Le savoir qui s'évapore : ce que votre entreprise cesse d'apprendre quand chacun résout seul avec une IA

Le danger n'est pas la destruction du savoir. C'est sa non-création.

Où est passé ce que nous venons d'apprendre ?

Un savoir-faire vit de deux choses : on l'exerce, et on le transmet. Tant que quelqu'un écrit ce qu'il a compris, le formalise, l'explique à un autre, le savoir circule et se consolide. C'est ce que nous appelons expliciter : mettre en mots ce qu'on sait faire, pour qu'un autre puisse le reprendre sans nous. Expliciter a toujours eu un coût, et ce coût était aussi un bénéfice caché : en expliquant, on découvre souvent ce qu'on ignorait ne pas savoir.

L'IA n'attaque pas ce savoir. Elle ne l'efface pas, elle ne le corrompt pas. Elle court-circuite l'effort qui le faisait exister. Quand la réponse arrive seule, il n'y a plus de raison de demander au collègue, plus de raison d'écrire la note, plus de raison d'expliquer pourquoi l'on a tranché ainsi. Ce n'est pas une destruction. C'est une non-création : la note interne, la leçon transmissible, l'arbitrage documenté ne sont jamais produits. Rien n'a été perdu, au sens strict. Quelque chose n'a simplement jamais existé.

Et personne n'a mal fait. La personne qui a résolu vite a bien travaillé. C'est l'organisation qui ne lui a jamais demandé autre chose.

Pourquoi ne voyons-nous rien venir ?

Parce que les deux côtés du compte ne se voient pas au même moment. Les gains de l'IA sont immédiats et mesurables : moins de temps pour faire la même chose, un document rédigé, une décision prise. Les pertes de savoir ne se constatent que le jour où l'on en a besoin : un nouvel enjeu qui demande la profondeur d'autrefois, le départ d'une personne clé, un nouveau venu qui met deux fois plus de temps que prévu à devenir utile, parce qu'il n'y a rien à lui faire lire.

Cette asymétrie crée un biais, et il est structurel. On suroptimise l'exécution rapide, parce qu'elle se voit ; on sous-optimise la transmission, parce qu'elle ne se voit pas. Une erreur stratégique déguisée en gain de productivité. À court terme, tout va plus vite. À moyen terme, une fragilité s'installe sans bruit : la capacité d'innover ralentit, l'intégration des nouveaux s'allonge, la dépendance aux quelques personnes qui savent encore augmente. Rien de cela n'apparaît au bilan, ni dans aucun tableau de bord. L'organisation apprend à la vitesse d'une IA, et elle oublie à la vitesse des départs.

Est-ce mesuré quelque part ?

Oui, à l'échelle du savoir public. En 2026, trois économistes du MIT, Daron Acemoglu, Dingwen Kong et Asuman Ozdaglar, ont modélisé ce mécanisme dans une étude du National Bureau of Economic Research. Leur conclusion tient en peu de mots : une IA qui donne de bons conseils personnalisés améliore les décisions d'aujourd'hui, et affaiblit en même temps l'incitation à apprendre et à partager. Au-delà d'un certain niveau de qualité des recommandations, le système peut basculer vers un état où le savoir commun disparaît, alors même que chaque conseil, pris isolément, est excellent. Le seul remède qu'ils jugent sans ambiguïté : une meilleure capacité à agréger le savoir humain, c'est-à-dire à le recueillir et à le rassembler.

Les signes sont déjà visibles. Sur Stack Overflow, le grand forum où les développeurs se posent leurs questions depuis 2008, le nombre de questions nouvelles est retombé à son niveau de 2009, avec une chute brutale à partir de fin 2022. La Wikimedia Foundation a annoncé en octobre 2025 que Wikipédia avait perdu environ 8 % de ses lecteurs humains en un an, une baisse qu'elle attribue aux résumés que les moteurs de recherche produisent par IA et à la vidéo sur les réseaux sociaux. Chaque question qui n'est plus posée en public est une réponse que le suivant ne trouvera pas.

Ce qui vaut pour le savoir public vaut pour celui d'une entreprise, en plus petit et en plus vite. Son commun interne, ce que chacun apprend et que tous peuvent reprendre, se vide de la même manière.

Mon entreprise est-elle plus exposée qu'une grande ?

Oui, parce que son savoir propre est précisément ce qui la rend impossible à remplacer. Le métier, le territoire, les clients, les contraintes locales, l'histoire de chaque relation : ce savoir spécifique est ce qu'un concurrent générique n'a pas. S'il s'érode, l'entreprise devient un concurrent de plus parmi les autres, et les plus grands ont de meilleurs modèles. Une PME ou une ETI ne gagne pas sur la puissance de calcul ; elle gagne sur ce qu'elle sait et que personne d'autre ne sait.

L'érosion frappe d'abord là où le savoir accumulé fait la compétence : la conception, le conseil, l'estimation, la décision. C'est exactement là que l'IA est la plus utile, et donc là qu'elle érode le plus vite ce qui n'a pas été formalisé. Elle dissout la rente du savoir codifié et rare, celui qui tenait dans les livres et les procédures ; elle ne remplace pas le savoir né du contact répété avec le réel. C'est ce savoir-là, justement, qui part le premier quand on cesse de l'écrire.

Il faut distinguer deux pertes. La première est le savoir qu'on n'écrit plus : la trace. La seconde est le savoir qu'on ne pratique plus : le jugement. Le philosophe Michael Polanyi l'a dit d'une phrase restée célèbre : « nous en savons plus que nous ne pouvons dire ». Une part de la compétence ne se met pas en mots ; elle s'entretient par l'exercice. Un chiffreur qui ne refait plus jamais un devis à la main finit par ne plus voir qu'une marge est absurde. Pire : il ne sait pas qu'il ne le voit plus. On ne perd pas une compétence du jour au lendemain ; on la perd par déclin progressif. Cette seconde perte ne se répare pas par l'écriture seule : elle demande de garder la main sur ce qu'on délègue.

Pourquoi la mémoire repart-elle à zéro à chaque fois ?

Parce que c'était organisé ainsi, bien avant l'IA. Regardez les services professionnels. Un cabinet peut suivre un client pendant dix ans et repartir de zéro à chaque mission, non par incompétence, mais parce que le savoir réside dans les personnes. Les fichiers restent ; la mémoire s'en va avec les équipes. Ce cycle épisodique était toléré pour une raison simple : la reconstruction se facturait, et son coût réel était absorbé en silence par le client, dont les équipes remettaient chaque nouveau venu à niveau. Personne ne l'avait jamais nommé.

Le même cycle existe à l'intérieur de l'entreprise, entre services, entre générations, entre un chef d'atelier qui part en retraite et celui qui le remplace. Le dossier d'avant est noyé dans les archives ; ce qui comptait, c'était la logique, les hypothèses, ce qu'on avait essayé et pourquoi on y avait renoncé, et cela n'a jamais été écrit.

L'IA change deux choses. Elle rend techniquement possible une mémoire qui s'accumule au lieu de se reconstruire. Et elle supprime l'excuse. La question n'est plus « qui a les meilleurs experts ? », mais « qui a la mémoire la plus profonde, et chez qui s'accumule-t-elle ? ».

Bitcoin apporte ici un éclairage ancien. L'écriture et la comptabilité ne sont pas nées pour la littérature : elles sont nées pour garder trace d'échanges qu'on ne pouvait pas surveiller. Les marchands de Mésopotamie scellaient des jetons d'argile dans des enveloppes, puis gravaient des tablettes avec le détail au recto et le total au verso, pour qu'une erreur se voie. Bitcoin est le dernier maillon de cette lignée : un registre où chaque bloc porte l'empreinte du précédent, où rien ne s'efface, où l'historique est public et vérifiable par chacun.

La leçon pour une entreprise est simple. La mémoire d'un système n'est pas un supplément : c'est sa condition d'existence. Ce que le registre ne garde pas n'a jamais eu lieu. Des milliers de machines qui ne se font pas confiance tiennent ensemble depuis plus de quinze ans parce que le réseau ne reconstruit jamais sa mémoire : il l'accumule, bloc après bloc. Une entreprise qui reconstruit la sienne à chaque mission se prive de ce qui fait la force du registre.

Que faire, concrètement ?

D'abord, comprendre que ce n'est pas une décision de technologie. C'est une décision de conception de l'organisation. L'érosion n'est pas inévitable : elle est le résultat d'une absence de règle. Et le remède n'est pas un grand projet, c'est une habitude : donner à chaque usage de l'IA un double mandat. Résoudre, et consigner ce qui a été appris. Au même endroit pour tous, sous une forme lisible par un humain et par une IA.

L'objection vient aussitôt, et elle est sérieuse. Documenter coûte du temps. La documentation vieillit vite. Personne ne la lit. Tous ceux qui ont lancé un jour un grand chantier de procédures savent comment il finit : un classeur à jour six mois, puis oublié. Si le remède consistait à « tout documenter », il échouerait comme les autres.

Mais trois choses ont changé. D'abord, ce qu'on consigne aujourd'hui ne sera plus seulement lu par des humains pressés : il sera lu par l'IA de demain, qui le reprendra, le reliera et le restituera au moment où quelqu'un en aura besoin. Ensuite, c'est l'IA elle-même qui aide à consigner : la trace peut naître dans le même geste que la résolution, en quelques lignes que la personne relit et corrige, plutôt que dans une corvée du vendredi soir. Enfin, le commun dont nous parlons est interne. L'argument « je nourris mes concurrents », qui freine le partage du savoir public, ne tient pas ici : ce que vous consignez reste chez vous. Reste le coût de ne pas le faire, celui que personne ne voit, décrit plus haut.

Ce que l'entreprise obtient alors, c'est une mémoire qui s'accumule. Questionnable : on peut lui demander ce qui a déjà été tenté sur tel client, et pourquoi. Transmissible : un nouveau venu y lit la logique, pas seulement les conclusions. Et durable : elle survit aux départs, parce qu'elle n'est plus dans une seule tête. Ce savoir qui s'accumule, c'est le capital immatériel de l'entreprise lui-même : ce qu'elle sait, ses signaux faibles, ses échanges avec le monde réel, consignés avec soin et à protéger. Nous avons décrit dans Le capital immatériel ce qu'on en perd quand il part dans les agents des plateformes ; il se perd aussi sans partir nulle part, simplement parce qu'il cesse d'être écrit. Le corpus est l'endroit où la mémoire de l'entreprise se construit au lieu de se reconstruire.

Deux précautions, pour finir. Consigner ne dispense pas de pratiquer : gardez quelques gestes faits à la main, de temps en temps, sur ce que vous déléguez, pour que le jugement reste vivant. Et gardez cette mémoire chez vous, dans des fichiers à vous : une mémoire accumulée chez un prestataire, quel qu'il soit, est une dépendance de plus.

Ce que l'entreprise apprend aujourd'hui

L'IA accélère l'exécution, et elle ralentit, en silence, la transmission. Ce n'est pas une fatalité, c'est l'absence d'une habitude. Choisir le double mandat, c'est décider que ce que l'entreprise apprend aujourd'hui lui appartiendra encore dans dix ans.

C'est le travail de CORPUS : consigner ce qui n'a jamais été écrit, puis connecter le corpus aux flux de l'entreprise pour qu'il reste vivant au lieu d'être une photo. Et si la question suivante est de savoir qui pourra lire cette mémoire, elle est traitée dans le trilemme du corpus.