TL;DR. Un système de notes remplit deux fonctions : il stocke l’information, et il construit la mémoire et le jugement dans votre propre tête. Un assistant IA excelle dans la première et, utilisé sans précaution, supprime la seconde. Générer soi-même le contenu l’a emporté sur sa lecture dans 86 études (taille d’effet de 0,40) et d’environ 10 points de pourcentage sur 310 expériences. Se tester l’a emporté sur la relecture sur 159 tailles d’effet (g = 0,50, et 0,73 avec feedback). Enregistrer un fichier dans un endroit fiable a amélioré la mémoire du fichier suivant, tandis que décharger pendant une tâche augmentait la performance mais réduisait la mémoire dans trois expériences de 172 personnes chacune. Le résultat d’amorçage de l’« effet Google » ne s’est pas reproduit : l’effet de réplication combiné représentait 0,135 de l’original. Le réflexe CEO : concevoir le système, avec des rôles écrits, des règles de lecture et d’écriture pour l’IA et une revue hebdomadaire de 20 minutes, au lieu d’acheter une application de plus. Le réflexe étudiant : garder les étapes génératives (écrire avec vos propres mots, décider des liens, répondre de mémoire aux questions de révision) et confier à l’IA le stockage, la recherche, le tri et le feedback après votre tentative.
Cet article part du principe que vous donnez déjà un contexte permanent à votre assistant ; sinon, commencez par le fichier de contexte et le guide consacré aux instructions personnalisées, aux projets et à la mémoire. Pour le débat plus large sur le déchargement, voir ce qui arrive quand l’IA réfléchit à votre place. La question posée ici est plus étroite : si vous tenez un « second cerveau », à quoi l’assistant doit-il avoir le droit de toucher ?
Un assistant IA remplace-t-il un second cerveau ?
L’idée d’une mémoire externe est plus ancienne que n’importe quelle application. Dans le numéro de juillet 1945 de The Atlantic Monthly, Vannevar Bush décrivait le memex, un bureau sur lequel une personne stockerait livres, archives et correspondances pour les consulter rapidement, « un supplément intime et élargi à sa mémoire ». Sa caractéristique essentielle était l’indexation associative : « Le processus qui consiste à relier deux éléments entre eux est ce qui importe. »
Un exemple concret bien documenté vient d’un sociologue. Le projet de l’université de Bielefeld consacré aux archives de Niklas Luhmann décrit son fichier comme un ensemble d’environ 90 000 notes rédigées entre 1951 et 1996, qu’il qualifie d’autobiographie intellectuelle et de machine sur laquelle Luhmann s’appuyait pour développer sa théorie et ses publications ; sa production a atteint près de 600 publications, dont plus de 40 monographies. Cela représente en moyenne environ 2 000 fiches par an, soit à peu près 5,5 par jour, pendant 45 ans (calcul CEOtudent). L’archive était un sous-produit de la réflexion quotidienne, pas un substitut. Aujourd’hui, l’expression est associée au livre de Tiago Forte paru en 2022, Building a Second Brain, dont la méthode n’est pas reproduite ici.
Ce que les assistants conversationnels ont changé, c’est que l’archive peut désormais répondre. Ils servent déjà de couche de recherche : dans la classification établie par OpenAI elle-même sur un échantillon représentatif de conversations ChatGPT grand public, la catégorie « Seeking Information » (recherche d’informations) est passée de 14 % à 24 % des usages entre juillet 2024 et juillet 2025 (document de travail du NBER signé par des auteurs liés à OpenAI, non évalué par les pairs).
Un assistant peut donc remplacer une grande partie du travail de stockage et de récupération d’un second cerveau, mais pas le traitement qui se produit dans votre tête pendant que vous le construisez. Les psychologues appellent « déchargement cognitif » le fait d’utiliser des outils pour réduire les exigences mentales d’une tâche (Risko et Gilbert, 2016). Un carnet décharge la mémorisation ; un assistant peut aussi décharger le résumé, la mise en lien et la rédaction. La recherche montre lesquels de ces transferts ont un coût pour vous.
Que dit la recherche sur ce que chaque opération de prise de notes fait à votre mémoire ?
Le tableau 1 réunit des courants de recherche rarement lus ensemble : une ligne par opération qu’effectue un système de notes, avec le protocole, le résultat tel que publié et l’implication pour l’IA.
Tableau 1. Ce que chaque opération d’un système de notes fait à votre propre mémoire (analyse CEOtudent de Bertsch et al. 2007, McCurdy et al. 2020, Storm et Stone 2015, Grinschgl et al. 2021, Camerer et al. 2018, Rowland 2014, Kornell et al. 2009 et Fan et al. 2025)
| Opération de prise de notes | Étude et protocole | Résultat tel que publié | Implication pour le transfert à l’IA |
|---|---|---|---|
| L’écrire soi-même (générer vs lire) | Bertsch et al. 2007 : 445 tailles d’effet, 86 études (résumé uniquement) ; McCurdy et al. 2020 : 310 expériences | Taille d’effet de 0,40 ; différence moyenne de 0,102 dans la proportion d’éléments retenus | Un résumé d’IA que vous vous contentez de lire correspond à la condition « lecture » |
| Enregistrer dans une archive avant un nouvel apprentissage | Storm et Stone 2015, trois expériences (résumé uniquement) | Enregistrer un fichier améliorait la mémoire du suivant ; aucun bénéfice quand l’enregistrement était « jugé peu fiable » | Le stockage peut être délégué sans risque si l’archive est fiable |
| Décharger pendant la tâche | Grinschgl et al. 2021, trois expériences, N = 172 chacune | Performance en hausse, mémoire en baisse ; corrélations de -0,80 et -0,55 entre consultations et mémoire ultérieure | Décidez à l’avance ce que vous voulez retenir, puis consultez moins |
| Construire des cartes vs se rappeler | Karpicke et Blunt 2011, tel que décrit dans Camerer et al. 2018 | Une semaine plus tard : 0,67 pour la pratique de récupération contre 0,45 pour la carte conceptuelle (N = 40) ; répliqué (N = 49) | L’IA peut proposer des liens ; le rappel reste à vous |
| Se tester pendant la révision | Rowland 2014 : 159 tailles d’effet, 61 études | g = 0,50 ; 0,73 avec feedback contre 0,39 sans | L’IA rédige les questions et le feedback ; vous répondez |
| Tenter avant de voir la réponse | Kornell, Hays et Bjork 2009, expérience 1 | Rappel de 0,41 après des tentatives infructueuses contre 0,31 en lecture seule, d = 0,58 | Essayez d’abord, puis formulez le prompt |
| Peaufiner la production avec un assistant | Fan et al. 2025, étude en laboratoire randomisée, 117 étudiants | Les notes des essais progressaient davantage avec ChatGPT ; gain de connaissances et transfert « pas significativement différents » | Un meilleur brouillon ne prouve pas un apprentissage |
L’écrire soi-même : l’effet de génération
Slamecka et Graf (1978) ont mené cinq expériences comparant des mots que les participants généraient à partir d’un indice et d’une règle avec les mêmes mots simplement lus ; dans tous les cas, la condition de génération était supérieure. L’effet se maintenait en reconnaissance, en rappel libre et en rappel indicé, apparaissait avec seulement 12 participants et ne dépendait pas du fait qu’on ait annoncé ou non un test aux participants.
Deux méta-analyses convergent sur la direction. Bertsch et ses collègues (2007) ont synthétisé 445 tailles d’effet issues de 86 études et trouvé une moyenne de 0,40, « près d’un demi-écart-type » (résumé uniquement ; le texte intégral se trouve derrière une vérification anti-robot). McCurdy et ses collègues (2020) ont analysé 126 articles, 310 expériences et 1 653 estimations, et situé l’avantage à 0,102 dans la proportion d’éléments retenus, soit environ 10 points de pourcentage. Les échantillons plus grands montraient des effets plus faibles ; extrapolé à un échantillon infini, l’avantage tombait à 0,080, environ un cinquième de moins (22 %, calcul CEOtudent), mais restait significatif. La génération peu contrainte, avec moins de règles sur ce qu’il faut produire, l’emportait sur la génération moyennement et fortement contrainte, et les intervalles de rétention de plus d’un jour ajoutaient environ 7 points de pourcentage.
Pour les notes, la transposition est directe : un résumé d’IA que vous lisez correspond à la condition de lecture ; une note écrite de mémoire, dans un format libre plutôt qu’à partir d’un modèle, correspond à la condition de génération.
Enregistrer dans une archive fiable : le déchargement qui aide
Tout déchargement n’est pas nuisible. Dans trois expériences de Storm et Stone (2015), enregistrer un fichier avant d’en étudier un nouveau améliorait significativement la mémoire du nouveau fichier. Le bénéfice disparaissait quand l’enregistrement était jugé peu fiable et quand le fichier enregistré était trop léger pour interférer avec le suivant (résumé uniquement). Fellers et Storm (2024) ont observé l’effet lorsque seule une partie des éléments était enregistrée, par un bouton ou à la main ; Buchli et Storm (2025) l’ont trouvé plus fort chez les personnes ayant une plus grande capacité de mémoire de travail (résumés uniquement dans les deux cas). Ranger les choses dans un endroit fiable libère l’attention pour la suite, et n’importe quel outil, y compris un assistant, peut remplir ce rôle.
Décharger pendant le travail : performance en hausse, mémoire en baisse
Grinschgl, Papenmeier et Meyerhoff (2021) ont mené trois expériences avec 172 participants chacune, soit 516 au total. Les participants recopiaient une disposition d’objets à partir d’une fenêtre modèle qu’ils pouvaient rouvrir, et les chercheurs faisaient varier le coût de chaque consultation ainsi que l’annonce ou non d’un test de mémoire. Le déchargement « accélérait le traitement de la tâche » mais interférait avec la mémoire du contenu. Dans l’expérience 3, chez les personnes libres de choisir, la corrélation entre la fréquence à laquelle elles rouvraient le modèle et la qualité de leur souvenir ultérieur des objets était de -0,80 quand elles ne s’attendaient pas à un test de mémoire et de -0,55 quand elles s’y attendaient. Les personnes contraintes de décharger au maximum, mais prévenues qu’un test allait suivre, neutralisaient presque entièrement le préjudice. L’intention compte : un second cerveau devrait donc consigner non seulement ce qui est stocké, mais aussi ce que vous avez l’intention de retenir.
Relier et cartographier ou se rappeler
La mise en lien est au cœur des méthodes de second cerveau, et Bush serait d’accord. Mais construire une carte n’est pas s’entraîner au rappel. Dans Karpicke et Blunt (2011), tel que décrit dans les documents préenregistrés du projet de réplication de 2018, les participants qui pratiquaient la récupération obtenaient un score moyen de 0,67 à un test passé une semaine plus tard, contre 0,45 pour ceux qui construisaient des cartes conceptuelles (N = 40) : une différence de 0,22, soit 49 % de plus (calcul CEOtudent). La réplication de 2018, avec 49 participants, a reproduit le résultat à 0,638 de la taille d’effet originale. Les liens rendent possible la récupération ultérieure, par la machine comme par vous, mais ils ne constituent pas à eux seuls une technique de mémorisation. Suggérer des liens est une tâche raisonnable pour l’IA ; le rappel est une tâche humaine.
Se tester, surtout après une tentative
Rowland (2014) a regroupé 159 tailles d’effet issues de 61 études publiées entre 1975 et 2013 et trouvé un effet de test de g = 0,50 (IC à 95 % de 0,42 à 0,58) par rapport à la relecture. Avec feedback, il atteignait 0,73, contre 0,39 sans : un écart de 0,34, proche du double (calcul CEOtudent). Les effets étaient plus importants pour des intervalles de rétention d’au moins un jour (0,69) que de moins d’un jour (0,41). Dans le sous-ensemble à forte exposition (études avec feedback ou avec une performance au test initial supérieure à 75 %), les tests initiaux de type rappel (rappel indicé 0,72, rappel libre 0,81) l’emportaient sur la reconnaissance (0,36), un argument en faveur des questions ouvertes plutôt que des questions à choix multiples.
Kornell, Hays et Bjork (2009) justifient une règle « tentative d’abord ». Dans l’expérience 1, les participants faisaient face à des questions de culture générale fictives auxquelles ils ne pouvaient pas répondre. Essayer malgré tout avant de voir la réponse produisait un rappel final de 0,41, contre 0,31 quand la question et la réponse étaient présentées ensemble, d = 0,58 : une différence de 0,10 et un gain relatif de 32 % (calcul CEOtudent).
Peaufiner la production avec un assistant
Fan et ses collègues (2025) ont réparti aléatoirement 117 étudiants universitaires dans une tâche de rédaction et de révision d’essai assistée par ChatGPT, par un expert humain, par des outils d’analyse de l’écriture, ou sans outil supplémentaire. Le groupe ChatGPT a davantage amélioré ses notes d’essai, mais son gain de connaissances et son transfert n’étaient pas significativement différents, et les auteurs mettent en garde contre une « paresse métacognitive ». Comme le soutient écrire pour penser, un assistant peut élever la qualité de la production sans élever la qualité de votre compréhension.
L’« effet Google » a-t-il survécu à la réplication ?
L’étude de 2011 de Sparrow, Liu et Wegner est souvent citée comme preuve que la recherche en ligne et le stockage modifient ce dont les gens se souviennent, et ses expériences sont résumées ailleurs sur CEOtudent. C’est la contre-épreuve qui compte ici. Le Social Sciences Replication Project (Camerer et ses collègues, 2018) a répliqué 21 études expérimentales publiées dans Nature et Science entre 2010 et 2015, avec des échantillons en moyenne environ cinq fois plus grands. Il a trouvé un effet significatif dans la même direction pour 13 d’entre elles (62 %), avec des tailles d’effet de réplication représentant en moyenne environ 50 % des originales. Trois des 21 concernent directement la prise de notes et la pratique de la mémoire.
Tableau 2. Les études sur la mémoire dans le Social Sciences Replication Project de 2018
| Étude originale | Hypothèse testée | r original (N) | r étape 1 (N) | r combiné étape 2 (N) | Répliquée ? | Taille d’effet relative |
|---|---|---|---|---|---|---|
| Sparrow, Liu et Wegner 2011 | Étude 1 : termes informatiques plus accessibles après des questions de culture générale difficiles (tâche de Stroop) | 0,368 (69) | 0,110 (104) | 0,050 (234) | Non | 0,299 à l’étape 1 ; 0,135 combiné |
| Karpicke et Blunt 2011 | La pratique de récupération l’emporte sur la carte conceptuelle à un test passé une semaine plus tard | 0,602 (40) | 0,384 (49) | Non réalisée | Oui, à l’étape 1 | 0,638 |
| Pyc et Rawson 2010 | La pratique test-relecture l’emporte sur la relecture pour récupérer les médiateurs mnésiques | 0,377 (36) | 0,148 (132) | 0,150 (306) | Oui, à l’étape 2 | 0,394 à l’étape 1 ; 0,398 combiné |
Source : Camerer et al. (2018), Supplementary Information, Supplementary Tables 1, 3 et 4, chiffres tels que publiés. La taille d’effet relative est le r de réplication divisé par le r original ; CEOtudent a recalculé chaque ratio. Une seconde collecte de données (étape 2) n’a été menée que lorsque l’étape 1 ne répliquait pas.
Trois détails garantissent une lecture honnête. Le projet n’a testé que l’étude 1 de l’article de Sparrow, une mesure du temps de réaction indiquant si des mots liés à l’informatique devenaient plus accessibles ; il ne dit rien des autres expériences de l’article. L’équipe a relevé que l’article original rapportait un échantillon de 46 alors que 69 participants avaient réellement été utilisés, et que les auteurs originaux n’avaient pas répondu aux demandes de matériel, si bien que l’équipe a programmé la tâche elle-même. La réplication combinée a utilisé 234 participants, soit 3,4 fois l’échantillon original (calcul CEOtudent), et a trouvé un effet proche de zéro (r = 0,050, p = 0,449).
Les deux études sur la récupération ont été répliquées, avec des effets plus faibles ; l’étude d’amorçage liée à la recherche en ligne ne l’a pas été. Pour un second cerveau, l’inquiétude la mieux étayée n’est pas que l’information récupérable dégrade la mémoire par sa seule existence, mais que sauter vos propres étapes de génération et de rappel, comme dans les résultats de Grinschgl et de Fan, laisse moins de choses dans votre tête. Pour en savoir plus sur ce débat, voir l’IA vous rend-elle moins bon en réflexion.
Quelles parties d’un second cerveau doivent rester les vôtres ?
Les données classent les opérations de prise de notes en deux catégories. Le stockage, le tri et la recherche relèvent du déchargement et, avec une archive fiable, coûtent peu pour un contenu que vous n’avez pas besoin de garder en tête. La génération, les décisions de mise en lien et la récupération relèvent du traitement ; elles ne sont payantes que si vous les effectuez vous-même. Le cadre transforme ce constat en architecture.
Tableau 3. La pile « tentative d’abord » : quatre couches, une règle chacune (cadre éditorial CEOtudent)
| Couche | Ce qu’elle contient | Qui écrit | Ce que l’IA peut lire | La règle | Justification par les données |
|---|---|---|---|---|---|
| 1. Boîte de réception de capture | Extraits, transcriptions, fichiers enregistrés, idées brutes | Vous ou l’IA | Tout son contenu | Un seul endroit fiable ; tout ce qui n’est pas traité au bout de 7 jours est archivé ou supprimé | L’enregistrement n’aide que s’il est fiable (Storm et Stone) |
| 2. Notes dans vos propres mots | Notes courtes écrites de mémoire, une idée chacune | Vous uniquement | Oui, pour chercher et vous interroger | L’IA ne réécrit jamais cette couche ; chaque note porte une étiquette de provenance | Générer l’emporte sur lire (Bertsch ; McCurdy) |
| 3. Liens et cartes | Liens, cartes thématiques, questions ouvertes | Vous décidez ; l’IA peut proposer | Oui | Un lien proposé n’entre qu’avec une phrase dans vos propres mots expliquant pourquoi | La carte a perdu face au rappel dans une étude répliquée (Karpicke et Blunt) |
| 4. Traitement de l’archive par l’IA | Résultats de recherche, regroupements, brouillons, questions de révision | L’IA rédige, vous révisez | Couches 1 à 3, à l’intérieur de votre périmètre de confidentialité | Tenter d’abord ; la production n’entre jamais dans la couche 2 sans avoir été réécrite | Les tentatives et le feedback construisent la mémoire (Kornell ; Rowland) ; le peaufinage n’est pas l’apprentissage (Fan) |
Trois règles permanentes font fonctionner l’ensemble :
- Étiquette de provenance. Chaque note indique s’il s’agit de vos mots, d’une citation de source ou d’une production de l’IA. Sans elle, l’archive se remplit de textes que vous n’avez jamais traités et que vous ne pouvez plus distinguer.
- Le filtre « tentative d’abord ». Avant de formuler un prompt sur tout ce que vous voulez comprendre, écrivez votre propre réponse, votre plan ou votre hypothèse, même mauvais.
- Pas de reflux. La production de l’IA reste dans la couche 4 et ne passe dans la couche 2 qu’après que vous l’avez réécrite de mémoire.
Les prompts utilisés dans la couche 4 ont leur place dans une bibliothèque de prompts, et la discipline plus large qui consiste à façonner ce que voit le modèle s’appelle l’ingénierie de contexte.
Quelles tâches reviennent à vous, à l’IA, ou à vous puis à l’IA ?
Le tableau de décision couvre douze tâches courantes de prise de notes, avec un responsable et les données qui justifient chaque choix.
Tableau 4. Répartition des tâches de prise de notes (cadre éditorial CEOtudent)
| Tâche | Responsable | Comment | Justification par les données |
|---|---|---|---|
| Résumer un article que vous devez comprendre | Vous puis l’IA | Écrivez cinq phrases de mémoire, puis demandez à l’IA ce que vous avez oublié ou mal compris | Génération plus feedback (McCurdy ; Rowland) |
| Résumer un article que vous devez seulement classer | IA | Stockez le résumé dans la couche 1, étiqueté comme production de l’IA | Stockage fiable (Storm et Stone) |
| Retrouver une ancienne note | IA | Recherche dans les couches 1 à 3 | Récupération d’éléments stockés |
| Étiqueter, classer et dédoublonner la boîte de réception | IA | Pré-tri hebdomadaire avant votre revue | Travail de stockage |
| Capturer une réunion (transcription brute) | IA | La transcription va uniquement dans la couche 1 | Stockage |
| Garder en tête les décisions de cette réunion | Vous | Écrivez de mémoire les décisions et les responsables dans la journée qui suit | L’intention de retenir change le coût du déchargement (Grinschgl) |
| Écrire une note permanente dans vos propres mots | Vous | Une idée, format libre, pas de modèle | La génération peu contrainte est la mieux retenue (McCurdy) |
| Décider quelles notes valent la peine d’être gardées | Vous | Chaque semaine, pendant la revue | La pertinence relève du jugement du propriétaire |
| Générer des connexions entre les notes | Vous puis l’IA | Listez vous-même deux ou trois liens, puis demandez-en d’autres à l’IA ; acceptez chacun avec une justification | Tenter d’abord (Kornell) ; la carte n’est pas le rappel (Karpicke et Blunt) |
| Questions de révision espacée | Vous puis l’IA | L’IA rédige des questions ouvertes à partir de vos notes ; vous répondez avant de voir le feedback | Effet de test, plus fort avec feedback et après un jour (Rowland) |
| Rédiger un mémo à partir de vos notes | Vous puis l’IA | Écrivez d’abord la thèse et le plan ; l’IA rédige ; vous révisez | De meilleurs brouillons sans plus d’apprentissage (Fan) |
| Chercher dans l’archive avant une décision | Vous puis l’IA | Écrivez votre position actuelle, puis demandez à l’IA les notes qui la confirment et celles qui la contredisent | Tenter d’abord (Kornell) |
Le décompte donne 3 tâches pour vous seul, 4 pour l’IA seule et 5 pour vous puis l’IA (décompte CEOtudent). Très peu de choses doivent être faites sans IA, mais presque tout ce qui est censé faire évoluer votre réflexion exige que vous passiez en premier. Les normes de capture pour les réunions sont présentées dans comment les notes de réunion par IA ont changé la réunion, et le prompt socratique transforme l’assistant en questionneur pour les tâches d’apprentissage.
Comment mettre le système en place en une semaine ?
Le réflexe CEO est une décision de conception, pas un achat : traitez la mise en place comme la rédaction d’un modèle opérationnel plutôt que comme le choix d’un logiciel. Cette checklist fonctionne avec n’importe quelle application de notes et n’importe quel assistant.
Checklist de mise en place, semaine 1 (cadre éditorial CEOtudent)
- Jour 1 : une boîte de réception, une archive. Gelez les doublons ; la confiance est une condition préalable du bénéfice de l’enregistrement.
- Jour 1 : ajoutez un champ de provenance avec trois valeurs : mes propres mots, source, production de l’IA.
- Jour 2 : rédigez les règles de l’IA dans votre fichier de contexte ou dans les instructions de projet : ce que l’assistant peut lire, dans quelle couche il peut écrire, et la règle « tentative d’abord ».
- Jour 2 : tracez votre périmètre de confidentialité. Listez les dossiers qui ne vont jamais vers un outil externe (documents clients, données personnelles d’autres personnes, tout ce que votre employeur restreint) et vérifiez les paramètres de conservation et d’entraînement de l’outil.
- Jour 3 : alimentez la couche 2 avec 10 notes courtes dans vos propres mots tirées de travaux récents, écrites de mémoire.
- Jour 4 : enregistrez un prompt de questions qui transforme chaque note dans vos propres mots en 2 questions ouvertes, jamais à choix multiples.
- Jour 5 : réservez la revue hebdomadaire sur un créneau fixe.
Tableau 5. La revue hebdomadaire de 20 minutes (cadre éditorial CEOtudent)
| Bloc | Minutes | Ce que vous faites | Qui fait quoi |
|---|---|---|---|
| Tri de la boîte de réception | 5 | Garder, classer ou supprimer ce que l’IA a pré-trié pendant la semaine | L’IA trie, vous décidez |
| Rappel à froid | 7 | Répondre sans regarder aux questions ouvertes de la semaine précédente, puis vérifier | L’IA interroge et donne le feedback, vous répondez |
| Promouvoir et relier | 5 | Réécrire un ou deux éléments capturés sous forme de notes dans vos propres mots ; ajouter un lien avec une justification | Vous écrivez, l’IA peut proposer des liens |
| Liste des choses à retenir la semaine prochaine | 3 | Nommer trois choses que vous avez l’intention de garder en tête, et pas seulement dans l’archive | Vous |
Les blocs totalisent 20 minutes. Le rappel passe avant la promotion pour que le bloc le plus difficile ait lieu pendant que l’attention est encore fraîche.
Quels sont les modes d’échec ?
- L’archive que personne ne lit. Capturer sans récupérer, c’est stocker, pas apprendre. Sautez la revue pendant un mois et le système devient un classeur ; le remède est le rappel, pas davantage de capture.
- Des notes rédigées par l’IA que vous n’avez jamais traitées. Les résumés produits au moment de la capture donnent une impression de progrès. Sans étiquette de provenance, ils se fondent avec vos propres mots, et l’étape de génération n’a jamais lieu.
- L’archive peu fiable. Plusieurs applications à moitié synchronisées et aucune source de vérité unique. Quand l’enregistrement est peu fiable, son bénéfice disparaît, et vous commencez à garder les choses en tête par méfiance.
- L’inflation des liens. Des centaines de liens suggérés par l’IA que personne ne sait expliquer. Un lien sans justification écrite n’est que de la décoration.
- Formuler le prompt avant d’essayer. Demander d’abord semble efficace, mais saute la tentative qui prépare la mémoire à recevoir la réponse.
- Confier toute l’archive à un fournisseur. Les notes contiennent souvent des informations sur d’autres personnes, des documents clients et des brouillons non publiés. Avant de connecter une archive à un service externe, vérifiez ce qu’il conserve, s’il s’entraîne sur vos données, qui peut y accéder et ce que dit la politique de votre employeur, et consignez ce périmètre par écrit. Il s’agit d’une information générale, et non d’un conseil juridique ; ce sont les règles de votre organisation et le droit applicable qui déterminent ce qui est autorisé.
Ce que cela ne veut pas dire
Les données sont solides sur la direction et plus fragiles sur le transfert au travail réel. Les études citées ici utilisent surtout des listes de mots, des questions de culture générale, des textes courts ou des tâches de copie, testés après quelques minutes, quelques jours ou une semaine, et non après des mois de lecture professionnelle. Cette revue n’a trouvé aucun essai contrôlé portant sur un système complet de second cerveau doté d’une couche d’IA : les tableaux 3 à 5 sont donc une conception construite à partir de résultats portant sur ses composants, et non une intervention testée.
Rédiger un résumé n’est pas une technique de mémorisation garantie. En examinant dix techniques d’apprentissage, Dunlosky et ses collègues (2013) ont jugé l’entraînement par les tests et la pratique distribuée d’une grande utilité, et le résumé, le surlignage et la relecture d’une faible utilité ; le résumé aidait certains élèves sur certaines tâches, dans des conditions limitées (résumé de l’article uniquement). C’est pourquoi le cadre associe les notes dans vos propres mots au rappel au lieu de faire de la prise de notes un objectif en soi.
L’échec de la réplication de Sparrow ne montre pas que le déchargement est sans danger ; il montre qu’un résultat d’amorçage n’a pas tenu. Les expériences de Grinschgl constituent une meilleure preuve que décharger pendant une tâche peut coûter en mémoire, surtout lorsque vous n’avez pas décidé de retenir. Et des tailles d’effet comme 0,40 ou g = 0,50 sont des moyennes portant sur des études très différentes ; les résultats varient selon le contenu et selon la durée pendant laquelle vous devez le retenir.
Questions fréquentes
Un assistant IA remplace-t-il un second cerveau ?
Il remplace une grande partie du stockage et de la récupération : retrouver des notes, trier une boîte de réception, rédiger à partir d’un contenu déjà écrit. Il ne peut pas remplacer la génération, les décisions de mise en lien et le rappel qui construisent votre propre mémoire, car ces effets ne se produisent que si vous faites le travail.
L’IA doit-elle résumer les notes de lecture ?
Pour un contenu que vous devez seulement classer, oui, avec l’étiquette « production de l’IA ». Pour un contenu que vous devez comprendre, écrivez d’abord un court résumé de mémoire, puis demandez à l’IA ce que vous avez oublié. Générer l’a emporté sur lire dans 86 études dans la méta-analyse de Bertsch.
L’« effet Google » est-il réel ?
Le résultat d’amorçage testé par le projet de réplication de 2018 n’a pas été reproduit : l’effet combiné représentait 0,135 de l’original. Ce test ne portait que sur l’étude 1 de l’article de 2011. D’autres expériences, comme celles de Grinschgl et de ses collègues (2021), montrent bien que décharger pendant une tâche peut réduire la mémoire du contenu déchargé.
Qu’est-ce que la règle « tentative d’abord » ?
Avant de solliciter un assistant sur tout ce que vous voulez apprendre ou décider, écrivez votre propre réponse, votre plan ou votre hypothèse. Dans l’expérience 1 de Kornell et de ses collègues, même les tentatives infructueuses faisaient passer le rappel ultérieur de 0,31 à 0,41.
Combien de temps le système demande-t-il chaque semaine ?
Une revue de 20 minutes : 5 minutes de tri de la boîte de réception, 7 de rappel à froid, 5 pour promouvoir et relier, et 3 pour établir la liste des choses à retenir la semaine suivante, après environ cinq courtes séances de mise en place la première semaine.
Est-il prudent de confier toute une archive de notes à un outil d’IA ?
Cela dépend du contenu de l’archive et des paramètres de conservation, d’entraînement et d’accès de l’outil. Tenez un périmètre écrit pour les documents clients et les données personnelles d’autres personnes, suivez la politique de votre employeur, et considérez ceci comme une information générale et non comme un conseil juridique.
Quelle application de notes fonctionne le mieux ?
La recherche ne privilégie aucune application. Elle privilégie une archive unique et fiable, des notes dans vos propres mots et un rappel régulier avec feedback ; tout outil qui soutient ces trois habitudes fera l’affaire.
Sources
- Bertsch, S., Pesta, B. J., Wiscott, R. et McDaniel, M. A. (2007). The generation effect: A meta-analytic review. Memory and Cognition, 35(2), 201-210 (résumé uniquement, notice PubMed).
- McCurdy, M. P., Viechtbauer, W., Sklenar, A. M., Frankenstein, A. N. et Leshikar, E. D. (2020). Theories of the generation effect and the impact of generation constraint: A meta-analytic review. Psychonomic Bulletin and Review, 27(6), 1139-1165 (version de l’éditeur, dépôt de l’université de Maastricht).
- Slamecka, N. J. et Graf, P. (1978). The generation effect: Delineation of a phenomenon. Journal of Experimental Psychology: Human Learning and Memory, 4(6), 592-604.
- Storm, B. C. et Stone, S. M. (2015). Saving-enhanced memory: The benefits of saving on the learning and remembering of new information. Psychological Science, 26(2), 182-188 (résumé uniquement, notice PubMed).
- Fellers, C. et Storm, B. C. (2024). The saving enhanced memory effect can be observed when only a subset of items are saved. Memory and Cognition, 52(6), 1325-1337 (résumé uniquement, notice PubMed).
- Buchli, D. R. et Storm, B. C. (2025). Working memory capacity and the saving-enhanced memory effect. Memory, 33(8), 1015-1030 (résumé uniquement, notice PubMed).
- Grinschgl, S., Papenmeier, F. et Meyerhoff, H. S. (2021). Consequences of cognitive offloading: Boosting performance but diminishing memory. Quarterly Journal of Experimental Psychology, 74(9), 1477-1496 (texte intégral sur PubMed Central).
- Rowland, C. A. (2014). The effect of testing versus restudy on retention: A meta-analytic review of the testing effect. Psychological Bulletin, 140(6), 1432-1463 (copie déposée par l’auteur).
- Kornell, N., Hays, M. J. et Bjork, R. A. (2009). Unsuccessful retrieval attempts enhance subsequent learning. Journal of Experimental Psychology: Learning, Memory, and Cognition, 35(4), 989-998 (copie de l’auteur).
- Camerer, C. F., Dreber, A., Holzmeister, F. et collègues (2018). Evaluating the replicability of social science experiments in Nature and Science between 2010 and 2015. Nature Human Behaviour, 2(9), 637-644, résumé et Supplementary Information (source des chiffres de Sparrow, Liu et Wegner 2011, de Karpicke et Blunt 2011 et de Pyc et Rawson 2010 ; ces articles originaux n’ont pas été consultés).
- Dunlosky, J., Rawson, K. A., Marsh, E. J., Nathan, M. J. et Willingham, D. T. (2013). Improving students’ learning with effective learning techniques. Psychological Science in the Public Interest, 14(1), 4-58 (résumé uniquement, notice PubMed).
- Fan, Y., Tang, L., Le, H., Shen, K., Tan, S., Zhao, Y., Shen, Y., Li, X. et Gasevic, D. (2025). Beware of metacognitive laziness: Effects of generative artificial intelligence on learning motivation, processes, and performance. British Journal of Educational Technology, 56(2), 489-530 (chiffres tirés de la version arXiv 2412.09315).
- Risko, E. F. et Gilbert, S. J. (2016). Cognitive offloading. Trends in Cognitive Sciences, 20(9), 676-688 (résumé uniquement, notice PubMed).
- Chatterji, A., Cunningham, T., Deming, D. J., Hitzig, Z., Ong, C., Shan, C. Y. et Wadman, K. (2025). How People Use ChatGPT. NBER Working Paper 34255 (non évalué par les pairs ; plusieurs auteurs liés à OpenAI).
- Bush, V. (1945). As We May Think. The Atlantic Monthly, juillet 1945 (reproduction électronique).
- Université de Bielefeld, faculté de sociologie. Niklas-Luhmann-Archiv, projet de recherche « Niklas Luhmann – Theorie als Passion », description du projet (en allemand).
- Forte, T. (2022). Building a Second Brain. Atria Books (simplement cité ; notice de catalogue vérifiée, méthode non reproduite).
Les tableaux 1, 3, 4 et 5 sont des analyses CEOtudent ou des cadres éditoriaux CEOtudent ; le tableau 2 reproduit les chiffres tels que publiés dans Camerer et al. (2018), avec les ratios recalculés par CEOtudent. Les chiffres dérivés (les moyennes de Luhmann, le total de 516, le rétrécissement de 22 %, l’écart de 0,34, les gains relatifs de 32 % et de 49 %, le ratio d’échantillon de 3,4 et le décompte de la répartition des tâches) sont des calculs CEOtudent. Délibérément non utilisés : les tailles d’effet originales de Sparrow, Liu et Wegner (traitées dans d’autres articles de CEOtudent), la méta-analyse d’Adesope, Trevisan et Sundararajan (2017) sur l’entraînement par les tests (aucune copie en libre accès trouvée) et les pourcentages de la courbe de l’oubli.
Ce contenu a été compilé avec le soutien de l’IA à la suite d’une recherche approfondie, puis rédigé et préparé pour publication par l’équipe éditoriale de CEOtudent.
This post is also available in:
