L’expérience, réalisée par le MIT Media Lab, a consisté en un suivi de 67 personnes qui, pendant un mois, devaient  s’appuyer sur un outil d’IA —« large modèle de langage », ou LLM— pour vérifier des faits en lien avec l’actualité. Après un mois, les participants étaient 21% moins capables qu’avant de détecter la désinformation —en d’autres termes, ils se trompaient plus souvent lorsqu’on leur demandait de pointer les informations fausses ou trompeuses.

Plus inquiétant, leur confiance en soi s’était accrue : un quart disaient que leurs capacités de détection s’étaient améliorées. 

En soi, cette perte de « capacités » peut sembler moins grave que celle qui avait été mesurée chez des médecins : dans quatre centres de prévention du cancer en Pologne, on avait adjoint à des médecins, en 2021-22, des LLM « entraînés » à détecter des cancers du colon après une colonoscopie. Trois mois plus tard, les médecins « assistés par IA » semblaient  être devenus moins bons que leurs collègues pour détecter les tumeurs bénignes. 

Ce que conclut l'enquête du MIT Media Lab, si ses résultats se confirment, serait donc moins grave pour la santé publique. Mais il s’agit néanmoins du même mécanisme dans notre cerveau, que les chercheurs appellent une « déqualification » (en anglais, deskilling). Ou une perte d’habiletés —dans ce cas-ci, des habiletés cognitives.

Or, une perte de capacités à détecter des fausses nouvelles arriverait dans un contexte ou les larges modèles de langage comme Gemini, Claude ou ChatGPT, s’imposent dans nos moteurs de recherche, dans nos courriels et jusque dans notre consommation de l’actualité : deux enquêtes du Centre de recherche Pew réalisées en 2025 ont révélé qu’un adolescent sur cinq, et un adulte sur quatre, avaient déjà commencé à utiliser ces outils pour leur suivi de l’actualité. 

La perte de capacités cognitives avait aussi, note le communiqué, été bien documentée autour de l’usage du GPS, qui a réduit, chez une partie de la population, la capacité à s’orienter.

« Les usagers sont excités » par ces outils, rappelle dans le communiqué l’étudiant au doctorat Anku Rani, co-auteur de la recherche. « Mais ils oublient que ce sont juste des modèles statistiques qui prédisent le prochain « signe » dans une séquence » de lettres ou de mots. Autrement dit, l’outil ne comprend pas de quoi parle la nouvelle, ni le sens des mots qu’il écrit, et les erreurs factuelles peuvent dès lors être nombreuses, comme plusieurs tests l’ont rappelé ces dernières années,