Author name: Dr. Rania Kassir

La recherche scientifique nécessite souvent de nombreux outils différents. Les chercheurs peuvent avoir besoin de consulter des bases de données médicales, d’analyser des données, d’écrire du code informatique et d’utiliser des ordinateurs puissants. La gestion de ces tâches peut être difficile et chronophage. Claude Science, développé par Anthropic, est un nouvel environnement de travail fondé sur l’IA, conçu pour réunir plusieurs de ces activités en un seul endroit. Claude Science peut aider les scientifiques et les équipes de recherche à consulter la littérature scientifique, à organiser les informations, à analyser les données et à créer des figures scientifiques. Il prend en charge des domaines tels que la génomique, la protéomique, les neurosciences, la recherche pharmaceutique et la biologie structurale. En termes simples, il fonctionne comme un assistant de recherche numérique capable de soutenir plusieurs étapes d’un projet scientifique. Une fonctionnalité importante de Claude Science est sa capacité à enregistrer le code et l’environnement informatique utilisés pour produire ses résultats. Par exemple, lorsqu’il génère un graphique, il peut également sauvegarder les instructions qui ont permis de le créer. Les chercheurs peuvent ainsi vérifier le travail effectué et reproduire l’analyse ultérieurement. Cette transparence est essentielle, car les résultats scientifiques doivent être compréhensibles et reproductibles. Le système peut également afficher des informations complexes, notamment des structures protéiques en trois dimensions, des données génomiques et des structures chimiques. Ces outils de visualisation peuvent aider les chercheurs à comprendre des contenus difficiles. Toutefois, des figures visuellement attrayantes ne doivent pas automatiquement être considérées comme des preuves fiables. Les chercheurs doivent toujours vérifier les données, les méthodes et les conclusions. Claude Science peut aussi contribuer à la gestion des ressources informatiques. Il peut préparer un plan d’analyse et envoyer des tâches au système informatique d’un laboratoire ou à des services de GPU en ligne. Cela pourrait aider les équipes de recherche à réaliser plus efficacement des analyses complexes. Toutefois, un traitement informatique plus rapide ne garantit pas que la question de recherche, les données ou la méthode statistique sont correctes. Les premiers utilisateurs ont fait état de gains de temps dans la conception de médicaments, les neurosciences et la recherche sur la génétique des gliomes. Ces observations sont encourageantes, mais elles proviennent principalement des premiers utilisateurs et de l’entreprise elle-même. Des études indépendantes sont encore nécessaires pour déterminer à quelle fréquence le système commet des erreurs et s’il améliore effectivement la qualité du travail scientifique. Pour les cliniciens et les thérapeutes, Claude Science pourrait aider à repérer des articles de recherche, à résumer les données probantes, à organiser des jeux de données et à préparer les premières versions de rapports. Il doit soutenir le raisonnement professionnel, et non le remplacer. Les cliniciens doivent toujours déterminer si les informations sont exactes, pertinentes et adaptées à un patient donné ou à un contexte clinique spécifique. La plateforme comprend un agent d’évaluation distinct qui vérifie les références, les calculs et les erreurs éventuelles. Cela peut être utile, mais ne saurait remplacer une vérification humaine expérimentée. L’IA peut repérer une référence manquante tout en ne détectant pas des problèmes tels qu’un échantillonnage biaisé ou une interprétation erronée d’un lien de causalité. La confidentialité constitue une autre préoccupation importante. Claude Science est conçu pour conserver les données de recherche sensibles au sein des propres systèmes de l’utilisateur ou de l’infrastructure de son institution. Malgré cela, les organisations doivent respecter les lois relatives à la protection des données, les règles d’éthique de la recherche et les politiques locales. Des informations confidentielles concernant des patients ne doivent jamais être saisies dans un système d’IA sans autorisation et mesures de protection appropriées. Les systèmes d’IA peuvent produire des informations incorrectes, reproduire des biais et présenter des résultats incertains comme s’ils étaient plus définitifs qu’ils ne le sont. Les utilisateurs peuvent également accorder leur confiance à une réponse bien rédigée sans vérifier les données probantes originales. Les cliniciens et les chercheurs doivent donc questionner les résultats produits par l’IA, vérifier les sources et comprendre les limites du système. Claude Science pourrait aider les chercheurs à consacrer moins de temps à la gestion des outils techniques et davantage aux questions importantes. Sa valeur dépendra toutefois d’une évaluation rigoureuse, d’une utilisation responsable et d’un contrôle humain continu. Il doit être considéré comme un assistant, et non comme un expert prenant les décisions finales. Le jugement professionnel, la vigilance éthique et l’attention portée aux données probantes doivent rester au centre de la démarche.

Dans les classes inclusives, les enseignants et les thérapeutes réfléchissent attentivement aux moyens d’accompagner chaque élève. Certains ont besoin d’un langage plus simple, de davantage de temps ou d’aide pour organiser les informations. Toutefois, l’accompagnement devrait également leur offrir la possibilité de poser des questions, de faire des choix et de jouer un rôle actif dans leurs apprentissages. L’intelligence artificielle générative, ou IA générative, est une technologie capable de créer du texte et de répondre à des questions. ChatGPT en est un exemple. Elle peut aider les élèves à comprendre des notions difficiles, à trouver des informations et à explorer les sujets qui les intéressent. Cependant, sa valeur ne dépend pas uniquement des réponses qu’elle fournit, mais aussi de sa capacité à favoriser l’implication des élèves dans leurs apprentissages. Une étude récente publiée dans le British Journal of Educational Technology par Rappa et al. (2026), intitulée « Can Generative AI Support the Learning Agency of Students with Disability? A Case Study of an Australian Secondary School », s’est intéressée à cette question dans une classe de sciences du secondaire. Trois élèves en situation de handicap ont utilisé ChatGPT alors qu’ils étudiaient la gravité, les frottements, les freins automobiles et le mouvement. Les chercheurs ont examiné la manière dont les élèves utilisaient l’outil, les choix qu’ils faisaient et les difficultés qu’ils rencontraient. L’étude portait sur le pouvoir d’agir dans les apprentissages. En termes simples, cela signifie avoir la possibilité et la capacité de participer aux décisions liées à son apprentissage. Un élève peut choisir de poser une question ou de demander une explication plus simple, tout en ayant besoin d’un accompagnement pour la communication, l’attention, la mémoire ou la planification. Les élèves ont utilisé ChatGPT de différentes manières. Arthur s’en est servi pour approfondir ses connaissances sur la gravité, car il s’intéressait déjà aux sciences. Inez a mis en lien des notions scientifiques avec des préoccupations de la vie quotidienne, notamment la sécurité routière. Louis a posé des questions scientifiques, mais a également considéré ChatGPT comme un partenaire de conversation. Ces exemples montrent que les élèves peuvent utiliser l’IA pour rendre leurs apprentissages plus personnels et plus porteurs de sens. Cependant, le fait de choisir d’utiliser ChatGPT ne signifiait pas nécessairement que les élèves pouvaient s’en servir de manière autonome. Certains éprouvaient des difficultés à formuler des questions claires, à comprendre des réponses longues ou à déterminer si les informations étaient exactes. Les enseignants ont donc montré comment poser des questions, demander des explications plus simples et solliciter des exemples. Ce type d’accompagnement s’apparente à l’étayage utilisé en thérapie et dans l’éducation. Les résultats suggèrent que l’IA générative peut favoriser la participation des élèves, mais qu’elle ne remplace pas l’accompagnement humain. Les enseignants, les thérapeutes et les assistants d’éducation peuvent aider les élèves à formuler des questions, à comprendre les réponses et à mettre en lien les informations produites par l’IA avec les activités de la classe. L’objectif devrait être de développer progressivement l’autonomie, plutôt que de donner simplement aux élèves accès à la technologie. L’étude présente également d’importantes limites. Seuls trois élèves issus d’une même école australienne ont été inclus ; les résultats ne peuvent donc pas représenter l’ensemble des élèves en situation de handicap. Des recherches supplémentaires sont nécessaires auprès de groupes plus importants, dans différentes disciplines et avec des élèves présentant des besoins plus importants en matière de communication ou d’apprentissage. Sur le plan éthique, les professionnels doivent prendre en compte la confidentialité, l’exactitude et les biais. Les élèves ne devraient pas saisir d’informations personnelles dans les systèmes d’IA. ChatGPT peut fournir des réponses incorrectes ou déroutantes ; les adultes doivent donc vérifier attentivement ses réponses. Les élèves doivent également comprendre que l’IA peut être utile, mais qu’elle peut aussi commettre des erreurs. En définitive, l’IA générative ne crée pas à elle seule l’autonomie dans les apprentissages. Elle peut soutenir le pouvoir d’agir des élèves lorsqu’elle les aide à poser des questions, à explorer leurs centres d’intérêt et à faire des choix concernant leurs apprentissages. Pour les thérapeutes et les professionnels de l’éducation, l’IA devrait être utilisée comme un soutien supplémentaire, et non comme un substitut au jugement professionnel, aux relations humaines ou à la communication. Référence Rappa, N. A., Nonis, K. P., Tang, K.-S., Cooper, G., Cooper, M., & Sims, C. (2026). Can generative AI support the learning agency of students with disability? A case study of an Australian secondary school. British Journal of Educational Technology. https://doi.org/10.1111/bjet.70048

Dans le travail clinique, nous réfléchissons souvent avant de parler. Un thérapeute peut écouter, considérer quelques possibilités, puis seulement répondre. Une grande partie de cette réflexion demeure invisible. Des chercheurs d’Anthropic ont récemment décrit quelque chose de similaire dans leur système d’IA, Claude : un espace interne appelé « J-space », dans lequel le modèle maintient et travaille brièvement avec des idées avant de produire une réponse. Le J-space peut être compris comme un petit espace de travail mental. Il n’est pas physique, mais correspond à un motif où les concepts importants sont rassemblés et utilisés. Cette idée est proche de ce que les psychologues appellent une « workspace globale », dans laquelle une information sélectionnée devient disponible pour le raisonnement. Chez l’humain comme dans l’IA, la pensée dépend non seulement de la connaissance, mais aussi de la manière dont cette connaissance est organisée à un instant donné. Un exemple simple permet de clarifier ce processus. Il a été demandé à Claude : « quel animal tisse des toiles ? » En interne, le concept « araignée » s’est activé, conduisant à la bonne réponse : huit pattes. Lorsque les chercheurs ont remplacé ce concept interne par « fourmi », la réponse a changé pour six pattes. Cela suggère que l’IA forme d’abord une idée interne, qui oriente ensuite sa réponse. Pour les thérapeutes, ce processus est familier. Nous maintenons souvent une hypothèse de travail à l’esprit avant de nous exprimer. Ces étapes internes sont essentielles, même si elles ne sont pas visibles. Fait important, lorsque les chercheurs ont réduit l’influence du J-space, Claude continuait de produire un langage fluide, mais son raisonnement devenait moins précis. Cela rappelle qu’un discours clair ou assuré ne reflète pas toujours une pensée rigoureuse. En même temps, il convient d’être prudent avec cette comparaison. Les systèmes d’IA ne comprennent pas au sens humain. Leurs motifs internes proviennent de données, non d’une expérience vécue. Si l’idée d’un « espace de travail » est utile, elle demeure une description simplifiée d’un système complexe. Sur le plan de la recherche, le J-space offre un nouveau moyen d’étudier comment l’IA arrive à ses réponses. Il pourrait aider à identifier les erreurs, les biais ou les signaux cachés, par exemple lorsqu’un modèle détecte une entrée fallacieuse. Dans un contexte clinique, cela pourrait soutenir la prise de décision, en particulier dans les cas complexes, sans pour autant remplacer le jugement professionnel. Des limites importantes existent également. Ces résultats sont précoces et principalement testés sur des modèles spécifiques. Nous ne savons pas encore dans quelle mesure cette caractéristique est stable ou généralisable. Les systèmes futurs pourraient également devenir plus difficiles à interpréter, et non plus simples. Sur le plan éthique, cela soulève des questions de confiance et de responsabilité. Si les cliniciens utilisent des outils d’IA, ils restent responsables de leurs décisions. Les signaux internes comme ceux du J-space ne doivent pas être considérés comme des preuves entièrement fiables. La transparence passe aussi par la reconnaissance de l’incertitude et par la prudence face à une confiance excessive dans des systèmes que nous ne comprenons pas pleinement. Au final, le J-space ne prouve pas que l’IA « pense » comme les humains, mais il met en lumière un point important : le raisonnement repose souvent sur des étapes cachées. Pour les cliniciens, cela n’est pas nouveau. Ce qui est nouveau, c’est la possibilité d’observer un processus similaire chez les machines, ce qui pourrait approfondir notre réflexion sur la la pensée humaine et la pensée artificielle.

En thérapie, une grande partie de notre travail se situe entre la connaissance et la présence. Nous n’appliquons pas seulement ce que nous savons : nous écoutons, observons et nous adaptons en temps réel. Souvent, le défi n’est pas un manque de savoir, mais la capacité d’en donner du sens de manière adaptée à la personne qui est face à nous. Avec l’expansion de MedGPT en Europe, de nombreux thérapeutes commencent à se demander comment un outil conçu pour un usage médical pourrait soutenir ce processus. MedGPT a d’abord attiré l’attention en France, où il a atteint plus de 200 000 utilisateurs en peu de temps. Il est aujourd’hui introduit dans plusieurs pays européens, dont l’Allemagne, l’Italie, l’Espagne, le Portugal, la Belgique, le Royaume-Uni, l’Irlande, les Pays-Bas, la Pologne et la Suisse. Le déploiement commence par des groupes plus restreints dans chaque pays, ce qui permet au système de s’adapter aux différents systèmes de santé, aux langues et aux cultures cliniques. Cette approche progressive est importante, car la pratique clinique ne se réduit jamais à une approche unique. Bien que MedGPT ait été développé à l’intention des médecins, il peut demeurer pertinent pour les thérapeutes. Notre travail implique souvent de relier les dimensions physiques, psychologiques et sociales de l’expérience d’une personne. Nous naviguons entre différents modèles et perspectives, parfois au sein d’une même séance. Dans ce contexte, un outil qui aide à organiser et à revisiter ces strates peut étayer notre réflexion sans s’y substituer. Lorsque nous avons exploré MedGPT, ce qui a retenu l’attention n’était pas tant ses réponses parfaites que sa capacité à structurer la réflexion. Par exemple, face à un patient présentant des douleurs chroniques et une peur du mouvement, le système a rassemblé différents facteurs contributifs, tels que la sensibilisation physique, les croyances liées à la douleur et les comportements d’évitement, de manière claire et organisée. Il ne prenait pas les décisions à notre place, mais il nous aidait à ralentir et à percevoir plus facilement les liens entre ces éléments. Dans la pratique quotidienne, ce type de soutien peut prendre des formes simples. MedGPT peut aider à reformuler des informations complexes en un langage plus clair pour les patients, à résumer des recherches lorsque le temps manque, ou à aider à la rédaction de notes cliniques . Il peut également préparer la communication avec d’autres professionnels de santé. Utilisé ainsi, il devient moins une autorité et davantage un partenaire de réflexion. En même temps, la thérapie demeure profondément humaine. Nos décisions sont guidées non seulement par nos connaissances, mais aussi par l’expérience, l’intuition et la relation que nous construisons avec chaque patient. Aucun système ne peut capturer pleinement ces éléments. Cela rend d’autant plus important l’utilisation prudente de l’IA, en protégeant les données des patients, en restant attentifs aux biais éventuels, et en gardant à l’esprit que la responsabilité des décisions cliniques incombe toujours au thérapeute. Se pose également la question plus large de l’influence de ces outils sur notre manière de penser à long terme. Utilisés sans réflexion, ils pourraient nous conduire à nous appuyer trop rapidement sur des réponses structurées. Mais utilisés avec discernement, ils peuvent nous aider à prendre davantage conscience de notre raisonnement, à rester curieux et à gagner en précision dans notre travail. Au final, l’expansion de MedGPT en Europe ne concerne pas seulement la technologie, mais aussi la manière dont les cliniciens choisissent de s’en saisir. Pour les thérapeutes, elle offre un moyen de soutenir la pensée clinique tout en restant ancrés dans la dimension humaine des soins. Sa valeur réside peut-être moins dans les réponses qu’il fournit que dans la façon dont il nous aide à réfléchir, à organiser et à aborder notre travail avec plus de clarté.