Qui gagne le temps libéré par l’IA ?

La langue comme capital 

Prenons le cas des outils conversationnels capables de rédiger un texte, de le résumer ou de le reformuler. Pour saisir ce qu’ils modifient, il faut d’abord regarder ce que la maîtrise de l’écrit représentait. 

Pierre Bourdieu a montré que certaines compétences socialement valorisées ne sont pas seulement des aptitudes individuelles. Écrire correctement, argumenter, mobiliser le registre attendu dans un courrier ou une réunion fonctionne comme une forme de capital. Ces compétences procurent de la reconnaissance, de la crédibilité, parfois du pouvoir. Et comme tout capital, leur valeur est relationnelle. Elle ne tient pas à ce qu’elles permettent d’accomplir dans l’absolu, mais au fait que tout le monde ne les possède pas. 

Une lettre de réclamation bien tournée n’obtient pas gain de cause uniquement grâce à la force de son argumentation. Elle l’obtient parce qu’elle signale à celui qui la reçoit qu’il a affaire à une personne qui connaît les codes, donc à quelqu’un à prendre au sérieux. Le même contenu, formulé maladroitement, sera traité autrement. C’est très exactement ce que Bourdieu nomme un effet de capital symbolique. 

Or, c’est cette rareté que les outils conversationnels sont en train de dissoudre. La personne qui hésitait devant un courrier administratif, celle qui rédige dans une langue qui n’est pas la sienne, celle qui n’a jamais appris à structurer une argumentation écrite dispose désormais d’un moyen de produire un texte irréprochable en quelques minutes. La démocratisation n’est pas totale, car l’outil ne sert vraiment que celui qui sait déjà juger ce qu’il reçoit. Mais pour ce qui est de la conformité aux codes, du vocabulaire, de la syntaxe et du ton attendu, la barrière est tombée. 

Ce qui se déprécie ici n’est pas la compétence, savoir écrire reste utile. Ce qui se déprécie, c’est sa valeur distinctive. Quand tout le monde peut rédiger une lettre impeccable, produire une lettre impeccable ne dit plus rien de celui qui l’envoie. 

Défendre un capital qui se déprécie 

Toutes les critiques de l’IA ne relèvent évidemment pas d’une défense de privilèges, et il serait malhonnête de le suggérer. Les inquiétudes concernant l’apprentissage, la qualité de l’information ou l’honnêteté des productions sont fondées et méritent d’être prises au sérieux. 

Mais l’histoire sociale enseigne que les détenteurs d’un capital qui se déprécie ne restent pas passifs. Et il est difficile de ne voir qu’un souci d’intégrité dans l’insistance actuelle à vouloir tracer les textes rédigés par IA. Exiger de savoir qui a écrit quoi, c’est demander que la belle langue reste attribuable à une personne et continue donc de la distinguer. 

L’affaire des détecteurs le montre de manière presque expérimentale. Depuis 2023, écoles, universités et rédactions se sont équipées d’outils censés reconnaître les textes écrits par une machine. Une étude publiée dans la revue Patterns¹ les a testés sur des copies rédigées par des étudiants non anglophones. Plus de la moitié ont été classées à tort comme artificielles, alors que les textes de locuteurs natifs passaient presque tous le contrôle. La raison est mécanique. Ces détecteurs repèrent la régularité syntaxique et la modestie du vocabulaire, exactement ce qui caractérise l’écriture de quelqu’un qui travaille dans une langue qui n’est pas la sienne. 

Le dispositif censé protéger l’intégrité pénalise donc en priorité ceux que la technologie venait de soulager. Il ne détecte pas la machine, il détecte l’écart à la langue légitime, celle de ceux qui n’ont jamais eu à l’apprendre. Ce qu’il protège n’est pas l’honnêteté, c’est la valeur d’un capital. 

Un constat plus ancien mérite d’être posé à côté de celui-là. Faire relire son mémoire par un proche compétent est une pratique aussi répandue que discrète. L’étudiant dont un parent enseigne, rédige ou corrige professionnellement rend un texte plus propre, mieux structuré, débarrassé des maladresses que son voisin n’a personne pour repérer. Cet avantage existe depuis toujours et n’a presque jamais figuré parmi les préoccupations des jurys. 

Que le même service soit rendu par une IA, et l’étudiant s’expose à une procédure disciplinaire. 

L’opération est pourtant identique dans sa fonction. Un tiers plus « compétent » relit, signale ce qui ne va pas, propose des reformulations. Ce qui change n’est pas la nature de l’aide, mais sa distribution. La relecture familiale suit les lignes de la stratification sociale et reconduit l’ordre existant. La relecture par IA est accessible à tous pour un coût quasi nul et le perturbe. Une ressource qui conforte la hiérarchie ne pose pas de problème, une ressource qui la redistribue en pose un immédiatement. 

On objectera, à juste titre, qu’il existe une différence de degré. Un proche corrige un texte que l’étudiant a écrit, alors qu’une IA peut l’écrire à sa place. La distinction est réelle et elle mérite d’être défendue. Mais les règles qui se mettent en place ne la font pas. Elles ne mesurent pas le degré de substitution ; elles traquent la trace de la machine. Or, ce n’est pas la même chose de sanctionner un étudiant qui n’a pas travaillé et d’en sanctionner un qui n’avait personne pour le relire. 

Du temps gagné, mais par qui ? 

Deuxième grand argument en faveur de l’IA, le gain de temps. Elle nous déchargerait des tâches répétitives pour que nous puissions nous consacrer à ce qui compte vraiment. L’idée est séduisante, et qui refuserait d’être libéré d’une partie des comptes rendus et des recherches fastidieuses ? 

Hartmut Rosa a décrit la dynamique d’accélération qui traverse les sociétés contemporaines. Chaque innovation est censée nous faire gagner du temps, et pourtant, le sentiment dominant n’est pas celui d’une plus grande disponibilité. Comment expliquer ce paradoxe ? 

L’histoire de l’électroménager l’illustre bien. Ruth Schwartz Cowan a montré que la mécanisation du foyer américain au XXe siècle n’a pas simplement réduit le travail domestique. Machines à laver, aspirateurs et réfrigérateurs devaient faciliter la vie des ménagères, voire les en libérer. Pourtant, le temps consacré aux tâches domestiques n’a pas diminué, et a parfois augmenté. Ce sont les normes qui ont changé. Puisque laver devenait plus facile, on a lavé plus souvent. Le linge propre hebdomadaire est devenu le linge propre quotidien. Le gain technique a ainsi été absorbé par une hausse des exigences. 

Il n’y a aucune raison de penser que la rédaction d’un rapport échappera à cette logique. Si produire une note demande une heure au lieu de trois, deux scénarios sont possibles. Celui que nous aimons imaginer récupère les deux heures pour réfléchir, apprendre, ou simplement souffler. L’autre, tout aussi plausible, les réinvestit sur-le-champ. On ne rendra pas une note, on en rendra trois, et le standard de ce qu’est une note acceptable montera d’autant. 

Je peux en témoigner à mes dépens. Ce texte, je l’ai retravaillé avec une IA pour aller plus vite. Non par goût, mais parce que des rapports administratifs m’attendaient et que je devais me dépêcher. Écrire est pourtant, depuis toujours, une de mes activités préférées. L’arbitrage n’a donc rien eu à voir avec la valeur des tâches. On ne délègue pas nécessairement ce qui a le moins de valeur. 

Reste alors la seule question qui vaille. Qui décide de l’usage du temps dégagé par l’IA ? 

Elle ne se tranche pas devant l’écran. Elle se décide dans les délais qu’on impose, dans les objectifs annuels, dans le nombre de dossiers attendus et le nombre d’indicateurs mesurés, dans ce qu’un employeur considère comme une charge de travail normale. Autrement dit dans le contrat de travail, dans la négociation collective, dans les normes de service. 

Encore faut-il préciser que ces lieux ne sont pas des espaces de délibération apaisée. La pression sur les rythmes ne procède pas d’une décision qu’un employeur prendrait librement, elle procède d’une dynamique de concurrence dans laquelle il est lui-même pris. Il suffit que deux ou trois acteurs d’un secteur adoptent les cadences que l’IA autorise pour que le standard de ce qui est attendu se déplace pour tout le monde. Le concurrent qui produisait trois rapports en produit quinze. Le bailleur de fonds qui recevait vingt candidatures en reçoit deux cents et calibre ses exigences en conséquence. Celui qui refuse de suivre ne préserve pas son rythme de travail, il perd le marché, le subside ou l’appel à projets. 

C’est ce que Rosa désigne en parlant du caractère totalitaire de l’accélération. Elle s’impose à tous sans avoir été voulue par quiconque en particulier, et nul ne peut s’y soustraire individuellement sans être disqualifié. Aucun acteur pris isolément n’est donc en position d’arbitrer, y compris parmi ceux qui décident. 

Dans ce contexte, si nul ne peut ralentir seul sans être pénalisé, l’arbitrage doit devenir collectif, au niveau d’un secteur, d’une commission paritaire, d’une fédération professionnelle ou d’un régulateur. C’est précisément pour traiter ce type de situation que ces instances existent. Il faut donc écarter l’idée que le problème pourrait se résoudre par de simples choix individuels de sobriété numérique. Les leviers d’action existent, mais ils se situent ailleurs que dans la seule technologie. 

Ce dont on parle vraiment 

Les débats sur l’intelligence artificielle sont donc bien plus larges que des discussions sur les algorithmes ou la puissance de calcul. Ils portent sur la circulation de ressources inégalement réparties depuis longtemps, les compétences, l’information, le temps, la reconnaissance, et le pouvoir de définir ce qui est tenu pour légitime. 

L’IA n’est pas seulement une innovation technique. Elle est un terrain de négociation entre des acteurs qui ne poursuivent pas les mêmes objectifs. Pour les uns, une opportunité d’émancipation, pour d’autres un outil d’optimisation, pour d’autres encore une menace ou un levier. Ces visions coexistent, s’affrontent parfois, se réajustent souvent. 

Voilà pourquoi ces débats sont si vifs. Derrière les questions techniques se rejouent des questions beaucoup plus anciennes. Qui détient les ressources valorisées ? Qui contrôle le temps ? Qui fixe les règles du jeu ? 

Ces questions ne se règlent pas en décidant si l’on est pour ou contre l’IA. Elles se traitent à des endroits très concrets, là où s’écrivent les règlements d’ordre intérieur des écoles, les chartes rédactionnelles, les référentiels d’évaluation, les accords d’entreprise. C’est là qu’il faut porter le débat. Et c’est là, précisément, que l’éducation aux médias a quelque chose à dire. Non pas uniquement apprendre à se servir de l’outil, ce qui s’apprend vite, mais apprendre à repérer, dans chaque déploiement, qui gagne quoi. 

Pascal Minotte, psychologue et codirecteur du CRéSaM

---

Bibliographie 

• Bourdieu, P. (1979). La distinction : Critique sociale du jugement. Les Éditions de Minuit. 
• Brynjolfsson, E., Li, D., & Raymond, L. (2025). Generative AI at Work. The Quarterly Journal of Economics, 140(2), 889‑942. https://doi.org/10.1093/qje/qjae044  
• Hargittai, E. (2001). Second-Level Digital Divide : Mapping Differences in People’s Online Skills (arXiv:cs/0109068). arXiv. https://doi.org/10.48550/arXiv.cs/0109068  
• Liang, W., Yuksekgonul, M., Mao, Y., Wu, E., & Zou, J. (2023). GPT detectors are biased against non-native English writers. Patterns, 4(7). https://doi.org/10.1016/j.patter.2023.100779  
• Noy, S., & Zhang, W. (2023). Experimental evidence on the productivity effects of generative artificial intelligence. Science, 381(6654), 187‑192. https://doi.org/10.1126/science.adh2586  
• Rosa, H. (2010). Accélération : Une critique sociale du temps (D. Renault, Trad.). la Découverte. 
• Schwartz Cowan, R. (1983). Ruth Schwartz Cowan. More work for mother : The ironies of household technology from the open hearth to the microwave. Journal of the History of the Behavioral Sciences. https://doi.org/10.1002/1520-6696(198601)22:1%253C81::AID-JHBS2300220113%253E3.0.CO;2-B