Définition
Un trait validé qui mesure à quel point une personne aime et recherche l'effort de penser. Le seul trait individuel de ce glossaire.
Ce qui est en jeu
La friction conçue ne produit pas le même effet chez tout le monde. Dans l'étude de Buçinca et ses collègues sur les décisions assistées par l'IA, en 2021, le bénéfice atteignait d = 0,57 pour un besoin de cognition élevé contre 0,15 pour un besoin faible. Si c'est le trait qui fait le travail, un programme d'augmentation sélectionne au lieu d'enseigner.
D'où vient le mot
- Premier usageCohen, Stotland et Wolfe, 1955
- L'échelle validéeJohn Cacioppo et Richard Petty, 1982, qui ont construit ensemble le modèle de probabilité d'élaboration
- Arrive à episcope par trois voies indépendantesZana Buçinca et ses collègues en 2021 sur qui profite de la friction conçue, Yu et ses collègues en 2026 sur qui se trompe sur ce que l'IA lui a fait gagner et David Brooks dans The Atlantic la même année
Comment episcope y est venu
John Cacioppo et Richard Petty, 1982, psychologues sociaux alors à l'université de l'Iowa et à l'université du Missouri, dans un article évalué par les pairs paru dans le Journal of Personality and Social Psychology. Ils ont construit l'échelle encore utilisée aujourd'hui, et elle a tenu quarante ans à travers les langues et les échantillons, ce qui est rare pour une mesure de trait.
À quoi faire attention
Un trait est une tendance, pas un verdict sur une personne. L'échelle décrit à quel point quelqu'un va chercher la réflexion difficile quand rien ne l'y oblige. Elle ne dit rien de la qualité de sa pensée une fois lancée, et elle varie avec le contexte plus que le mot trait ne le laisse entendre.
Les travaux et articles en lien
Cacioppo, J. T., & Petty, R. E. (1982). The need for cognition. Journal of Personality and Social Psychology, 42(1), 116-131.
Buçinca, Z., Malaya, M. B., & Gajos, K. Z. (2021). To Trust or to Think: Cognitive Forcing Interventions Can Reduce Overreliance on AI in AI-assisted Decision-making. Proceedings of the ACM on Human-Computer Interaction, 5(CSCW1), article 188.
Yu, S., Jurafsky, D., Hawkins, R. D., et al. (2026). The efficiency-gain illusion: People underestimate the rate of AI use and overestimate its benefits on simple tasks. arXiv:2605.22687.