabriquer des évaluateurs sans expérience intime du travail évalué. Des managers qui n'ont jamais vraiment fait. Des experts qui n'ont jamais vraiment appris.
Il y aurait pourtant, ici, quelque chose à apprendre de métiers qui ont déjà traversé une vague d'automatisation. L'aéronautique, face à des cockpits de plus en plus automatisés, a maintenu la compétence de ses pilotes par un régime exigeant de formation continue, de simulateurs et de checks réguliers, précisément pour que le geste ne se perde jamais.
Ce problème est immense, parce qu'il ne concerne pas seulement la formation. Il concerne la confiance.
Dès lors que personne ne sait plus très bien qui sait vraiment faire quoi, la coopération change de nature. Les collègues se regardent autrement. Les hiérarchies deviennent plus instables. Les signes extérieurs de compétence perdent une partie de leur valeur. L'écrit n'est plus forcément la preuve d'une pensée, ni le code la preuve d'une maîtrise. Tout devient potentiellement assisté, donc potentiellement ambigu.
Et quand tout devient ambigu, la tentation est grande de se réfugier dans deux erreurs opposées. La première consiste à célébrer naïvement l'augmentation : peu importe comment, seul le résultat compte. La seconde consiste à condamner moralement tout usage de l'IA : tout travail assisté serait dégradé, inauthentique, presque impur. Ces deux positions sont insuffisantes.
La première fait abstraction du fait que toutes les productions ne se valent pas, et qu'un résultat correct peut masquer une dépendance dangereuse, une perte de compréhension ou un risque juridique majeur. La seconde oublie que l'histoire du travail est aussi celle d'une externalisation croissante de certaines charges cognitives, et que refuser toute assistance serait absurde. Le bon enjeu n'est pas de choisir entre célébration et rejet, il est de redéfinir les frontières de la responsabilité.
Ce qui reste à l'humain
Si l'IA rebat les cartes du mérite, elle ne supprime pas pour autant la responsabilité. Les affaires d'hallucinations juridiques, les jurisprudences émergentes, les erreurs documentées dans des contextes professionnels critiques rappellent une règle simple : la machine peut produire, mais elle ne signe pas. Elle ne prescrit pas. Elle ne plaide pas. Elle ne répond pas devant le client, ni devant le juge, ni devant le patient. L'utilisateur humain reste celui qui engage sa parole, son nom, son métier, et parfois sa responsabilité civile ou disciplinaire.
Voilà pourquoi la métaphore de la triche est utile, à condition de bien la comprendre.
Tricher, ici, ce n'est pas seulement "utiliser un outil". C'est oublier que la délégation n'efface pas l'obligation de vérification, présenter une production comme fiable sans avoir exercé le jugement correspondant, vouloir le prestige du métier sans en assumer entièrement la charge cognitive et morale.
Il serait trop simple d'en faire une faute individuelle, car le vrai problème est aussi collectif. Ce sont les organisations elles-mêmes qui poussent à cette confusion : elles exigent plus, plus vite, plus propre, plus souvent, sans redéfinir leurs critères d'évaluation, elles récompensent la sortie mais pas la compréhension, elles déploient des outils sans réinventer la formation, elles parlent d'augmentation sans reconstruire les règles de preuve, de confiance et de supervision qui devraient aller avec.
Nous ne savons plus très bien ce qu'il faut apprendre, montrer, contrôler ni valoriser. L'ancien monde récompensait l'effort visible, le nouveau monde valorise la capacité à produire vite dans l'incertitude : aucun des deux ne suffit. Le premier peut devenir archaïque et le second toxique. Il faut désormais distinguer plusieurs choses que nous confondions auparavant : produire avec aide, comprendre en profondeur, savoir refaire sans aide, savoir juger une sortie, savoir l'assumer publiquement.
C'est peut-être là le cœur du nouvel âge du travail.
La question n'est plus seulement : "As-tu bien travaillé ?" Elle devient : "Qu'as-tu réellement fait toi-même ? Qu'as-tu compris ? Que saurais-tu refaire sans assistance ? Qu'as-tu vérifié ? Qu'assumes-tu ?"
Ce déplacement est exigeant. Il l'est d'autant plus dans le contexte français. La tradition française reste attachée au métier, au savoir-faire, à l'artisanat intellectuel, à une certaine idée de la formation par la pratique. C'est sans doute pourquoi le trouble provoqué par l'IA y prend une tonalité particulière. Là où certains y voient surtout une promesse d'augmentation, beaucoup perçoivent aussi une menace de prolétarisation cognitive : ne plus savoir faire, seulement savoir paramétrer, ne plus écrire, seulement faire écrire, ne plus penser, seulement lancer des opérations dont on vérifie superficiellement la forme.
Le but n'est pas de revenir à un monde sans outils puissants, mais d'éviter une société professionnelle où l'on confondrait durablement assistance et compétence, vitesse et maîtrise, production et apprentissage, fluidité et vérité. Une société où chacun pourrait tout faire en apparence, mais où de moins en moins de personnes sauraient encore vraiment faire quelque chose en profondeur.
Alors, sommes-nous tous devenus des tricheurs ?
Pas vraiment.
Nous sommes toutefois entrés dans un monde où la triche est devenue structurellement plausible, socialement diffuse et moralement floue. Un monde où l'on peut travailler honnêtement tout en ayant le sentiment de frauder un peu, où la valeur du travail ne peut plus être lue à travers ses anciens signes, et où nous devrons réapprendre à distinguer l'aide, la délégation, la compétence, le jugement et la responsabilité.
L'enjeu n'est donc pas de bannir l'IA, ni de s'y abandonner. Il est de construire une nouvelle éthique du travail assisté.
- Une éthique qui accepte l'outil, mais refuse l'abdication.
- Une éthique qui valorise la vitesse, mais pas au prix de la compréhension.
- Une éthique qui admet la coproduction, mais exige la traçabilité du jugement.
- Une éthique qui sait que l'on peut produire avec la machine, sans pour autant lui céder le centre du métier.
Au fond, la question décisive n'est peut-être pas "sommes-nous devenus des tricheurs ?", mais plutôt : saurons-nous encore reconnaître, former et protéger ce qui, dans le travail humain, ne peut être délégué à aucune machine ?
Une société peut survivre avec des textes moyens, des slides lisses, des rapports synthétiques et des réponses instantanées. Elle survit plus difficilement lorsqu'elle ne discerne plus qui pense, comprend, vérifie, et qui répond vraiment de ce qui est produit.
C'est là que l'ère de l'IA devient une épreuve de maturité pour le travail contemporain.
Non pas parce qu'elle remplace soudain tout le monde, mais parce qu'elle nous oblige à répondre à une question beaucoup plus difficile : que voulons-nous encore mériter par nous-mêmes ?