Demander une réponse à une intelligence artificielle ne signifie pas forcément lui abandonner le travail de réflexion. Mais cela ne garantit pas non plus que l’on apprenne quoi que ce soit. Entre ces deux scénarios, une nouvelle étude tente enfin de regarder ce que font réellement les utilisateurs.
Mise en ligne le 20 juillet 2026, la prépublication « Informal Learning Emerges in Everyday Human-LLM Interaction » analyse 128 569 conversations publiques portant sur la programmation et l’écriture. Les chercheurs, affiliés notamment à l’Université des sciences et technologies de Hong Kong, à Microsoft Research Asia et à l’université Johns-Hopkins, ne demandent pas si les chatbots donnent de bonnes réponses. Ils cherchent des signes montrant que l’utilisateur continue à raisonner pendant l’échange.
Le résultat échappe aux slogans. Sur 491 685 tours de parole d’utilisateurs, 31,9 % présentent une forme d’engagement cognitif. En revanche, seulement 4,9 % atteignent le niveau qualifié de constructif : l’utilisateur développe une idée, teste une proposition, révise son raisonnement ou produit une compréhension qui va au-delà de la réponse reçue.
L’IA ne transforme donc pas spontanément chaque conversation en cours particulier. Elle peut ouvrir des occasions d’apprentissage, surtout lorsqu’elle explique, fournit un retour ciblé et laisse une partie du travail à l’humain. Mais l’étude ne démontre ni mémorisation durable, ni transfert de compétence, ni progrès individuel. Elle observe des comportements compatibles avec l’apprentissage, pas l’apprentissage lui-même.
Mesurer ce que l’utilisateur fait, pas seulement ce que l’IA répond
La plupart des évaluations de modèles s’intéressent à la machine : exactitude d’une réponse, qualité d’un texte, réussite d’un programme ou temps gagné. Cette approche est logique pour mesurer un outil, mais elle laisse de côté une question décisive : que devient la personne qui l’utilise régulièrement ?
Lorsqu’un modèle rédige un message, résout un bug ou résume un dossier, il peut accroître immédiatement la productivité. Le même geste peut toutefois supprimer l’effort par lequel une compétence se construit. Un développeur apprend en formulant une hypothèse, en observant une erreur, en modifiant son code et en comprenant pourquoi la correction fonctionne. Un rédacteur progresse en choisissant une structure, en comparant des formulations et en justifiant ses révisions.
Si le modèle effectue toutes ces opérations, le résultat peut être bon alors que l’utilisateur n’a presque rien exercé. À l’inverse, une conversation peut accélérer la découverte d’une erreur, proposer une explication au bon moment et permettre à l’utilisateur de reprendre la main.
Les auteurs déplacent donc l’unité de mesure. Au lieu de noter seulement la sortie du LLM, ils classent chaque tour selon l’effort cognitif visible dans l’échange. Cette méthode s’inspire notamment du cadre ICAP, utilisé en sciences de l’apprentissage pour distinguer plusieurs profondeurs d’engagement : recevoir une information, agir sur elle, construire une idée nouvelle ou interagir de manière à faire évoluer la compréhension.
Ce que signifient réellement les chiffres de 31,9 % et 4,9 %
Les deux pourcentages centraux ne doivent pas être confondus avec un taux de réussite scolaire.
Les 31,9 % de tours présentant un engagement cognitif regroupent des comportements où l’utilisateur reste impliqué dans la tâche. Il peut demander une précision, appliquer une suggestion, signaler un problème ou poursuivre un travail commencé. Ce chiffre montre que l’usage quotidien des LLM ne se réduit pas à copier une réponse finale.
Les 4,9 % de tours constructifs correspondent à un seuil plus exigeant. L’utilisateur ne se contente plus de demander ou d’appliquer. Il élabore, compare, teste, reformule ou étend l’idée. Dans une conversation de programmation, cela peut prendre la forme d’une nouvelle hypothèse après un message d’erreur. Dans un travail d’écriture, il peut s’agir d’expliquer pourquoi une reformulation améliore l’argument plutôt que de simplement réclamer une autre version.
Un tour constructif sur vingt est à la fois peu et suffisamment fréquent pour compter. C’est peu si l’on imagine les assistants généralistes comme des tuteurs permanents. C’est significatif si l’on se souvient que ces conversations n’ont pas été conçues comme des cours : leurs utilisateurs cherchent d’abord à terminer une tâche.
Le chiffre le plus honnête n’est donc pas « l’IA fait apprendre ». Il est plutôt : des comportements d’apprentissage apparaissent dans l’usage ordinaire, mais la compréhension approfondie reste sélective.
Une conversation visible ne révèle pas ce qui reste en mémoire
La distinction est essentielle. Une personne peut produire une excellente reformulation pendant l’échange puis oublier l’explication le lendemain. Elle peut également apprendre sans verbaliser son raisonnement dans le chat.
Les chercheurs ne connaissent ni le niveau initial des utilisateurs, ni leur motivation, ni ce qu’ils savent après la conversation. Ils n’administrent pas de test différé et n’observent pas le transfert vers une nouvelle tâche. Leur indicateur mesure une occasion de construire du sens, pas un gain de compétence prouvé.
Cette prudence ne retire pas l’intérêt du travail. Elle évite simplement de transformer un signal comportemental en promesse éducative.
Les explications et le feedback valent mieux que la livraison automatique
L’étude distingue deux grandes manières pour l’assistant de répondre. La première consiste à livrer directement le contenu demandé : texte final, solution, correction ou bloc de code. La seconde apporte un étayage : elle diagnostique la difficulté, décompose le problème, explique une raison, donne un indice, formule un retour ou invite l’utilisateur à réfléchir avant de poursuivre.
Les conversations contenant ce second type de soutien sont davantage associées à une participation constructive. Les explications et les retours ciblés apparaissent particulièrement liés à des échanges où l’utilisateur travaille ses propres idées.
Cela ne signifie pas qu’une explication provoque automatiquement l’apprentissage. Les données sont observationnelles. Un utilisateur déjà curieux ou engagé peut à la fois demander davantage d’explications et produire davantage de raisonnement constructif. L’assistant peut aussi choisir d’expliquer parce qu’il vient de détecter une tentative élaborée.
Les auteurs insistent justement sur le contexte. L’effet apparent du soutien varie selon la tâche, la manière dont l’utilisateur formule son objectif, le moment de la conversation et son état précédent. Une même réponse pédagogique peut être utile après une tentative sérieuse et inutile lorsqu’elle interrompt une demande simple.
Le bon assistant n’est donc pas celui qui transforme chaque échange en leçon. Il sait quand répondre directement, quand expliquer, quand poser une question et quand se retirer pour laisser l’utilisateur essayer.
La programmation rend l’apprentissage plus visible que l’écriture
Le corpus porte sur deux activités courantes : coder et écrire. Elles offrent des occasions d’apprentissage différentes.
La programmation externalise facilement l’incertitude. Un test échoue, une erreur apparaît, une contrainte n’est pas respectée ou une sortie contredit l’hypothèse. Le résultat fournit un retour relativement net. L’utilisateur peut proposer une cause, modifier une partie du programme et vérifier immédiatement si son raisonnement tient.
L’écriture est souvent plus ambiguë. Deux paragraphes peuvent être grammaticalement corrects tout en servant différemment l’objectif. Une amélioration dépend du public, du ton, de la précision et de la structure argumentative. Le raisonnement reste parfois implicite : l’utilisateur choisit une version sans expliquer pourquoi.
Les auteurs observent que les tâches de code rendent plus visibles les moments où l’utilisateur diagnostique, teste et révise. Cela ne prouve pas que les développeurs apprennent davantage que les rédacteurs. Leur activité laisse simplement plus de traces observables dans une conversation.
Cette différence rappelle une limite générale de l’analyse automatisée des interactions. Ce qui est facile à compter n’est pas toujours ce qui compte le plus. Un test réussi produit un signal clair ; un jugement éditorial plus fin peut se construire sans phrase explicite.
Trois corpus publics, mais pas un portrait de tous les utilisateurs
Les 128 569 conversations proviennent de WildChat, LMSYS Chat et ShareChat. Ces jeux de données rassemblent des échanges rendus publics ou partagés depuis plusieurs plateformes. ShareChat, par exemple, conserve des conversations issues de ChatGPT, Claude, Gemini, Perplexity et Grok, avec des éléments d’interface comme les sources ou les traces de raisonnement lorsqu’elles sont disponibles.
Ce matériau donne accès à des usages moins artificiels qu’une expérience de laboratoire. Les demandes n’ont pas été écrites pour satisfaire un protocole et les conversations conservent les hésitations, retours et changements de direction du quotidien.
Il n’est pourtant pas représentatif de l’ensemble des utilisateurs. Les personnes qui rendent un échange public peuvent avoir des pratiques différentes de celles qui gardent leurs conversations privées. L’analyse se limite à des échanges en anglais et à deux domaines de travail. Elle mélange également des plateformes, des modèles et des périodes dont les interfaces ou les capacités ne sont pas identiques.
Enfin, les catégories d’engagement sont attribuées à partir de comportements textuels. Même avec une procédure de validation, une classification à grande échelle simplifie nécessairement des intentions complexes.
La taille de l’échantillon renforce la solidité descriptive des régularités observées. Elle ne corrige pas automatiquement les biais de sélection ou l’absence de mesure longitudinale.
Comment transformer un assistant en partenaire d’apprentissage
L’étude n’est pas un manuel de bonnes pratiques, mais ses résultats suggèrent une différence concrète entre déléguer une tâche et utiliser l’IA pour progresser.
Un échange conserve davantage d’occasions d’apprentissage lorsque l’utilisateur apporte une première tentative, expose son incertitude et revient sur le résultat. À partir de là, quelques habitudes changent la nature de la conversation :
- demander un diagnostic avant la solution complète ;
- fournir sa propre hypothèse et demander ce qui pourrait la réfuter ;
- réclamer la raison d’une correction, pas seulement sa version finale ;
- comparer deux options avec des critères explicites ;
- tester la proposition sur un nouvel exemple ;
- reformuler l’explication avec ses propres mots ;
- demander un indice, puis tenter la suite sans assistance.
Ces gestes ralentissent parfois la résolution immédiate. C’est précisément leur fonction. Apprendre suppose de conserver une part de difficulté productive, suffisamment accessible pour être surmontée mais pas entièrement absorbée par l’outil.
Pour les concepteurs, la leçon est différente. Un produit évalué uniquement sur la vitesse, la satisfaction immédiate ou le nombre de tâches terminées aura tendance à livrer davantage de réponses complètes. Un produit qui mesure aussi la reprise d’initiative, la révision et la capacité à résoudre ensuite un problème voisin peut favoriser un autre comportement.
L’enjeu dépasse l’école et concerne la formation des métiers
Une grande partie de l’expertise professionnelle se forme en travaillant : relire une décision, recevoir un retour, observer une conséquence et recommencer. Cet apprentissage informel est moins visible qu’un cours, mais il structure le jugement des développeurs, analystes, juristes, ingénieurs ou rédacteurs.
L’automatisation par les LLM peut raccourcir cette phase d’apprentissage. Un junior obtient une production de niveau acceptable plus vite, mais rencontre moins souvent les erreurs qui lui auraient appris à diagnostiquer un problème. L’entreprise gagne du temps aujourd’hui et risque de manquer d’experts autonomes demain.
Le scénario inverse existe aussi. Un assistant disponible peut fournir des explications et du feedback à des personnes qui n’auraient pas accès à un mentor. Il peut rendre explicite une règle jusque-là transmise de manière informelle, aider à comparer plusieurs stratégies et soutenir la révision au moment précis où un obstacle apparaît.
La différence ne dépend pas seulement du modèle. Elle vient de l’organisation du travail : qui formule le problème, qui produit la première tentative, qui vérifie, qui assume la décision et comment l’erreur est utilisée.
Le prochain benchmark devrait aussi mesurer ce que l’humain devient
Cette étude est encore en cours d’évaluation et ne tranche pas le débat sur l’affaiblissement cognitif. Elle offre toutefois un indicateur plus fécond que l’opposition entre enthousiasme et panique.
Une IA peut augmenter la productivité tout en réduisant les occasions d’apprendre. Elle peut aussi accélérer une tâche tout en maintenant l’utilisateur dans une boucle de questionnement, de test et de révision. Ces effets ne sont pas incompatibles et peuvent varier d’un échange à l’autre.
Les futurs travaux devront suivre des personnes dans le temps, mesurer la rétention, tester le transfert vers de nouveaux problèmes et comparer expérimentalement différents styles d’assistance. Il faudra également étudier d’autres langues, métiers et publics, notamment ceux qui disposent de moins de soutien humain.
Le résultat le plus important des 128 569 conversations n’est donc pas que l’IA nous rend plus intelligents. C’est qu’elle laisse parfois l’apprentissage émerger — surtout lorsque la réponse ne ferme pas le problème, mais aide l’utilisateur à continuer de le penser.
Références
- Chen et al. — « Informal Learning Emerges in Everyday Human-LLM Interaction », arXiv, 20 juillet 2026
- Chi et Wylie — cadre ICAP de l’engagement cognitif, Educational Psychologist, 2014
- WildChat — corpus de conversations publiques avec des modèles de langage
- LMSYS-Chat-1M — jeu de données de conversations réelles avec 25 modèles
- Yan et al. — « ShareChat: A Dataset of Chatbot Conversations in the Wild »
- ShareChat — fiche et documentation du jeu de données
