L’intelligence artificielle va-t-elle appauvrir ou enrichir notre pensée ?

Je comprends très bien cette inquiétude. Et, pour être honnête, je la partage en partie. Il suffit parfois d’observer certains débats en ligne pour avoir l’impression que la nuance en devient presque absente. Plus une idée est courte, tranchée, immédiatement émotionnelle, plus elle circule vite. À l’inverse, la prudence, la complexité ou les distinctions fines donnent parfois le sentiment d’encombrer la communication contemporaine.

Langage pauvre, pensée pauvre ?

L’idée selon laquelle l’appauvrissement du langage finit par appauvrir la pensée n’a d’ailleurs rien de nouveau. Orwell [1] l’avait mise en scène avec la « novlangue », cette langue artificiellement réduite qui empêchait progressivement certaines formes mêmes de pensée critique. Wittgenstein [2] écrivait déjà que « les limites de mon langage signifient les limites de mon monde ». Quant à Bourdieu [3], il rappelait que le langage n’est jamais neutre : il structure aussi notre rapport social au réel.

On comprend alors pourquoi la pensée nuancée a besoin de mots. Ce n’est pas un luxe de professeur de langue ni une coquetterie intellectuelle. Ainsi, entre l’irritation, la colère, l’indignation, l’amertume ou le ressentiment, il n’y a pas simplement plusieurs façons élégantes de dire la même chose. Chaque mot découpe la réalité un peu différemment. Chaque nuance permet de penser autrement.

Lorsqu’une langue s’appauvrit réellement – ou plutôt lorsqu’on cesse d’utiliser activement une partie de ses ressources –, quelque chose finit effectivement par se contracter dans notre manière de comprendre le monde.

Et certains discours politiques contemporains jouent parfois très consciemment sur cette simplification lexicale et conceptuelle. Le langage de Trump, par exemple, a souvent été analysé pour son efficacité fondée sur les répétitions, les oppositions massives, les adjectifs simples [4], les hyperboles permanentes et les catégorisations binaires extrêmement efficaces médiatiquement. Ce type de communication ne cherche pas toujours à décrire finement le réel ; il cherche surtout à produire un effet immédiat.

Le risque de la délégation cognitive

Mais là où je m’écarte un peu de certains discours très pessimistes, c’est lorsque l’on présente l’intelligence artificielle comme un agent automatique d’appauvrissement intellectuel.

Le danger existe, bien sûr. Si l’on demande à une IA de penser à notre place, de rédiger à notre place, d’argumenter à notre place, alors oui : elle peut devenir une sorte de prothèse cognitive paresseuse. On voit déjà circuler – dans la presse surtout, mais aussi sur les réseaux sociaux – des textes parfaitement corrects mais étrangement sans relief, sans âme, comme si personne ne les avait vraiment habités.

L’IA peut-elle enrichir le FLE ?

Mais ce n’est qu’une partie de l’histoire. Car, dans le domaine de l’apprentissage des langues, et notamment du FLE, l’IA peut aussi produire exactement l’effet inverse.

Je suis même frappé de voir à quel point certains usages intelligents de l’IA [5] réintroduisent du travail linguistique là où il avait parfois disparu.

Un apprenant qui dialogue avec une IA peut désormais demander immédiatement :

« Quelle est la différence entre “contrarié”, “agacé” et “furieux” ? »

Il peut tester une phrase, la reformuler, demander une version plus naturelle, plus soutenue, plus ironique, plus polie ou plus fluide [6]. Il peut faire varier un registre, comparer deux structures, chercher le mot juste, comprendre pourquoi une tournure « sonne français » ou non.

Imaginons par exemple une étudiante chypriote préparant le niveau B1 qui souhaite raconter une dispute avec une amie. Elle écrit d’abord :

« J’étais très fâchée parce qu’elle ne m’écoutait pas. »

L’IA lui répond :

« “Fâchée” fonctionne très bien. Mais selon ce que tu veux exprimer, tu pourrais aussi dire :

- “contrariée” si tu veux rester modérée ;

- “agacée” si le comportement était répétitif ;

- “blessée” si tu as souffert émotionnellement ;

- “furieuse” si la colère était très forte. »

L’étudiante demande alors :

« Quelle phrase paraît la plus naturelle dans une conversation entre amies ? »

L’IA lui propose plusieurs versions légèrement différentes, explique les nuances [7], attire son attention sur le ton, puis l’invite éventuellement à réécrire elle-même son message. En quelques minutes, l’apprenante vient déjà de travailler le lexique, la pragmatique, l’intensité émotionnelle, les registres, la reformulation, la précision du sens et même une partie de la compétence sociolinguistique.

Autrefois, ce type d’échange supposait un enseignant extrêmement disponible, beaucoup de temps, parfois même une forme de compagnonnage linguistique. Aujourd’hui, une partie de ce travail exploratoire redevient possible au quotidien. Et c’est peut-être là un paradoxe intéressant.

Au moment même où certains usages numériques réduisent le langage à des réflexes rapides, l’IA peut aussi pousser certains apprenants à jouer davantage avec les mots, à expérimenter davantage, à écrire davantage et, finalement, à réfléchir davantage à la langue.

Tout dépend probablement du rapport que nous construisons avec l’outil. Une IA utilisée comme distributeur automatique de devoirs risque d’appauvrir la pensée. Mais une IA utilisée comme partenaire de reformulation, de clarification ou d’exploration linguistique peut au contraire devenir un remarquable accélérateur d’apprentissage.

En réalité, la question n’est peut-être pas : « L’IA pense-t-elle à notre place ? » La vraie question serait plutôt : que décidons-nous encore de faire nous-mêmes avec la langue ?