Centaure IA vs Cyborg IA : quelle différence ?

Centaure et Cyborg décrivent deux manières de travailler avec l’IA générative. Dans le modèle Centaure, l’humain et l’IA se répartissent les tâches selon leurs forces respectives, avec une frontière nette entre ce que fait l’un et ce que fait l’autre. Dans le modèle Cyborg, la collaboration est continue : humain et IA interviennent ensemble, au fil des sous-tâches, dans un va-et-vient permanent. Le premier pose surtout la question « qui fait quoi ? », le second « comment travaillons-nous ensemble ? ». Ces deux termes viennent d’une étude de terrain menée en 2023 par des chercheurs de Harvard, du MIT, de Wharton et de Warwick avec le cabinet BCG, et popularisée par Ethan Mollick. Une seconde étude de la même équipe, publiée fin 2025, a ajouté un troisième profil, le Self-Automator, qui délègue tout à l’IA, et montré que chaque mode produit des résultats et des compétences différents. Cet article en donne la définition, l’origine, des exemples concrets, les pièges à éviter et les sources.

Article publié le 10 février 2024, enrichi et sourcé le 27 septembre 2026, mis à jour le 4 octobre 2026 avec l’étude « Cyborgs, Centaurs and Self-Automators ».

D’où viennent les termes Centaure et Cyborg ?

L’image du centaure vient des échecs. En juin 1998, à León, en Espagne, Garry Kasparov affronte Veselin Topalov dans un match d’un genre nouveau, qu’il baptise « Advanced Chess » : chaque joueur dispose d’un ordinateur pendant la partie. L’idée, expliquera-t-il plus tard, lui est venue du paradoxe de Moravec : aux échecs comme ailleurs, la machine excelle là où l’humain est faible, et inversement. Plutôt que d’opposer l’homme et la machine, pourquoi ne pas les faire jouer en équipe ? Ce format prendra le nom d’échecs « centaures » : un corps de cheval (la puissance de calcul) surmonté d’un buste humain (le jugement).

En 2005, un tournoi « freestyle » ouvert aux équipes humain + machine livre un résultat surprenant : le vainqueur n’est pas un grand maître équipé du meilleur logiciel, mais un duo d’amateurs américains pilotant trois ordinateurs en parallèle, avec une méthode de travail plus efficace. Kasparov en tire une formule restée célèbre :

« Un humain faible + une machine + un meilleur processus l’emportait sur un ordinateur puissant seul et, plus remarquable encore, sur un humain fort + une machine + un processus inférieur. »

Garry Kasparov, « The Chess Master and the Computer », The New York Review of Books, 2010 (notre traduction)

Autrement dit, ce qui fait la différence n’est ni la force du joueur ni celle du logiciel, mais la qualité du processus de collaboration entre les deux. C’est exactement la question que posent, vingt-cinq ans plus tard, les modèles Centaure et Cyborg appliqués à l’IA générative.

Les deux termes, appliqués à l’IA générative, apparaissent en septembre 2023 dans un document de travail de la Harvard Business School intitulé « Navigating the Jagged Technological Frontier » (Dell’Acqua, McFowland, Mollick, Lifshitz-Assaf, Kellogg, Rajendran, Krayer, Candelon et Lakhani). Les chercheurs y observent, chez 758 consultants du Boston Consulting Group (environ 7 % de ses consultants) équipés de GPT-4, deux façons distinctes de s’organiser avec l’IA, qu’ils nomment Centaures et Cyborgs. Ethan Mollick, professeur à Wharton et coauteur de l’étude, les diffuse ensuite largement dans son billet « Centaurs and Cyborgs on the Jagged Frontier » puis dans son livre Co-Intelligence (2024, traduit en français en 2025).

La frontière déchiquetée, préalable pour comprendre les deux modèles

L’étude de Harvard et BCG repose sur une idée simple : les capacités de l’IA ne forment pas un cercle bien net, mais une « frontière déchiquetée » (jagged frontier). Mollick la compare à une muraille de forteresse dont certaines tours avancent loin dans la campagne tandis que d’autres se replient vers le centre. Deux tâches qui semblent de difficulté équivalente peuvent se trouver l’une à l’intérieur, l’autre à l’extérieur de cette frontière, et rien, en apparence, ne permet de le deviner à l’avance.

Les chiffres de l’expérience illustrent les deux versants de la muraille. Sur 18 tâches de conseil situées à l’intérieur de la frontière (rédaction, analyse, créativité, persuasion), les consultants aidés par GPT-4 ont accompli en moyenne 12,2 % de tâches en plus, 25,1 % plus vite, avec une qualité supérieure de plus de 40 % par rapport au groupe témoin. Le gain était surtout spectaculaire pour les moins performants : +43 % pour les consultants situés sous la moyenne, contre +17 % pour ceux situés au-dessus. L’IA nivelle les écarts de niveau.

Sur une tâche choisie pour se situer à l’extérieur de la frontière (une recommandation stratégique exigeant de croiser des données financières et des comptes rendus d’entretiens), le résultat s’inverse : les consultants aidés par l’IA avaient 19 points de pourcentage de chances en moins de produire une réponse correcte. Sans IA, 84 % trouvaient la bonne réponse ; avec l’IA, entre 60 et 70 % seulement, car beaucoup reprenaient une analyse plausible mais fausse. Les chercheurs notent enfin un effet plus discret : les productions assistées par l’IA étaient de meilleure qualité, mais plus homogènes entre elles.

Les modèles Centaure et Cyborg sont précisément deux façons de naviguer le long de cette frontière : le Centaure la cartographie à l’avance et décide de quel côté placer chaque tâche ; le Cyborg la teste en permanence, tâche par tâche, et corrige la trajectoire au fur et à mesure.

Centaure IA vs Cyborg IA : comparaison

Critère	Centaure IA	Cyborg IA
Principe	Humain et IA se répartissent les tâches	Humain et IA travaillent de manière imbriquée
Question centrale	Qui fait quoi ?	Comment travaillons-nous ensemble ?
Rythme des échanges	Alternance par blocs de travail	Va-et-vient continu, à l’échelle d’un paragraphe ou d’une décision intermédiaire
Exemple type	L’IA résume 40 pages de documentation, l’humain rédige la recommandation	L’humain écrit, l’IA critique, l’humain réoriente, l’IA propose une variante
Force	Clarté des responsabilités, contrôle facile, meilleure exactitude sur les tâches où l’IA se trompe	Exploration plus large, productivité sur les tâches proches de la frontière
Risque principal	Sous-utiliser l’IA sur des tâches qu’elle ferait bien	Perdre de vue qui est responsable du résultat, s’endormir au volant
Compétences développées (étude 2025)	Expertise métier approfondie (upskilling)	Nouvelles compétences de travail avec l’IA (newskilling)
Convient à	Tâches structurées, sensibles ou réglementées	Tâches créatives, rédactionnelles, exploratoires

Le modèle Centaure : répartir intelligemment le travail

Dans la définition de Mollick, les Centaures « pratiquent une division stratégique du travail : ils alternent entre tâches confiées à l’IA et tâches humaines, en attribuant les responsabilités selon les forces et les capacités de chacun ». Comme la créature mythologique, le Centaure a une ligne de démarcation nette entre la partie humaine et la partie machine.

Concrètement, un manager qui prépare une revue trimestrielle en mode Centaure confie à l’IA la synthèse des rapports d’activité, la mise en forme des tableaux et une première version des slides ; il garde pour lui l’interprétation des écarts, les arbitrages et la préparation des messages difficiles. Chacun travaille sur son terrain, puis les blocs sont assemblés.

L’analyse des conversations des consultants de BCG, publiée en 2025, précise ce que font réellement les Centaures avec l’IA. Ils s’en servent pour trois usages ciblés : cartographier le domaine (demander des informations générales sur le secteur pour mieux comprendre le problème), se faire expliquer une méthode qu’ils appliquent ensuite eux-mêmes, et faire relire et améliorer un brouillon qu’ils ont écrit. Ils limitent volontairement le reste pour ne pas dépendre de la machine.

• Allocation des tâches : confier à chaque partie ce qu’elle réalise le mieux, en s’appuyant sur une cartographie explicite de ce que l’IA fait bien (et mal) dans votre métier.
• Agilité : réattribuer les rôles lorsque la situation évolue, par exemple quand un nouveau modèle déplace la frontière.
• Décision : combiner l’analyse produite par la machine et l’interprétation humaine, sans que la première remplace la seconde.
• Responsabilité : maintenir l’implication humaine sur les décisions sensibles, les données confidentielles et tout ce qui engage l’organisation.
• Augmentation : utiliser l’IA pour renforcer les capacités de l’équipe plutôt que pour automatiser des tâches sans les repenser.

Le modèle Cyborg : collaborer en continu avec l’IA

Les Cyborgs, écrit Mollick, « mêlent la machine et la personne en les intégrant profondément. Ils ne se contentent pas de déléguer des tâches : ils entrelacent leurs efforts avec l’IA, en allant et venant de part et d’autre de la frontière déchiquetée ». La frontière entre les tâches humaines et celles de l’IA devient floue : l’humain produit, l’IA complète ou critique, l’humain réoriente, l’IA propose une nouvelle version. Le processus est itératif et étroitement imbriqué.

Concrètement, un consultant qui rédige une proposition commerciale en mode Cyborg écrit lui-même le paragraphe d’enjeux, demande à l’IA de le rendre plus percutant, garde deux formulations sur trois, fait générer trois angles possibles pour la partie méthode, en retient un qu’il réécrit, puis demande à l’IA de jouer le client sceptique pour tester l’argumentaire. À la fin, il serait incapable de dire quelles phrases viennent de lui et lesquelles viennent de la machine, mais chaque phrase est passée par son jugement.

L’étude de 2025 a recensé les gestes qui caractérisent les Cyborgs, utilisés à toutes les étapes du travail, du cadrage du problème jusqu’au livrable final : donner un rôle à l’IA (« agis comme un consultant »), découper le travail en sous-étapes, lui demander de vérifier ses propres calculs, la contredire et lui demander de reconsidérer sa réponse, ajouter des données en cours de route, exiger des justifications, pointer ses contradictions et recentrer l’analyse sur un point précis. Autrement dit, le Cyborg efficace ne se contente pas de discuter avec l’IA : il la challenge en permanence.

• Intégration : humain et IA contribuent au même processus, sur le même document, en temps réel.
• Collaboration granulaire : l’alternance peut avoir lieu à l’échelle d’une phrase, d’une analyse ou d’une décision intermédiaire.
• Augmentation cognitive : l’IA aide à explorer davantage d’options, à traiter rapidement de l’information et à obtenir une contradiction instantanée.
• Adaptation : le duo ajuste le travail au fur et à mesure, ce qui rend le mode Cyborg efficace près de la frontière, là où l’on ne sait pas à l’avance si l’IA sera bonne.
• Vigilance : une collaboration très intégrée exige de clarifier qui est responsable du résultat final, et de garder assez de recul pour repérer une erreur plausible.

Le troisième profil : le Self-Automator, qui délègue tout

En décembre 2025, une partie de l’équipe de 2023 (Steven Randazzo, Hila Lifshitz, Katherine Kellogg, Fabrizio Dell’Acqua, Ethan Mollick, François Candelon et Karim Lakhani) a publié une analyse détaillée de 4 975 échanges entre l’IA et 244 consultants de BCG. La tâche : recommander au dirigeant d’une entreprise fictive dans laquelle de ses trois marques investir, à partir d’entretiens et de données financières, dans une note de 500 mots maximum. Une tâche du même type que celle placée hors de la frontière en 2023, donc piégeuse pour l’IA.

Les chercheurs retrouvent les deux profils connus et en identifient un troisième :

• Cyborgs (60 % des consultants) : un dialogue continu avec l’IA, du cadrage à la rédaction finale.
• Self-Automators (27 %) : littéralement « ceux qui s’automatisent ». Ils condensent tout le travail en une ou deux requêtes et reprennent la réponse avec peu de modifications. Leurs livrables sont rapides et soignés, mais manquent de profondeur, comme un travail fait pour eux plutôt qu’avec eux. Les chercheurs estiment que cette proportion sous-estime probablement la réalité dans l’ensemble des entreprises.
• Centaures (14 %) : un usage ciblé de l’IA sur quelques sous-tâches, en gardant la main sur le raisonnement et la décision.

Les résultats départagent nettement les trois modes. Les Centaures ont produit les recommandations les plus exactes : sur une tâche où l’IA induit facilement en erreur, garder le contrôle du raisonnement paie. Centaures et Cyborgs ont rédigé des notes plus convaincantes que les Self-Automators. Et surtout, chaque mode développe des compétences différentes : les Centaures approfondissent leur expertise métier (upskilling), les Cyborgs acquièrent de nouvelles compétences de travail avec l’IA (newskilling), les Self-Automators ne progressent ni sur l’un ni sur l’autre (no skilling).

Pour une organisation, la leçon dépasse la productivité du jour : un collaborateur qui délègue tout à l’IA livre vite, mais ne construit pas l’expertise dont l’entreprise aura besoin demain, ni celle qui lui permettrait de repérer les erreurs de la machine.

Le piège commun aux deux modèles : s’endormir au volant

Quel que soit le mode choisi, le risque principal a un nom dans la littérature : « falling asleep at the wheel », s’endormir au volant. Dans une expérience antérieure, Fabrizio Dell’Acqua avait demandé à 181 recruteurs professionnels d’évaluer 44 CV pour un poste d’ingénieur logiciel, avec une IA plus ou moins fiable (environ 99 %, 85 % ou 75 % de bonnes recommandations) ou sans IA. Résultat contre-intuitif : les recruteurs équipés de l’IA la moins fiable faisaient mieux que ceux qui disposaient de la meilleure. Les premiers passaient plus de temps sur chaque candidature et vérifiaient les recommandations ; les seconds suivaient la machine sans délibérer. Une IA trop convaincante endort la vigilance de celui qui l’utilise.

Ce piège se double d’un problème de perception. Dans une étude publiée par l’institut METR en juillet 2025, seize développeurs expérimentés, travaillant sur leurs propres projets open source avec les meilleurs outils de l’époque, ont mis en moyenne 19 % de temps en plus pour terminer leurs tâches lorsqu’ils utilisaient l’IA. Ils s’attendaient à gagner 24 % de temps et, une fois l’expérience terminée, étaient persuadés d’en avoir gagné 20 %. En février 2026, METR a reconnu que ce protocole ne tenait plus : de plus en plus de développeurs refusaient de travailler la moitié du temps sans IA, ce qui écartait de l’étude les utilisateurs les plus avancés. Ce résultat ne dit donc rien des outils d’aujourd’hui ; il montre en revanche que le sentiment d’aller plus vite n’est pas une mesure. C’est pourquoi le deuxième des quatre principes que Mollick propose dans Co-Intelligence est « soyez l’humain dans la boucle » : quel que soit le degré d’intégration, quelqu’un doit rester éveillé.

Centaure ou Cyborg : quel mode de travail choisir ?

Les deux approches coexistent, souvent dans la même journée. Une tâche sensible, réglementée ou fortement structurée gagne à une répartition explicite des rôles de type Centaure : on sait qui a fait quoi, on peut contrôler chaque bloc, on peut documenter le processus. Une activité créative, rédactionnelle ou exploratoire ressemble davantage au modèle Cyborg, avec de nombreux allers-retours entre l’utilisateur et l’IA. Le mode Self-Automator, lui, ne se justifie que pour des tâches simples, bien à l’intérieur de la frontière, dont le résultat se vérifie d’un coup d’œil. Quatre questions aident à trancher :

1. Où se situe la tâche par rapport à la frontière ? Si vous savez d’expérience que l’IA la réussit (ou la rate), le mode Centaure suffit. Si vous l’ignorez, le mode Cyborg permet de le découvrir à moindre coût.
2. Que coûte une erreur plausible ? Plus le coût est élevé, plus il faut une frontière nette, un contrôle humain formalisé et une traçabilité de type Centaure. C’est le mode qui s’est montré le plus exact sur une tâche piégeuse.
3. Le résultat doit-il porter votre voix ? Un texte, une proposition ou une décision qui engage votre jugement personnel se travaille mieux en Cyborg, par petites touches, qu’en délégation par blocs.
4. Que voulez-vous apprendre ? Pour monter en expertise sur un sujet métier, le mode Centaure fait progresser ; pour apprendre à tirer le meilleur de l’IA, le mode Cyborg fait progresser. Le mode Self-Automator ne fait progresser sur rien.

Dernier point : la frontière bouge. Le quatrième principe de Mollick, « partez du principe que l’IA que vous utilisez est la pire que vous utiliserez jamais », invite à retester régulièrement ce que l’on avait classé hors de portée. Une cartographie Centaure établie en 2024 est probablement fausse en 2026.

Et depuis 2023 ? Le coéquipier cybernétique et la délégation aux agents

La même équipe de chercheurs a poursuivi avec une expérience chez Procter & Gamble, publiée en 2025 sous le titre « The Cybernetic Teammate ». Sur 776 professionnels travaillant sur de vrais défis d’innovation produit, une personne seule équipée de l’IA atteignait le niveau de performance d’un binôme sans IA. L’IA faisait aussi tomber les cloisons entre fonctions : sans elle, les profils R&D proposaient des solutions plutôt techniques et les profils commerciaux des solutions plutôt commerciales ; avec elle, tous produisaient des solutions équilibrées. Les participants équipés de l’IA déclaraient enfin davantage d’émotions positives, comme si l’IA remplissait une partie du rôle social et motivant d’un coéquipier. L’IA n’est plus seulement un outil que l’on pilote en Centaure ou en Cyborg, elle prend une place de coéquipier.

L’arrivée des agents, capables de travailler seuls pendant plusieurs dizaines de minutes sur un dossier, ajoute une posture que l’étude de 2023 ne pouvait pas décrire : la délégation avec points de contrôle. On confie un brief, on laisse l’agent enchaîner les étapes, on relit le livrable. C’est un mode Centaure poussé à l’extrême dans la répartition, mais qui exige une vigilance de Cyborg au moment de la relecture, faute de quoi il glisse vers le mode Self-Automator. Nous en détaillons les variantes dans notre article sur les quatre façons de déléguer du travail à une IA et dans celui consacré au Deep Research.

Questions fréquentes

Qu’est-ce qu’un centaure IA ?

Un centaure IA est une personne qui travaille avec l’IA en se répartissant les tâches avec elle de façon explicite : l’IA prend en charge ce qu’elle fait bien, l’humain garde ce qui exige contexte, jugement ou responsabilité. Le terme vient des échecs « centaures » lancés par Garry Kasparov en 1998 et a été appliqué à l’IA générative par Ethan Mollick et ses coauteurs en 2023.

Qu’est-ce qu’un cyborg IA ?

Un cyborg IA est une personne qui intègre l’IA en continu dans son travail, sans frontière nette entre ce qu’elle fait et ce que fait la machine : elle écrit, fait critiquer, réécrit, fait proposer des variantes, à l’échelle d’un paragraphe ou d’une décision intermédiaire.

Quelle est la différence entre centaure et cyborg ?

La différence tient à la granularité de la collaboration. Le centaure alterne par blocs de travail, avec une division claire des responsabilités ; le cyborg entrelace ses efforts avec l’IA en permanence. Le premier convient aux tâches structurées ou sensibles, le second aux tâches créatives et exploratoires. Dans les deux cas, l’humain reste responsable du résultat.

Qu’est-ce qu’un Self-Automator ?

C’est le troisième profil identifié en 2025 par l’étude « Cyborgs, Centaurs and Self-Automators » : une personne qui confie l’essentiel de la tâche à l’IA en une ou deux requêtes et reprend sa réponse presque telle quelle. Le travail est rapide et bien présenté, mais moins exact et moins convaincant, et la personne ne développe aucune compétence nouvelle. Il concernait 27 % des 244 consultants de BCG étudiés.

Vaut-il mieux être centaure ou cyborg ?

Aucun des deux modes n’est supérieur en toutes circonstances. Dans l’étude de 2025, les centaures ont pris les décisions les plus exactes sur une tâche où l’IA se trompe facilement, tandis que les cyborgs ont développé les meilleures compétences de travail avec l’IA. Le bon réflexe consiste à passer de l’un à l’autre selon la tâche, et à éviter dans tous les cas de déléguer sans relire.

Sources

1. Fabrizio Dell’Acqua, Edward McFowland III, Ethan R. Mollick, Hila Lifshitz-Assaf, Katherine Kellogg, Saran Rajendran, Lisa Krayer, François Candelon et Karim R. Lakhani, « Navigating the Jagged Technological Frontier: Field Experimental Evidence of the Effects of AI on Knowledge Worker Productivity and Quality », Harvard Business School Working Paper n° 24-013, septembre 2023. Résumé accessible sur le site de la Harvard Business School.
2. Ethan Mollick, « Centaurs and Cyborgs on the Jagged Frontier », One Useful Thing, 16 septembre 2023.
3. Steven Randazzo, Hila Lifshitz, Katherine C. Kellogg, Fabrizio Dell’Acqua, Ethan Mollick, François Candelon et Karim R. Lakhani, « Cyborgs, Centaurs and Self-Automators: The Three Modes of Human-GenAI Knowledge Work and Their Implications for Skilling and the Future of Expertise », Harvard Business School Working Paper n° 26-036, décembre 2025. Synthèses sur le site de la Harvard Business School et sur MIT Sloan (mars 2026).
4. Ethan Mollick, Co-Intelligence: Living and Working with AI, Portfolio/Penguin, 2024. Édition française : Co-intelligence, vivre et travailler avec l’IA, traduction de Marc Rozenbaum, préface de Luc Julia, Éditions First, mars 2025.
5. Garry Kasparov, « The Chess Master and the Computer », The New York Review of Books, 11 février 2010 (recension de Diego Rasskin-Gutman, Chess Metaphors, MIT Press).
6. Fabrizio Dell’Acqua, « Falling Asleep at the Wheel: Human/AI Collaboration in a Field Experiment on HR Recruiters », document de travail, 2022. Présentation sur le site de la Harvard Business School.
7. Fabrizio Dell’Acqua, Charles Ayoubi, Hila Lifshitz, Raffaella Sadun, Ethan Mollick, Lilach Mollick, Yi Han, Jeff Goldman, Hari Nair, Stewart Taub et Karim Lakhani, « The Cybernetic Teammate: A Field Experiment on Generative AI Reshaping Teamwork and Expertise », NBER Working Paper n° 33641, avril 2025.
8. METR, « Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity », 10 juillet 2025, et sa mise à jour méthodologique du 24 février 2026.

Pour aller plus loin : lisez notre article sur quand l’IA transforme les métiers du savoir et notre analyse l’IA transforme le travail plus qu’elle ne nous remplace.