Intelligence humaine et intelligence artificielle : mobiliser l’IH
Intelligence artificielle et Intelligence Humaine : une nouvelle répartition des capacités
L’intelligence artificielle progresse rapidement dans des domaines que nous associions jusqu’à récemment au travail intellectuel humain. Les systèmes d’IA générative peuvent désormais rechercher et synthétiser des informations, rédiger des documents, analyser des données, produire du code ou encore proposer différentes solutions à un problème. Ces capacités suscitent naturellement une question : quelle sera la place de l’intelligence humaine lorsque certaines tâches cognitives pourront être réalisées plus rapidement par des machines ?
Cette question est souvent abordée sous l’angle du remplacement : quelles professions seront automatisées ? Quelles compétences deviendront inutiles ? Jusqu’où les performances de l’intelligence artificielle pourront-elles se rapprocher de celles des humains ?
Une autre approche consiste pourtant à considérer que l’IA modifie surtout la répartition du travail cognitif entre les humains et les machines. Dans cette perspective, l’enjeu n’est plus uniquement de déterminer ce qu’une intelligence artificielle peut accomplir, mais d’identifier les activités sur lesquelles l’intelligence humaine conserve la plus forte valeur.
Chez Natural Solutions, nous proposons d’appeler cette capacité l’IH, pour Intelligence Humaine. Il ne s’agit pas d’un concept scientifique normalisé ni d’une nouvelle catégorie en psychologie cognitive. Nous utilisons ce terme comme un cadre de réflexion pour désigner un ensemble de capacités humaines particulièrement importantes lorsque nous travaillons avec des systèmes d’intelligence artificielle : la compréhension du contexte, l’expérience, le jugement critique, la formulation d’une intention, l’arbitrage et la responsabilité.
L’hypothèse que nous souhaitons défendre est simple : plus nous automatisons certaines opérations cognitives, plus nous devons réfléchir à la manière de mobiliser l’Intelligence Humaine sur les tâches pour lesquelles elle apporte une valeur spécifique.
L’être humain a toujours externalisé une partie de son activité cognitive
Déléguer une partie de notre activité intellectuelle à un outil n’est pas un phénomène nouveau. Nous le faisons quotidiennement lorsque nous notons une information pour ne pas avoir à la mémoriser, utilisons un agenda pour organiser nos rendez-vous ou faisons appel à une calculatrice pour effectuer une opération.
En sciences cognitives, ce phénomène est notamment étudié sous le terme de cognitive offloading, que l’on peut traduire par « délestage cognitif ». Dans leur revue publiée dans Trends in Cognitive Sciences, les psychologues Evan Risko et Sam Gilbert définissent ce phénomène comme l’utilisation d’actions ou d’éléments externes afin de réduire les ressources cognitives nécessaires à l’accomplissement d’une tâche. Le recours à des supports externes permet ainsi de déplacer une partie du traitement de l’information hors de notre mémoire ou de notre système cognitif immédiat.
L’intelligence artificielle peut être considérée comme une extension particulièrement puissante de ce phénomène. La différence avec les outils précédents tient toutefois à la nature des opérations que nous pouvons désormais externaliser. Une calculatrice décharge principalement le calcul. Un agenda décharge la mémoire prospective. Une IA générative peut, elle, intervenir dans la recherche documentaire, la synthèse, la rédaction, la classification et certains raisonnements.
La question n’est donc plus simplement de savoir si nous allons externaliser certaines tâches intellectuelles : nous le faisons depuis longtemps. Elle consiste plutôt à déterminer quelles fonctions cognitives nous avons intérêt à déléguer et lesquelles doivent rester activement exercées par les humains.
Les recherches montrent que l’IA peut augmenter la productivité humaine
Plusieurs travaux expérimentaux commencent à mesurer l’effet des systèmes d’intelligence artificielle générative sur le travail.
Dans une étude publiée dans Science en 2023, Shakked Noy et Whitney Zhang ont étudié 453 professionnels auxquels étaient confiées différentes tâches de rédaction correspondant à des activités professionnelles courantes. Une partie des participants avait accès à ChatGPT. Les chercheurs ont observé que l’utilisation de l’IA réduisait en moyenne de 40 % le temps nécessaire pour accomplir les tâches, tout en augmentant la qualité moyenne des productions de 18 %.
Une autre étude à grande échelle, conduite par Erik Brynjolfsson, Danielle Li et Lindsey Raymond auprès de 5 172 agents de service client, aboutit à des résultats convergents. L’introduction d’un assistant conversationnel basé sur l’IA a entraîné une augmentation moyenne de 15 % du nombre de problèmes résolus par heure. L’effet n’était cependant pas homogène : les gains étaient particulièrement importants pour les employés les moins expérimentés, alors que les professionnels les plus expérimentés bénéficiaient beaucoup moins de l’outil.
Ces résultats montrent que l’intelligence artificielle peut effectivement augmenter la productivité sur certaines tâches. Ils suggèrent également un phénomène plus intéressant : l’IA ne produit pas les mêmes effets selon les personnes, leur niveau d’expertise et la nature de la tâche.
Cela devrait nous conduire à dépasser une vision purement quantitative de l’automatisation. Gagner une heure de travail représente un avantage réel, mais la valeur créée dépend aussi de ce que nous faisons de cette heure.
Libérer du temps cognitif ne suffit pas : encore faut-il savoir où le réinvestir
Prenons le cas d’un écologue réalisant une étude environnementale. Une partie de son temps peut être consacrée à rechercher des informations dans des rapports, consulter différents référentiels, vérifier des données taxonomiques, synthétiser de la documentation ou mettre en forme des éléments déjà connus.
Si l’intelligence artificielle permet de réduire le temps consacré à certaines de ces opérations, elle produit un gain de productivité évident. Mais ce gain n’a véritablement d’intérêt que s’il permet de renforcer les activités dans lesquelles l’expertise humaine est déterminante : l’interprétation des observations, la compréhension du contexte écologique, la confrontation des données au terrain ou encore l’évaluation des conséquences d’une décision.
On peut donc distinguer deux formes d’automatisation. La première consiste simplement à augmenter la quantité de tâches réalisées pendant une journée. La seconde cherche à réallouer l’attention et les compétences humaines vers les activités où elles produisent le plus de valeur.
C’est dans ce deuxième sens que nous proposons de parler de mobilisation de l’IH.
L’objectif n’est pas simplement de « faire plus avec moins », mais de permettre aux professionnels de consacrer davantage de leurs ressources cognitives aux problèmes qui nécessitent réellement expertise, jugement et compréhension.
Humain + IA : une association qui n’est pas automatiquement supérieure
On pourrait penser qu’il suffit d’associer une intelligence artificielle à un professionnel pour obtenir les meilleures performances possibles. Les recherches disponibles invitent pourtant à davantage de prudence.
En 2024, Michelle Vaccaro, Abdullah Almaatouq et Thomas Malone ont publié dans Nature Human Behaviour une revue systématique et une méta-analyse portant sur 106 études expérimentales et 370 mesures de performance consacrées aux systèmes associant humains et intelligence artificielle. Leur résultat est important : les combinaisons humain-IA améliorent en moyenne la performance par rapport à l’humain seul, mais elles ne sont pas systématiquement supérieures au meilleur des deux acteurs pris séparément. L’efficacité de la coopération dépend fortement du type de tâche et de la manière dont le travail est réparti entre l’humain et la machine.
Cette observation est essentielle pour les organisations qui souhaitent intégrer l’intelligence artificielle. Ajouter de l’IA à un processus n’est pas en soi une garantie d’amélioration. Il faut concevoir la coopération entre l’outil et l’utilisateur.
Dans certaines situations, l’IA peut être plus performante pour analyser rapidement de grandes quantités d’informations. Dans d’autres, l’expertise humaine reste supérieure. Dans beaucoup de cas, la valeur vient précisément de la capacité à identifier la bonne répartition des rôles.
La question pertinente n’est donc pas : « Comment utiliser le plus d’IA possible ? », mais plutôt : « Sur quelles tâches l’IA apporte-t-elle un avantage et sur lesquelles devons-nous prioritairement mobiliser l’Intelligence Humaine ? »
Que recouvre exactement cette Intelligence Humaine ?
L’IH telle que nous la définissons chez Natural Solutions ne désigne pas une forme générale d’intelligence mesurable par un score. Elle correspond davantage aux fonctions humaines qui deviennent stratégiques dans une organisation utilisant de plus en plus de systèmes automatisés.
La première est la capacité à définir une intention. Un système d’IA peut rechercher une solution optimale à partir de critères donnés, mais la définition de ces critères suppose déjà un choix. Dans un projet d’aménagement, par exemple, optimiser les coûts, maximiser la sécurité, conserver les arbres existants ou favoriser la biodiversité ne conduisent pas nécessairement aux mêmes décisions. Avant de rechercher la meilleure solution, il faut donc définir ce que signifie « meilleure ».
La deuxième fonction concerne la contextualisation. Les modèles analysent les informations qui leur sont accessibles, mais une décision professionnelle dépend souvent de connaissances qui ne sont pas entièrement contenues dans les données. L’histoire d’un territoire, les particularités d’un site, la qualité d’un protocole d’observation ou les relations entre différentes parties prenantes peuvent modifier profondément l’interprétation d’un résultat.
L’expérience constitue une troisième dimension. Un professionnel expérimenté ne se distingue pas simplement par la quantité d’informations qu’il possède. Il a développé des capacités à reconnaître des situations atypiques, à repérer des incohérences ou à estimer rapidement quelles informations méritent d’être approfondies.
Enfin, l’IH comprend le jugement et la responsabilité. Dans une situation complexe, plusieurs solutions peuvent être techniquement défendables. Choisir suppose alors d’arbitrer entre différentes priorités et d’assumer les conséquences de la décision.
Le risque d’une automatisation excessive est également documenté
Les recherches consacrées à l’automatisation sont antérieures à l’arrivée de l’IA générative. Elles permettent déjà d’identifier certains risques.
Dans un article devenu une référence sur les interactions entre humains et systèmes automatisés, Raja Parasuraman et Victor Riley décrivaient dès 1997 plusieurs formes de mauvaise utilisation de l’automatisation. Ils soulignaient notamment que la confiance excessive dans un système automatisé peut provoquer des défauts de surveillance et des biais de décision.
Le problème peut apparaître lorsqu’un utilisateur cesse progressivement de vérifier une recommandation parce que le système s’est montré fiable dans le passé. La présence formelle d’un humain dans le processus ne garantit donc pas, à elle seule, l’exercice d’un véritable contrôle.
Ce point est particulièrement important aujourd’hui. Le principe de Human in the loop, souvent présenté comme une réponse aux risques de l’intelligence artificielle, n’est réellement pertinent que si l’utilisateur dispose du temps, des compétences et des informations nécessaires pour comprendre et, si nécessaire, contester la proposition du système.
Un humain qui clique mécaniquement sur « valider » reste techniquement dans la boucle, mais son Intelligence Humaine n’est pratiquement plus mobilisée.
Pourquoi cette question est particulièrement importante pour la biodiversité
Les métiers de la biodiversité constituent un terrain particulièrement intéressant pour réfléchir à cette complémentarité entre IA et expertise humaine.
La connaissance du vivant repose aujourd’hui sur des volumes d’informations croissants : observations naturalistes, référentiels taxonomiques, images aériennes et satellitaires, données acoustiques, photographies, cartographies d’habitats, littérature scientifique, études environnementales ou historiques de gestion.
L’intelligence artificielle peut apporter une aide considérable pour naviguer dans cet ensemble. Elle peut faciliter l’identification d’informations pertinentes, mettre en relation plusieurs sources de données, détecter certains motifs ou produire rapidement des synthèses qui auraient nécessité auparavant de longues recherches.
Mais la biodiversité présente une caractéristique essentielle : le contexte modifie profondément la signification des données.
La présence ou l’absence d'une espèce ne peut pas toujours être interprétée indépendamment de la période d'observation, des méthodes de prospection ou des caractéristiques de l'habitat. De même, l'état d'un arbre ne peut être réduit à quelques variables sans prendre en compte son environnement, son histoire, les usages du site ou sa valeur écologique.
L’IA peut donc contribuer à augmenter la capacité d’analyse. Elle ne supprime pas pour autant le besoin d’expertise. Elle peut même rendre cette expertise plus importante, puisque l’augmentation de la quantité d’informations disponibles renforce le besoin de savoir lesquelles sont pertinentes et comment les interpréter.
L’exemple du patrimoine arboré
Considérons un exemple concret. Dans la gestion d’un patrimoine arboré, un système numérique peut agréger de nombreuses informations : espèce, dimensions, état physiologique, défauts mécaniques, interventions passées, position géographique ou environnement immédiat.
Un système d’IA pourrait faciliter l’analyse de ces données, rechercher des situations comparables ou aider à identifier les arbres nécessitant une attention particulière.
Cependant, passer de cette analyse à une décision de gestion demande généralement davantage d’informations. Quel niveau de risque est acceptable ? Quelle est la fréquentation du site ? L’arbre possède-t-il une valeur patrimoniale particulière ? Héberge-t-il des espèces protégées ? Existe-t-il une possibilité de sécurisation permettant son maintien ? Quelle est la stratégie de renouvellement du patrimoine arboré de la collectivité ?
La technologie augmente alors la capacité à informer la décision, tandis que l’expertise humaine conserve un rôle majeur dans son interprétation.
Cette répartition nous semble représenter une piste particulièrement féconde : utiliser l’intelligence artificielle pour augmenter l’accès à la connaissance, afin de permettre aux professionnels de consacrer davantage de ressources à l’interprétation et à la décision.
Un nouvel indicateur : la quantité d’Intelligence Humaine libérée
L’évaluation des outils d’intelligence artificielle repose généralement sur des indicateurs de productivité : temps économisé, augmentation du volume de tâches réalisées ou réduction des coûts.
Ces critères sont nécessaires, mais ils pourraient être complétés par une autre question : que devient le temps humain qui a été libéré ?
Si deux heures économisées grâce à l’automatisation sont simplement remplacées par deux heures supplémentaires de tâches routinières, le gain reste essentiellement quantitatif.
Si ces mêmes deux heures permettent à un expert de réaliser une analyse plus approfondie, de retourner sur le terrain, de discuter avec les gestionnaires d’un site ou d’examiner différentes hypothèses, la technologie produit un effet différent : elle améliore potentiellement la qualité de la réflexion et de la décision.
Nous pourrions donc ajouter un indicateur aux critères habituels de performance :
la quantité d’Intelligence Humaine qu’une technologie permet de remobiliser sur des tâches à forte valeur.
Cette proposition est évidemment difficile à mesurer précisément. Elle offre néanmoins un cadre utile pour concevoir les outils numériques autrement : non plus seulement en recherchant ce qu’ils permettent d’automatiser, mais en identifiant ce qu’ils permettent aux humains de mieux accomplir.
Concevoir l’IA pour augmenter l’IH
Cette approche conduit à des choix très concrets dans la conception des systèmes d’intelligence artificielle.
Un outil destiné à un expert devrait idéalement lui permettre de retrouver l’origine des informations utilisées et d’identifier les incertitudes. Il devrait faciliter la comparaison de plusieurs hypothèses plutôt que masquer leur existence derrière une réponse unique. Il devrait également permettre à l’utilisateur de corriger, enrichir ou refuser facilement une recommandation.
L’enjeu n’est donc pas seulement de produire une IA performante. Il est de créer les conditions d’une coopération cognitive efficace.
Les résultats de la littérature sur la collaboration humain-IA montrent précisément que la performance dépend de cette organisation de la coopération et non de la simple présence simultanée d’un humain et d’un algorithme.
Cela suppose de concevoir les outils à partir des métiers, de leurs pratiques et de leurs responsabilités. Une bonne intelligence artificielle professionnelle n’est pas nécessairement celle qui fournit systématiquement la réponse finale. Elle peut aussi être celle qui réduit le coût d’accès à l’information, signale les incohérences, fait émerger des hypothèses et permet à l’expert de concentrer son attention sur les questions réellement difficiles.
Mobiliser l’IH : une orientation pour Natural Solutions
Depuis plus de quinze ans, Natural Solutions travaille à l’intersection de la biodiversité, de la donnée et des technologies numériques. L’arrivée de l’intelligence artificielle ouvre de nouvelles possibilités pour explorer les connaissances environnementales, automatiser certaines opérations à faible valeur ajoutée et améliorer l’accès à des informations aujourd’hui dispersées.
Cependant, notre objectif ne peut pas être simplement d’ajouter de l’intelligence artificielle à tous les processus.
La question qui nous semble plus intéressante est celle de la répartition des capacités entre la technologie et les professionnels qui l’utilisent.
Nous pouvons utiliser l’IA pour traiter davantage d’informations, accélérer la recherche documentaire ou faciliter certaines analyses. Nous devons parallèlement préserver et renforcer la capacité des experts à contextualiser ces informations, à vérifier leur pertinence, à intégrer les connaissances issues du terrain et à décider.
C’est dans ce sens que nous proposons de mobiliser l’IH.
Non pas pour opposer Intelligence Humaine et intelligence artificielle, mais pour rechercher leur complémentarité.
Vers une intelligence réellement augmentée
Les recherches disponibles ne permettent pas de conclure que l’intelligence artificielle rendra systématiquement le travail meilleur. Elles montrent quelque chose de plus nuancé et probablement plus utile : l’IA peut améliorer significativement certaines performances, mais ses bénéfices dépendent du type de tâche, du niveau d’expertise et de la manière dont la coopération entre humains et machines est organisée.
Le défi des prochaines années ne sera donc pas seulement technologique. Il sera également organisationnel et cognitif.
Nous devrons apprendre à identifier ce que nous souhaitons déléguer, ce que nous voulons conserver et, surtout, ce que nous souhaitons mieux faire grâce aux nouvelles capacités offertes par l’IA.
C’est peut-être dans cette perspective que le terme d’intelligence augmentée prend tout son sens. Il ne s’agit pas seulement d’augmenter la puissance de calcul disponible pour l’être humain. Il s’agit d’utiliser cette puissance pour permettre aux professionnels de consacrer davantage de leur attention aux activités qui nécessitent compréhension, expérience, jugement et responsabilité.
L’enjeu n’est donc pas de choisir entre IA et IH. Il est de construire des systèmes dans lesquels l’IA permet de mieux mobiliser l’Intelligence Humaine.
Références scientifiques
Brynjolfsson, E., Li, D. & Raymond, L. (2025). Generative AI at Work. The Quarterly Journal of Economics, 140(2), 889–942. L'étude porte sur 5 172 agents de service client et mesure l'effet d'un assistant d'IA générative sur leur productivité.
Noy, S. & Zhang, W. (2023). Experimental evidence on the productivity effects of generative artificial intelligence. Science, 381(6654), 187–192. L'expérience étudie l'impact de ChatGPT sur les performances de professionnels réalisant des tâches de rédaction.
Parasuraman, R. & Riley, V. (1997). Humans and Automation: Use, Misuse, Disuse, Abuse. Human Factors, 39(2), 230–253. Cet article analyse notamment les phénomènes de confiance excessive et de sous-utilisation des systèmes automatisés.
Risko, E. F. & Gilbert, S. J. (2016). Cognitive Offloading. Trends in Cognitive Sciences, 20(9), 676–688. Les auteurs proposent une synthèse des recherches sur l'externalisation de certaines opérations cognitives vers l'environnement et les outils.
Vaccaro, M., Almaatouq, A. & Malone, T. (2024). When combinations of humans and AI are useful: A systematic review and meta-analysis. Nature Human Behaviour, 8, 2293–2303. Cette méta-analyse rassemble 106 études expérimentales consacrées aux performances des systèmes combinant humains et intelligence artificielle.