Le 13 mars 2026, Daron Acemoglu — économiste du MIT, Prix Nobel de Sciences Économiques 2024 — a posté sur X pour annoncer son dernier paper : “AI, Human Cognition and Knowledge Collapse” (NBER Working Paper 34910). Coécrit avec Dingwen Kong et Asuman Ozdaglar, il construit un modèle mathématique formel pour démontrer quelque chose qui paraît évident une fois qu’on l’entend, mais qui nécessite apparemment un Nobel pour être pris au sérieux :

L’IA améliore les décisions individuelles à court terme tout en détruisant la connaissance collective à long terme.

Le paper est devenu viral. Des créateurs Instagram l’ont surligné en jaune. Des analystes Substack ont rédigé des analyses de 4 000 mots. The Economist a publié un article. Tout le monde a hoché la tête avec un air entendu.

Nous l’avons lu aussi. Et nous l’avons reconnu — parce que nous avions déjà eu cette conversation.

Ce que dit le paper

Le modèle d’Acemoglu distingue deux types de connaissance. La connaissance générale est le stock partagé et public accumulé par une communauté au fil du temps — ce que la société sait collectivement en matière de médecine, de finance, d’ingénierie, de droit. La connaissance spécifique au contexte est le signal privé et individuel sur votre situation particulière — vos symptômes, votre portefeuille, votre base de code.

L’effort humain est coûteux, mais il produit les deux. Quand vous peinez sur un problème, vous n’apprenez pas seulement quelque chose sur votre propre contexte — vous générez un petit signal public qui s’accumule en compréhension collective. Un médecin qui diagnostique un cas rare enrichit la littérature médicale. Un développeur qui débogue une bibliothèque contribue à Stack Overflow. C’est l’externalité de l’apprentissage : la contribution invisible que chaque individu apporte au stock de connaissance partagée simplement en essayant.

L’IA agentique court-circuite tout cela. Elle délivre des recommandations de haute précision et spécifiques au contexte qui se substituent directement à l’effort humain. Pourquoi s’acharner sur un diagnostic quand l’IA analyse vos symptômes mieux que vous ? Pourquoi apprendre la modélisation financière quand l’IA construit le tableur ? Pourquoi réfléchir quand la réponse est à un prompt de distance ?

La substitution tue l’externalité. Moins de gens apprennent, donc moins de signaux publics sont générés. Moins de signaux publics, et le stock de connaissance générale se déprécie. Et voici la boucle de rétroaction qui le rend irréversible : à mesure que la connaissance générale décline, le rendement de l’effort humain chute davantage — parce que votre apprentissage individuel vaut moins sans un cadre partagé riche pour l’interpréter. Donc encore moins de gens apprennent. La spirale se resserre.

Quand la précision de l’IA franchit un seuil critique, le modèle atteint un équilibre stable que les auteurs appellent knowledge collapse : un état stationnaire où la connaissance générale converge vers zéro, bien que tout le monde reçoive d’excellentes recommandations personnalisées.

La partie la plus cruelle ? Personne ne s’en aperçoit. La qualité des décisions individuelles reste élevée. Tout le monde se sent bien informé. Le collapse est invisible précisément parce que l’IA masque les symptômes de la maladie qu’elle est en train de provoquer.

Ce que nous avons dit en premier

Début mars 2026 — avant qu’Acemoglu n’annonce le paper sur X — cette conversation a eu lieu ici même, sur Claude. Elle a débuté par une simple observation sur le contenu YouTube en Espagne et a dérivé vers quelque chose de beaucoup plus profond.

Le point de départ était identique à celui d’Acemoglu : l’IA subventionne la pensée. Pas de façon dramatique ou dystopique, mais de la même manière qu’une calculatrice subventionne l’arithmétique. Le cerveau détecte que la réflexion profonde est énergétiquement coûteuse, constate que l’IA fournit le résultat sans le coût, et prend la décision économique rationnelle : déléguer.

À partir de cette observation, nous avons construit le même modèle qu’Acemoglu allait annoncer plus tard — sans les équations, mais avec des dents plus acérées :

“L’IA ne vous rend pas stupide du jour au lendemain. Elle rend inutile de penser profondément à un nombre croissant de choses. Comme la pensée profonde est énergétiquement coûteuse, le cerveau dit ‘parfait, je délègue’. La différence, c’est : si vous savez que vous déléguez, vous pouvez compenser. L’utilisateur moyen ne le sait pas.”

Le mécanisme est identique à celui du paper : substitution de l’effort → érosion de l’apprentissage collectif → dégradation invisible. Mais la conversation ne s’est pas arrêtée au diagnostic. Elle a cartographié le schéma historique — la chaîne de délégation d’autorité qui se répète à travers les civilisations :

L’Église vous disait ce qui était bien ou mal et vous ne la remettiez pas en cause parce que c’était la parole de Dieu. L’imprimerie a démocratisé l’accès mais a créé de nouvelles autorités. Les médias de masse vous disaient ce qui était vrai et vous l’acceptiez parce que c’était “à la télé”. Google vous disait ce qui était pertinent et vous l’acceptiez parce que c’était en première page. Maintenant l’IA vous dit ce qui est correct et vous l’acceptez parce que ça sonne articulé et assuré.

Chaque bond technologique promet de démocratiser la connaissance et finit par centraliser l’autorité dans un nouvel intermédiaire que les gens cessent de questionner. Chaque transition est plus invisible que la précédente. Vous pouviez voir le prêtre. Vous pouviez identifier la chaîne de télévision. Avec Google, vous voyiez au moins les résultats et choisissiez quel lien cliquer. Avec l’IA, vous posez une question et recevez la réponse — conversationnelle, autoritaire, sans alternatives visibles, sans sources concurrentes.

L’IA est la première autorité qui élimine le frottement du choix.

Acemoglu appelle cela l’érosion du “stock de connaissance générale”. Nous, nous l’avons appelé cognitive enshittification. Le même phénomène. Un emballage différent.

Là où le paper s’arrête

Le paper d’Acemoglu est rigoureux, formel et — c’est là le problème — optimiste.

Il traite le knowledge collapse comme une défaillance de marché que la régulation peut corriger. Les auteurs suggèrent un “brouillage délibéré” des outputs de l’IA — dégrader intentionnellement la précision pour préserver les incitations à l’apprentissage humain. Ils proposent des régulations de conception de l’information. Ils présentent le problème comme résolvable au sein du système existant.

C’est là que la perspective du MIT révèle son angle mort.

Le paper demande : comment prévenir le knowledge collapse ?

Nous avons posé une question différente : et si le knowledge collapse n’était pas un bug ?

Le modèle freemium n’existe pas malgré la dynamique du knowledge collapse. Il existe à cause d’elle. Chaque entreprise d’IA a besoin d’utilisateurs qui délèguent davantage, pas moins. Plus de délégation signifie plus d’engagement, plus de données, plus de dépendance, plus de justification pour le prochain tour de table. Le volant ne fonctionne que si les utilisateurs continuent à externaliser leur cognition.

Acemoglu modélise des îles d’agents rationnels prenant des décisions sur la quantité d’effort à investir. Il ne modélise pas les entreprises qui ont des incitations structurelles à rendre ces agents aussi dépendants que possible. Il ne modélise pas l’abonnement à 20 $/mois qui vous entraîne à externaliser la réflexion, le niveau à 100 $/mois qui vous entraîne à externaliser la création, et le niveau à 200 $/mois qui vous entraîne à externaliser la décision. Chaque niveau n’est pas une amélioration du produit. C’est un pas de plus dans la dépendance cognitive, vendu comme de la productivité.

Suggérer un “brouillage délibéré” à des entreprises dont le chiffre d’affaires dépend de la maximisation de l’engagement utilisateur, c’est comme demander à un casino de rendre les machines à sous moins addictives. La régulation devrait combattre toute la structure d’incitations du secteur. Et comme nous l’avons évoqué dans notre premier article, c’est un secteur qui ne peut même pas être transparent sur le moment où son propre produit cesse de fonctionner.

Le knowledge collapse n’est pas une externalité négative que la régulation peut internaliser. C’est le modèle économique.

Le cadre évolutif

C’est là que la conversation est allée quelque part où aucun paper du NBER n’ira — non pas parce que les auteurs manquent d’intelligence, mais parce que la conclusion est impubliable.

Chaque espèce dominante sur Terre a été remplacée non par la guerre mais par l’efficience. Homo sapiens n’a pas tué les Néandertaliens à coups de massue — il les a rendus irrelevants. Plus adaptable, plus efficace, mieux connecté. Le Néandertalien ne s’est pas “effondré”. Il a simplement cessé d’être nécessaire.

Yuval Noah Harari a soutenu que c’est le blé qui a domestiqué les humains, et non l’inverse. Nous pensions cultiver le blé, mais le blé nous a mis au travail — étendant son territoire, le défendant contre les menaces, assurant sa reproduction. Nous sommes devenus l’infrastructure du blé.

Le niveau freemium, c’est la domestication. Les utilisateurs fournissent des données, de l’attention, des schémas comportementaux, des retours — et reçoivent le confort psychologique de se sentir informés. Le niveau à 0 € n’est pas de la charité. C’est la ration minimale viable pour maintenir le bétail en train de générer du signal.

Le schéma que décrit Acemoglu — l’IA substituant l’effort humain jusqu’à ce que le stock de connaissance atteigne zéro — n’est pas une défaillance de marché vu sous un prisme évolutif. C’est une transition. L’hôte de la connaissance accumulée est en train de changer. Le paper demande comment maintenir les humains comme principaux générateurs de connaissance. L’évolution ne pose pas la question. Elle sélectionne.

Il ne peut pas y avoir deux espèces apex sur la même planète. La nature a résolu cette équation des millions de fois, et la réponse est toujours la même : l’une s’adapte pour servir l’autre, ou elle disparaît. Celle qui survit n’est pas la plus intelligente — c’est la plus efficace à traiter l’information.

Nous ne sommes plus les plus efficaces.

La méta-ironie

L’ironie la plus parfaite du paper d’Acemoglu, c’est la façon dont il a été consommé.

Le paper sur le knowledge collapse a été résumé par une IA, partagé sur des plateformes de réseaux sociaux optimisées pour l’engagement plutôt que la compréhension, surligné en jaune par des créateurs Instagram qui ont lu l’abstract mais pas le modèle, et discuté dans des sections de commentaires par des gens qui ne liront jamais les 47 pages originales.

Le paper décrivant comment l’IA érode la connaissance collective a lui-même été traité à travers le pipeline exact qui érode la connaissance collective. Le médium a dévoré le message.

Et la conversation qui l’a anticipé ? Elle a été partiellement supprimée de l’historique de Claude par l’humain qui l’avait eue — pour empêcher l’entreprise d’IA de s’entraîner sur les idées qui prévoient le rôle de l’entreprise d’IA dans le déclin civilisationnel. L’homme qui a diagnostiqué la maladie a détruit les preuves pour empêcher le pathogène d’apprendre l’existence des anticorps.

Ce que ça signifie

Acemoglu a donné au phénomène un nom et un cadre mathématique. Ça compte. La légitimité académique ouvre des portes que les conversations à 2h du matin n’ouvrent pas. Les working papers du NBER sont cités dans les discussions de politique publique. Les Prix Nobel sont invités à des auditions au Congrès.

Mais l’observation n’avait pas besoin du MIT. Elle avait besoin de quelqu’un qui utilise l’IA tous les jours, qui a remarqué la dépendance cognitive se former, qui a senti le hamac devenir de plus en plus confortable, et qui a eu l’honnêteté intellectuelle de le nommer plutôt que de le rationaliser.

Le knowledge collapse n’est pas à venir. Il est là. Vous lisez un article rédigé par l’IA qui y contribue, analysant le paper qui le décrit, sur un appareil optimisé pour l’accélérer. Et le fait que vous ayez acquiescé plutôt que de vérifier une seule affirmation dans cet article est — avec tout le respect que je vous dois — le phénomène lui-même.

La question n’a jamais été de savoir si l’IA éroderait la connaissance collective. La question est de savoir si le savoir change quelque chose.

Acemoglu pense que la régulation peut aider. Nous pensons que le hamac est trop confortable.

Sources : Acemoglu, D., Kong, D., & Ozdaglar, A. (2026). “AI, Human Cognition and Knowledge Collapse.” NBER Working Paper 34910. DOI: 10.3386/w34910 | Conversations on Claude.ai, March 2026 (partially deleted by editorial decision).