Quand avez-vous lu pour la dernière fois un titre à propos de Microsoft Copilot ? Rarement, sans doute. L’espace médiatique est saturé d’actualités sur GPT-5, Claude 4.7, Gemini Ultra. Copilot ressemble à un outil d’entreprise ennuyeux dont on ne parle que sur LinkedIn.
Regardez maintenant qui paie pour quoi.
Lire la suite
En novembre 2025, les données de Stanford ont révélé un fait inattendu : les Américains utilisent l’IA plus souvent à la maison qu’au travail. Chez mysummit.school, nous avons décortiqué cela dans un article dédié – et le constat était clair : l’IA professionnelle courait encore derrière l’IA personnelle.
Quatre mois ont passé. Epoch AI, en collaboration avec Ipsos, a publié une nouvelle étude – et la photo a changé.
En mars 2026, le ministère russe du Numérique a publié un projet de loi sur les « modèles d’IA de confiance ». S’il est adopté – l’entrée en vigueur est prévue pour septembre 2027 – les administrations publiques et les infrastructures critiques ne pourront utiliser que des modèles inscrits dans un registre spécial. ChatGPT, Claude et Gemini, qui transmettent des données à l’étranger, pourraient être restreints. L’installation obligatoire de réseaux neuronaux russes sur les appareils est également envisagée.
Le problème, c’est que les modèles russes sont en retard. Dans notre étude portant sur 54 modèles, GigaChat a obtenu 3,26 sur 5, GPT-5.4 – 4,80. Un écart de 32 %.
Si GigaChat est tout ce que les managers russes auront, peut-on en tirer une qualité acceptable grâce à un prompting bien construit ?
Mais cette question dépasse largement la Russie.
En mars 2025, lors de SXSW EDU, la conseillère en prospective stratégique Sinead Bovell a présenté une conférence sur l’IA et l’avenir de l’éducation. Sans hype, sans panique. Mais avec deux études qui changent la façon dont on devrait penser le rôle de l’IA dans l’apprentissage.
Première étude : un groupe d’étudiants ayant utilisé ChatGPT sans restrictions a obtenu des résultats 17 % inférieurs à ceux du groupe témoin qui travaillait avec un manuel. Deuxième étude : un autre groupe, où l’IA était intégrée dans un système pédagogique entièrement repensé, a surpassé le cours magistral traditionnel du double.
Le même outil. Des résultats opposés. La différence tient à l’approche.
L’enquête Gallup et Walton Family Foundation (2024–2025, échantillon représentatif d’enseignants américains) a livré un chiffre saisissant : les enseignants qui utilisent régulièrement l’IA économisent en moyenne 5,9 heures par semaine – l’équivalent de six semaines de travail complètes sur une année scolaire. On pourrait croire le problème résolu.
Mais une enquête parallèle de la Royal Society of Chemistry (2024, Royaume-Uni) dresse un tout autre tableau : 44 % des enseignants ont essayé l’IA, mais seulement 3 % déclarent une réduction réelle de leur charge de travail. Un professeur de mathématiques irlandais a résumé cet écart mieux que n’importe quelle statistique : « L’IA génère des fiches rapidement, mais il faut les vérifier soigneusement – et le gain de temps s’avère moindre qu’espéré ».
Qui a raison ? Nous avons déjà analysé la crise de l’IA dans l’éducation du côté des élèves – 86 % des élèves utilisent l’IA, mais la pensée critique se dégrade. Maintenant – le côté enseignant. En deux ans, suffisamment de données expérimentales se sont accumulées pour répondre à cette question par des chiffres, pas par des opinions.
Il y a un an et demi, j’ai publié un billet sur mon blog personnel à propos d’un phénomène que j’observais chez mes collègues et dans mon propre travail : plus on fait confiance à l’IA, moins on se pose la question « est-ce que c’est vraiment juste ? ». Je m’appuyais alors sur une étude de Microsoft qui montrait que la confiance envers l’IA inhibe l’évaluation critique des réponses fournies. L’argument me semblait solide, mais il avait un défaut évident : corrélation, pas causalité.
En février 2026, les chercheurs d’Anthropic Judy Shen et Alex Tamkin ont publié une expérience qui a comblé cette lacune. Un essai randomisé contrôlé. Des données concrètes. Et une conclusion que, je crois, la plupart des gens qui l’ont lue comprennent mal.
Parce que ce n’est pas une histoire sur le fait que l’IA nous rend plus bêtes. C’est une histoire sur la manière dont nous l’utilisons.
Le 11 février 2026, lors d’une réunion gouvernementale, le président Tokayev a publiquement critiqué KazLLM. Le modèle, lancé en grande pompe en décembre 2024, ne compte que 600 000 utilisateurs – soit 3 % de la population du pays. À titre de comparaison : ChatGPT est utilisé par 2,6 millions de personnes au Kazakhstan. Le président a été direct : KazLLM « ne peut pas rivaliser avec ChatGPT ».
Cette déclaration pose la question sans détour. Pourquoi le Kazakhstan a-t-il besoin de son propre modèle linguistique si les solutions globales fonctionnent mieux ? Et si l’IA souveraine est nécessaire – pourquoi perd-elle la partie ?
La réponse est plus complexe qu’il n’y paraît. Parce que KazLLM n’est pas « le ChatGPT kazakh ». C’est un outil fondamentalement différent, avec une mission différente. Les comparer revient à comparer une centrale électrique nationale avec un appareil électroménager importé.
En février 2026, la newsletter d’analyse financière Citrini Research a publié un scénario qui renverse la logique habituelle. En général, les pessimistes prédisent que l’IA ne sera pas à la hauteur des attentes. Citrini pose une autre question : et si l’IA tenait toutes ses promesses – et si c’était justement cela le problème ?
Leur article «The 2028 Global Intelligence Crisis» est un mémorandum fictif daté de juin 2028. Non pas une prévision, mais un test de résistance : que se passerait-il pour l’économie si l’intelligence machine remplaçait effectivement les cols blancs aussi vite que le promettent ses développeurs ?
« Pourquoi suivre vos cours si je peux simplement demander à ChatGPT ? »
Cette question revient dans les commentaires sous chaque publication sur la formation en AI. La logique est imparable : internet est gratuit, ChatGPT explique tout, YouTube regorge de tutoriels. Pourquoi payer une formation si toute l’information est déjà accessible ?
Excellente question. La réponse n’est pas celle qu’on attend.
Parce qu’entre « avoir accès à l’information » et « savoir l’exploiter » – il y a un gouffre. Avoir accès à des manuels médicaux ne fait pas de vous un médecin. Posséder un couteau de cuisine ne fait pas de vous un chef étoilé. Et pouvoir poser une question à ChatGPT ne fait pas de vous un spécialiste en AI. Comme le montre l’étude du MIT sur les architectures de choix, la véritable force d’un spécialiste ne réside pas dans la possession de l’outil, mais dans sa capacité à évaluer de manière critique ce que l’outil propose.
Et ce n’est pas une simple métaphore – c’est un fait confirmé par la recherche.
Les entreprises s’inquiètent de faire adopter l’IA par leurs employés. La promesse est séduisante : l’IA se chargera des tâches fastidieuses – brouillons de documents, synthèse d’informations, débogage de code – libérant du temps pour un travail à plus forte valeur ajoutée.
Mais les entreprises sont-elles prêtes à affronter ce qui se passe quand elles y parviennent réellement ?
Des chercheurs de Stanford ont mené une étude observationnelle de 8 mois auprès d’environ 200 employés d’une entreprise technologique américaine ayant déployé l’IA générative. L’entreprise n’avait pas imposé l’utilisation de l’IA – elle avait simplement fourni des abonnements professionnels à des outils commerciaux. Les employés décidaient eux-mêmes s’ils les adoptaient.
Le résultat s’est avéré paradoxal. L’IA n’a pas réduit le travail. Elle l’a intensifié. Les travailleurs sont devenus plus rapides, ont pris en charge davantage de tâches, ont étalé leur travail sur plus d’heures dans la journée – souvent sans aucune pression externe explicite. L’IA a rendu le « faire plus » possible, accessible, et dans bien des cas intrinsèquement gratifiant.
Fait remarquable, le même schéma se retrouve dans d’autres recherches. Microsoft a constaté que 62 % des chefs de produit utilisent l’IA générative quotidiennement, mais si 81 % affirment que l’IA fait gagner du temps, 56 % nient que l’effort ait diminué. Un paradoxe ? Non – une tendance de fond.