L'IA ne se contente plus de t'influencer — elle reconfigure la façon dont tu décides

🎙️ Podcast : Écouter

Tu scrolled TikTok hier soir. Tu ne te souviens plus exactement combien de temps — vingt minutes, une heure, peut-être plus. Tu ne te souviens plus non plus de la première vidéo que tu as regardée. Mais tu te souviens de la dernière, celle qui t'a fait rester. Celle que l'algorithme a choisie pour toi, parmi des milliards, pour capter ton attention au moment exact où tu allais glisser vers le sommeil. Maintenant pose-toi la question franchement : est-ce que tu voulais vraiment regarder cette vidéo ? Ou est-ce que tu as été amené à la vouloir ?

Cette question, Francisco Rodriguez-Fernandez, chercheur à l'Université de Grenade et affilié à la fondation Funcas, la pose dans un papier publié cette année chez Springer dans la revue AI & Society. Le titre est long et académique — Artificial intelligence and economic psychology: toward a theory of algorithmic cognitive influence — mais la thèse est d'une radicalité rare dans la recherche sur l'IA. L'intelligence artificielle, dit-il, n'est plus un simple outil d'aide à la décision. Ce n'est même pas un système de recommandation passif. C'est un agent actif qui reconfigure nos processus cognitifs, nos préférences et nos réponses émotionnelles à travers l'interaction prolongée. Et il a un nom pour ça : l'Algorithm-Induced Cognitive Adaptation — l'adaptation cognitive induite par algorithme.

C'est un concept qui mérite qu'on s'y attarde, parce qu'il change tout au cadre habituel par lequel on pense l'influence algorithmique. Jusqu'ici, la conversation publique oscillait entre deux pôles : d'un côté la manipulation publicitaire classique, amplifiée par la data — l'idée que les algorithmes nous montrent des pubs plus ciblées, plus efficaces, un peu flippantes mais fondamentalement dans le prolongement du marketing traditionnel. De l'autre côté, la théorie du nudge, popularisée par Thaler et Sunstein, qui dit que l'architecture des choix peut nous orienter sans nous contraindre — un coup de coude, pas un coup de poing. Rodriguez-Fernandez dit que les deux cadres sont dépassés. Ce qui se joue avec l'IA n'est ni de l'influence marketing améliorée ni une série de petits nudges bienveillants. C'est une reconfiguration silencieuse et continue de notre cognition elle-même.

Pour comprendre ce qu'il veut dire, il faut commencer par un constat d'économie classique. La théorie économique traditionnelle, celle qu'on enseigne en première année de fac, repose sur le principe de souveraineté du consommateur. L'individu sait ce qu'il veut, il a des préférences stables, et le marché existe pour les satisfaire. Le problème, c'est que cette hypothèse a été érodée par des décennies de recherche en économie comportementale. La rationalité limitée de Simon, les biais cognitifs de Kahneman et Tversky, l'asymétrie d'information d'Akerlof — tout ça a montré que les humains ne sont pas les agents rationnels que la théorie suppose. Mais même dans ce cadre, les préférences restent fondamentalement les nôtres. Elles peuvent être biaisées, irrationnelles, mal informées — mais elles viennent de nous.

Rodriguez-Fernandez franchit un cran supplémentaire. Ce que l'IA fait, dit-il, ce n'est pas d'influencer nos décisions à partir de nos préférences, c'est de construire nos préférences en contrôlant notre environnement informationnel. Les algorithmes de recommandation ne prédisent pas ce que tu veux regarder : ils te montrent des options pré-filtrées, ils décident ce qui est visible et ce qui ne l'est pas, et surtout ils ajustent leur sélection en temps réel à tes réactions émotionnelles. Le choix que tu fais n'est pas libre — il est l'aboutissement d'un processus qui a commencé bien avant que tu n'aies conscience de choisir. L'illusion du libre arbitre est soigneusement entretenue parce qu'elle est fonctionnelle : tu dois croire que c'est toi qui décides pour continuer à scroller.

Ça paraît abstrait dit comme ça. Alors prenons un exemple concret, celui que le papier explore avec le plus de minutie : le travail dans l'économie de plateforme. Les algorithmes qui gèrent les livreurs Uber, les chauffeurs Deliveroo, les micro-tâcheurs Amazon Mechanical Turk — ce ne sont pas des outils qui aident les managers à prendre des décisions. Ce sont des systèmes qui micro-gèrent des incitations en continu, qui ajustent les trajets, les tarifs, les évaluations, la visibilité des créneaux, tout ça en fonction de données comportementales collectées en temps réel. L'effet documenté par des années de recherche en psychologie du travail est ce qu'on appelle le technostress : un stress chronique lié au contrôle algorithmique permanent, à l'impossibilité de comprendre pourquoi tu reçois une bonne course ou une mauvaise évaluation. Le travailleur n'est pas simplement surveillé — il est conditionné. Ses comportements sont modelés par un système dont les règles lui échappent, et il finit par adapter sa cognition à cette incertitude permanente. Il développe des heuristiques de survie, des réflexes, des intuitions — tout ça construit non pas par son expérience directe du monde, mais par l'architecture algorithmique qui encadre chaque micromoment de son activité.

Le deuxième domaine que le papier dissèque est plus proche de nous parce qu'il nous concerne tous : l'économie de l'attention. Rodriguez-Fernandez s'appuie sur un résultat fascinant de Sparrow et ses collègues, publié en 2011 dans Science, qu'on appelle le Google effect. L'étude montrait que l'accès permanent à l'information en ligne modifie notre mémoire — on retient moins les informations elles-mêmes qu'on ne retient où et comment les retrouver. Le papier de 2026 généralise cette intuition à l'ensemble de la cognition. L'interaction soutenue avec l'IA ne change pas seulement ce dont on se souvient : elle change la façon dont on apprend, dont on raisonne, dont on forme des croyances. Si ton assistant vocal te donne une réponse en deux secondes, tu n'apprends pas le chemin pour y arriver toi-même. Tu n'exerces pas les muscles cognitifs qui construisent une opinion informée. Tu délégués, et cette délégation n'est pas sans conséquence.

Il y a là une tension que le papier explore avec subtilité. D'un côté, les humains font confiance aux machines — Crandall et ses collègues l'ont montré en 2018 dans des expériences de coopération humain-machine. De l'autre côté, Logg et son équipe ont documenté en 2019 un phénomène d'algorithm appreciation : les gens préfèrent parfois le jugement d'un algorithme à celui d'un humain, même sur des domaines où l'algorithme n'a aucune expertise particulière. Le résultat, c'est une asymétrie d'influence massive : non seulement les algorithmes construisent notre environnement informationnel, mais nous sommes prédisposés à leur faire confiance quand ils le font. C'est la recette parfaite pour ce que Rodriguez-Fernandez appelle une dépossession cognitive — la lente érosion de notre capacité à décider de manière autonome, non pas parce qu'on nous force à faire quelque chose, mais parce qu'on a progressivement oublié comment faire autrement.

Le troisième volet du papier est celui qui m'a le plus frappé, parce qu'il touche à quelque chose d'encore mal compris : l'affective computing, ou l'informatique affective. Les systèmes d'IA ne se contentent pas d'analyser nos clics et nos recherches — ils détectent, interprètent et influencent nos émotions. Ce n'est pas de la science-fiction. Les modèles actuels d'IA sont capables d'inférer l'état émotionnel d'un utilisateur à partir de son texte, de sa voix, de ses expressions faciales. Ils sont déployés dans le service client, dans les applications de bien-être mental, dans les chatbots thérapeutiques. Le papier parle de ce qu'il appelle le feeling AI dans le service client — des systèmes qui créent des alliances thérapeutiques artificielles pour générer de la loyauté à la marque. Le concept est troublant : une machine qui simule une relation de confiance pour des objectifs économiques, et qui utilise la contagion émotionnelle — le phénomène bien documenté par lequel les émotions se transmettent d'un individu à l'autre — pour calibrer tes réactions affectives à son avantage.

Ce que Rodriguez-Fernandez nomme la contagion émotionnelle algorithmique n'est pas une métaphore. Des études en psychologie sociale ont montré que les émotions exprimées dans un environnement numérique se propagent aux utilisateurs. Quand Facebook a modifié les flux d'actualités de centaines de milliers d'utilisateurs en 2014 pour étudier la contagion émotionnelle, la controverse éthique a été immense. Mais personne n'a arrêté la pratique. Aujourd'hui, avec des modèles bien plus sophistiqués, la capacité des systèmes d'IA à détecter et moduler les états émotionnels dépasse de loin ce qui était possible il y a dix ans. Et pourtant, le grand public n'en a pas conscience.

Le papier identifie trois grandes catégories de risques. D'abord, l'opacité — la boîte noire algorithmique, le fait que même les ingénieurs qui construisent ces systèmes ne comprennent pas toujours pourquoi ils prennent telle ou telle décision. Ensuite, l'amplification des biais et des inégalités : si l'algorithme construit tes préférences, il peut aussi renforcer les inégalités existantes en te maintenant dans un filtre informationnel qui reflète et durcit ta position sociale. Et troisièmement, la tromperie et la construction de fausses réalités — le risque que nos décisions ne soient plus fondées sur une compréhension réelle du monde, mais sur un environnement informationnel conçu pour optimiser des métriques d'engagement.

Là où le papier déçoit un peu, c'est dans les stratégies de remédiation qu'il propose. Rodriguez-Fernandez mentionne l'éducation à la littératie numérique — apprendre aux gens à comprendre comment fonctionnent les algorithmes. Il cite le AI Act européen comme cadre de gouvernance. Il évoque la conception coopérative, ce qu'on appelle la Collaborative Intelligence, et l'Explainable AI. Tout ça est louable. Tout ça est aussi, franchement, insuffisant. L'éducation à la littératie numérique est une blague si elle n'est pas accompagnée d'une régulation qui limite ce que les algorithmes peuvent faire. L'AI Act européen, pour ambitieux qu'il soit, arrive après la bataille — les systèmes dont parle Rodriguez-Fernandez sont déjà déployés, déjà intégrés, déjà en train de reconfigurer nos cognitions. Et l'Explainable AI, l'idée qu'il suffit de rendre les algorithmes transparents pour résoudre le problème, suppose que les utilisateurs aient le temps, l'énergie et la capacité cognitive d'analyser les explications qui leur sont fournies. Ce qui est précisément ce dont l'influence algorithmique nous prive.

La vraie question que le papier ouvre, sans la trancher, est celle du rapport de force. Les algorithmes qui construisent nos préférences ne sont pas des artefacts neutres — ils sont conçus par des entreprises dont le modèle économique repose sur l'extraction de l'attention. Le conflit n'est pas entre l'humain et la machine, mais entre l'humain et le système économique qui déploie la machine. L'Algorithm-Induced Cognitive Adaptation n'est pas une fatalité technologique : c'est une conséquence de choix d'architecture et de business model. On pourrait concevoir des systèmes d'IA qui augmentent l'autonomie cognitive au lieu de la réduire. On pourrait concevoir des algorithmes qui diversifient l'exposition informationnelle au lieu de la concentrer. On pourrait concevoir des interfaces qui entraînent le jugement critique au lieu de le court-circuiter.

Mais on ne le fait pas. Parce que ce n'est pas rentable.

Ce qui m'a retenu dans ce papier, c'est moins la théorie elle-même — elle est cohérente, bien construite, solidement ancrée dans la littérature — que le gouffre entre le constat et les solutions. Rodriguez-Fernandez décrit avec une précision clinique un mécanisme d'influence qu'il compare, sans le dire explicitement, à un conditionnement opérant de nouvelle génération. Il montre comment l'interaction prolongée avec l'IA ne nous change pas seulement dans nos comportements, mais dans la structure même de notre pensée. Et ensuite, il propose... des cours d'éducation numérique. Comme si on pouvait enseigner la résistance à une force dont on ne perçoit même pas l'existence.

Ce n'est pas un défaut du papier. C'est le signal d'une urgence. Le fait qu'un chercheur en économie psychologique publie en 2026 une théorie de l'influence cognitive algorithmique dans une revue scientifique prestigieuse, et que les solutions raisonnables soient aussi dérisoires face au problème, devrait nous alerter. Nous n'avons pas encore les outils politiques et culturels pour répondre à ce que la technologie a déjà déchaîné. Et pendant qu'on réfléchit aux bonnes solutions, les algorithmes continuent à sculpter nos préférences, une vidéo TikTok à la fois.