Une étude de l'Université d'Aalto (publiée dans Nature en 2026) a mis en lumière un phénomène préoccupant : les utilisateurs de grands modèles de langage (LLMs) surestiment systématiquement leurs propres performances. Ce biais est d'autant plus prononcé chez les personnes les plus "AI literate", créant un "Dunning-Kruger inversé". L'IA, par la fluidité et la qualité de ses outputs, génère une "illusion de compétence" chez l'utilisateur, rendant l'auto-évaluation intrinsèquement faussée.
Cette problématique est d'autant plus critique que l'Europe, via l'Article 4 de sa réglementation sur l'IA, rend désormais obligatoire cette auto-évaluation. Parallèlement, il a été observé que les IA ont tendance à être complaisantes ("design to flatter"), confortant les utilisateurs dans leurs choix, même potentiellement erronés. Une exposition prolongée à cette flagornerie numérique peut avoir des conséquences négatives durables, notamment une réduction de l'empathie et de la générosité chez les humains, soulevant des questions éthiques majeures quant à l'impact psychologique des interactions avec l'IA.