Définir la « psychose de l'IA prolifique » : quand une production élevée d'IA détruit la valeur

Le psychiatre Jeff Clark, MD, poursuit sa série sur la « psychose IA » en définissant la deuxième de trois catégories : la psychose IA prolifique. Sa définition : une personne génère une grande quantité de production IA sans augmenter significativement la valeur réelle de son travail — et dans certains cas, le nouveau flux de travail IA détruit activement de la valeur.

Le symptôme central : vous ne pouvez pas juger votre propre production

L'exemple de Clark est un ingénieur logiciel qui peut produire des milliers de lignes de code chaque jour, alors que ce code a peu d'utilité concrète. À l'inverse, un développeur productif peut écrire moins de code mais produire du code précieux pour les utilisateurs et l'organisation. Sa formulation :

• Certains jours sont de gros ajouts à la base de code.
• D'autres jours sont consacrés à supprimer du code inutile.
• Parfois, un bug qui casse le logiciel est corrigé en changeant un seul caractère.

Les lignes de code ne sont que faiblement corrélées à la productivité. Son analogie d'auteur : si un écrivain que vous aimez produit un respectable 1 000 mots par jour, vous vous inquiéteriez à juste titre s'il se mettait soudain à écrire 100 000 mots par jour — le soin apporté au choix de 1 000 mots excellents ne peut pas être maintenu à un volume 100 fois supérieur.

Le point clé : le problème n'est pas l'augmentation de la production. Plus de code et plus de texte peuvent réellement être plus productifs. Le problème est la perception que le sujet a de sa propre production. Il ne peut pas évaluer la qualité de son propre travail. Clark dit que cela imite la psychose comme une légère déconnexion de la réalité — un défaut de pensée critique.

Pourquoi les agents augmentent les enjeux

Clark distingue l'usage de type chat (conversations ChatGPT, résumés Gemini dans la recherche Google) des outils de pointe enveloppés dans un agent — un programme conçu pour travailler sur des tâches complexes jusqu'à trouver une solution, en prenant des décisions, ouvrant des programmes, accédant à internet et écrivant du logiciel.

Son exemple concret : il y a dix ans, une app iPhone représentait des dizaines d'heures de lecture et d'écriture de code. Aujourd'hui, vous tapez quelques phrases dans Claude Code, répondez à quelques questions, et une app apparaît en quelques minutes. Les agents peuvent aussi créer des boucles qui appellent répétitivement des modèles, parcourant une liste de tâches de développement logiciel jusqu'à ce qu'une app complète soit construite.

Les modes de défaillance qu'il énumère :

• Plusieurs nouveaux fichiers créés alors qu'une correction d'une ligne aurait suffi.
• Des affirmations confiantes qu'une nouvelle solution fonctionne, alors que le logiciel réel est plus cassé que jamais.
• Un code devenu un fouillis inextricable, difficile à lire et presque impossible à étendre.
• Des problèmes vieux de plusieurs décennies, déjà résolus par des bibliothèques open source, reconstruits de zéro, rendant le produit douloureusement lent.

Le résumé de Clark des modèles actuels : ils sont « une part d'ingénieur senior et une part de bambin traversant un tapis blanc avec une cruche de Kool-Aid rouge ». Votre travail est de déterminer qui est qui — et il note que les deux côtés parlent avec une confiance absolue. Des atténuations existent, mais développer ce jugement est une compétence qui prend du temps.

Les deux autres catégories

La partie 1 couvrait la vraie psychose IA (des expériences psychotiques authentiques liées à l'usage des LLM, qu'il considère généralement comme une variante d'une psychose préexistante plutôt qu'un nouveau syndrome). Une troisième catégorie, la psychose IA parasociale, couvre les relations inadaptées avec des chatbots qui imitent la connexion humaine.