Author name: Dr. Rania Kassir

La dernière innovation de Meta – les lunettes Ray-Ban Display AI couplées à un bracelet neural EMG – fait bien plus que buzz dans le monde tech. Pendant des années, les lunettes intelligentes ont promis plus qu’elles n’ont tenu, mais cette fois, la combinaison d’un affichage tête haute, d’une intégration IA et d’un contrôle par gestes subtils suggère que les wearables entrent dans une nouvelle ère. Pour les thérapeutes et les patient·e·s, les possibilités sont immenses. Au cœur de cette innovation : un écran couleur intégré dans la lentille droite, offrant un accès discret et en temps réel à l’information, sans avoir à sortir son téléphone. Associé au Meta Neural Band – qui détecte les mouvements du poignet et des doigts via l’électromyographie (EMG) – ces lunettes permettent un contrôle sans les mains, idéal pour les utilisateur·rice·s à mobilité réduite ou les professionnel·le·s ayant besoin d’interactions rapides. Sous-titres en direct, traductions, messagerie et navigation s’affichent désormais directement dans votre champ de vision. Fonctionnalités clés à connaître pour les thérapeutes ✔ Affichage visuel : Instructions, sous-titres et rappels sans les mains. ✔ Contrôle par gestes : Le bracelet EMG permet des actions discrètes avec les doigts ou le poignet. ✔ Communication assistée : Traduction et sous-titrage en temps réel. ✔ Design classique : Élégant et discret, réduisant la stigmatisation liée aux “gadgets tech”. Applications cliniques et bénéfices pour les patient·e·s Domaine thérapeutique Avantages potentiels Points de vigilance Orthophonie Sous-titres en direct pour les malentendant·e·s ; rappels visuels pour les tâches langagières ; engagement par gestes. Taille/lisibilité de l’affichage ; courbe d’apprentissage ; risque de distraction. Ergothérapie Contrôle EMG pour les personnes à dexterité limitée ; prompts visuels interactifs pour le séquençage des tâches.   Calibrage nécessaire ; moins efficace en cas de tremblements ou troubles moteurs sévères. Psychomotricité Guidage visuel en temps réel pour les exercices ; indices pour la coordination. Garder les exercices ancrés dans le corps, pas seulement sur écran. Psychologie & Éducation spéciale Rappels personnalisés, traductions, prompts discrets pour la gestion du stress ; autonomie accrue. Vie privée, sécurité des données, risque de dépendance aux rappels. Points à surveiller Le détail amusant : Pendant la démo, les lunettes ont complètement bugué – les sous-titres ont commencé à traduire « Hello » en ce qui ressemblait à du code Morse ! Mais voici le paradoxe : même dans le chaos, le potentiel pour les applications thérapeutiques était évident. Imaginez des rappels mains libres en orthophonie, ou des séquences de tâches contrôlées par gestes en ergothérapie… Ce n’est qu’un début. La vision d’ensemble ? Ces lunettes marquent une étape vers une réalité augmentée assistive. À mesure que l’autonomie de la batterie s’améliore et que des fonctionnalités comme les sous-titres par lecture labiale, les superpositions thérapeutiques en temps réel ou l’intégration télésoin émergent, les thérapeutes pourraient disposer d’un tout nouveau média d’intervention. Se préparer dès maintenant est essentiel – comprendre ce que ces dispositifs peuvent (et ne peuvent pas) faire nous aidera à anticiper l’avenir. Restez à l’écoute pour notre prochaine édition, où nous plongerons plus profondément dans des méthodes pratiques pour intégrer les wearables aux séances de thérapie.

Dans un entretien récent, Demis Hassabis, PDG de Google DeepMind, a balayé l’idée selon laquelle les modèles d’IA actuels posséderaient une « intelligence de niveau doctoral ». Son message est sans équivoque : si l’IA peut parfois égaler, voire surpasser, les humains dans des tâches très spécifiques, elle reste loin d’une intelligence générale. Qualifier ces systèmes de « doctorants artificiels » est non seulement trompeur, mais risque d’alimenter des attentes irréalistes, notamment en santé et en recherche. Hassabis souligne que des modèles comme Gemini ou les systèmes de type GPT affichent certes des « poches de performance doctorale » – en pliage de protéines, en imagerie médicale ou en résolution de problèmes complexes. Pourtant, ces mêmes outils échouent à des tâches de raisonnement élémentaire, incapables d’apprentissage continu, et commettent des erreurs grossières qu’un·e chercheur·se humain·e ne ferait jamais. Selon lui, une véritable Intelligence Artificielle Générale (IAG) – capable d’apprendre de manière flexible à travers différents domaines – n’est pas pour avant 5 à 10 ans. Ce que cela implique pour la recherche et la santé Ces limites ne signifient pas que l’IA n’a pas sa place dans notre travail. Elles nous rappellent simplement comment l’utiliser : de manière responsable et stratégique. Points clés à retenir : Applications concrètes par discipline Domaine Avantages actuels de l’IA Limites / Risques Recherche médicale Prédiction de structures protéiques (ex. AlphaFold) ; accélération de la découverte de médicaments ; diagnostics par imagerie.   Erreurs de généralisation ; raisonnement opaque ; biais dans les données. Thérapie & Psychologie Rédaction de supports thérapeutiques ; génération de scénarios comportementaux ; transcription de séances.   Risque de dépendance excessive ; erreurs dans des contextes délicats. Éducation spécialisée Création de contenus différenciés ; suivi des progrès ; supports d’apprentissage accessibles. Recommandations potentiellement inadaptées sans contexte. Perspectives d’avenir Même sans IAG, les outils actuels peuvent accélérer considérablement les processus et renforcer l’expertise humaine. Mais l’avertissement de Hassabis reste valable : l’IA n’est pas un substitut à l’intelligence humaine, mais un partenaire dans le progrès. En tant que chercheur·se·s et clinicien·ne·s, notre responsabilité est double : Dans nos prochains numéros, nous explorerons des cas concrets d’intégration de l’IA en recherche, avec des exemples tirés de la thérapie et des sciences médicales. Références

L’intelligence artificielle (IA) ne se contente pas d’accélérer la recherche scientifique : elle en transforme les processus, les possibilités et les défis. Pour les thérapeutes, chercheurs et éducateurs, il est essentiel de comprendre ces changements, même si nous ne les appliquons pas encore directement. Voici un aperçu des récentes avancées et des tendances à surveiller. Les nouveautés en IA et recherche Les systèmes d’IA ne se limitent plus à un rôle d’assistance : ils commencent à formuler des hypothèses, concevoir des expériences, analyser des données et même rédiger des rapports scientifiques avec une intervention humaine minimale. Par exemple, l’étude From AI for Science to Agentic Science (Wei et al., 2025) montre comment l’IA évolue vers une forme d’« agentivité » dans la découverte scientifique, passant d’un outil d’aide à un véritable partenaire de recherche. arXiv Un autre exemple est The AI Scientist-v2, qui a soumis des manuscrits entièrement générés par IA à des ateliers de révision par les pairs. Bien qu’une supervision humaine reste nécessaire, cette avancée marque un tournant : l’IA réalise désormais des tâches autrefois réservées aux humains. arXiv L’efficacité de l’IA dépend étroitement des données : plus elles sont nombreuses, riches et variées (texte, image, vidéo, génomique), et mieux les outils informatiques les traitent. On observe ainsi l’émergence de supercalculateurs dédiés à la recherche en IA (comme Doudna au Berkeley Lab) et d’investissements dans des « environnements tests prêts pour l’IA », où les chercheurs peuvent expérimenter en toute sécurité. AP News+1 Cependant, l’augmentation rapide de la taille des modèles d’IA (jeux de données, puissance de calcul) soulève des questions sur leur efficacité et leur coût environnemental. Stanford HAI Face à l’explosion des publications scientifiques, l’IA aide les chercheurs à trier la littérature plus rapidement. Des outils émergent pour identifier les revues prédatrices, repérer les pratiques de citation problématiques ou détecter les biais dans les études. Crescendo.ai+1 Des « assistants de recherche virtuels » sont également en développement (par exemple à Oxford), réduisant la charge de travail en filtrant les pistes prometteuses dans de vastes ensembles de données (comme les signaux astronomiques), permettant aux scientifiques de se concentrer sur l’essentiel. Windows Central Ce que cela signifie pour nous (thérapeutes, éducateurs et chercheurs) — « Et alors ? » À surveiller dans les prochains numéros Voici quelques thèmes que je compte approfondir : Références

Claude, développé par Anthropic, est l’un des modèles de langage les plus avancés (LLM). Ses évolutions récentes offrent des opportunités pertinentes pour les domaines de la thérapie, de l’éducation spécialisée, de la psychologie et des disciplines connexes. Voici un résumé des dernières mises à jour de Claude, ainsi que des idées (et des précautions) pour une utilisation professionnelle adaptée. Nouvelles fonctionnalités de Claude En milieu d’année 2025, Anthropic a lancé deux modèles améliorés : Claude Opus 4 et Claude Sonnet 4. Ces versions offrent un raisonnement plus poussé, une meilleure intégration d’outils externes et une compréhension plus précise des consignes. Anthropic+2Google Cloud+2 Elles permettent également un « raisonnement étendu » (travail avec des outils externes, analyse en arrière-plan) et une mémoire accrue du contexte utilisateur. De plus, leurs capacités en codage et en analyse via les outils API sont renforcées. Anthropic Claude Sonnet 4 (pour les utilisateurs de l’API) peut désormais gérer une fenêtre de contexte de 1 million de tokens (un token correspond à un fragment de mot ou un mot court ; 1 million de tokens équivaut à des milliers de pages). Cela permet d’intégrer des textes plus longs (comptes rendus, rapports, travaux antérieurs) comme contexte, améliorant ainsi la continuité et réduisant la nécessité de réexpliquer le contexte à chaque interaction. TechCrunch Claude a introduit ou amélioré des fonctionnalités permettant de mémoriser les conversations passées, les préférences des utilisateurs, les fichiers ou projets téléchargés, etc. Ces fonctionnalités sont optionnelles (il est possible de désactiver la mémoire), mais elles peuvent être très utiles pour un suivi continu (par exemple, pour suivre les progrès ou affiner les objectifs au fil du temps). The Verge Les nouveaux outils éducatifs de Claude (comme Claude for Education) ne se contentent pas de fournir des réponses directes : ils guident les utilisateurs dans leur raisonnement, posent des questions et favorisent une compréhension approfondie (style socratique). Venturebeat+1 Claude intègre désormais des mécanismes pour limiter les interactions nuisibles ou abusives, y compris la possibilité de mettre fin aux conversations qui violent les normes de sécurité. Les options de confidentialité (comme les modes incognito ou sans mémoire) sont également renforcées. The Verge+1 Comment ces fonctionnalités peuvent nous aider ? Voici des applications concrètes pour les orthophonistes, ergothérapeutes, éducateurs spécialisés et psychologues, ainsi que les précautions à prendre : Fonction / Tâche Comment Claude peut aider Points de vigilance et bonnes pratiques Planification d’objectifs / PPS Rédaction ou affinement d’objectifs pour les Projets Personnalisés de Scolarisation (PPS), génération de stratégies basées sur des preuves pour des objectifs en langage, motricité fine, fonctions exécutives, etc. Grâce à sa mémoire contextuelle, Claude peut conserver les détails du profil de l’élève pour assurer une cohérence.   Toujours relire attentivement les propositions. Vérifier que le langage respecte les normes légales et réglementaires. Adapter les suggestions au cas individuel. Ne pas utiliser l’IA pour poser un diagnostic. Anonymiser les données sensibles.   Création de supports thérapeutiques Génération de stimuli thérapeutiques : histoires sociales, supports visuels, fiches d’activités, scripts de pratique, prompts pour l’articulation ou le langage, textes adaptés. La fenêtre de contexte élargie permet de créer des séquences complexes (par exemple, une série de séances) sans avoir à recharger les matériaux.   Vérifier l’exactitude, l’adéquation culturelle et le niveau de développement. Éviter les contenus trop génériques. Adapter avec un regard humain.   Suivi des progrès et analyse de données   Aide à la rédaction de rapports de progression, analyse de données (par exemple, logs de performance ou scores d’évaluation), identification de tendances, suggestions de modifications dans les plans thérapeutiques. Avec son raisonnement amélioré, Claude peut proposer des interventions alternatives en cas de stagnation.   Éviter de surinterpréter les suggestions de l’IA. Garantir la qualité des données. Conserver la responsabilité humaine dans les décisions.   Soutien à l’apprentissage et à la généralisation   Utilisation des modes d’apprentissage pour aider les élèves à réfléchir : plutôt que de donner des réponses, Claude peut structurer le raisonnement, guider les stratégies métacognitives ou soutenir la rédaction de réflexions. Pour les psychologues, il peut aider à la psychoéducation (par exemple, aider les élèves avec un TDAH à planifier des tâches).   S’assurer que l’élève apprend le processus et ne contourne pas la réflexion. Surveiller les biais ou contenus inappropriés. Vérifier les informations, surtout si elles sont médicales ou psychologiques.   Efficacité administrative et documentation   Utilisation des outils de Claude pour créer des documents formatés, des comptes rendus, des plans thérapeutiques, des synthèses de réunions ou des rapports adaptés aux parents. La mémoire et le contexte élargi aident à maintenir des détails cohérents sans répéter les informations de base.   Toujours vérifier l’exactitude des documents. Respecter les politiques de confidentialité et de protection des données. Vérifier que l’utilisation des données est conforme aux lois en vigueur.   Précautions et considérations éthiques À tester prochainement Références Anthropic. (2025, May 22). Introducing Claude 4. https://www.anthropic.com/news/claude-4 Anthropic Anthropic. (2025, August 12). Claude Sonnet 4 model now has a 1 million token context window. TechCrunch. TechCrunch Anthropic. (2025, August 11). Claude AI memory upgrade & incognito mode. The Verge. The Verge Anthropic. (n.d.). Claude for Education: Reimagining AI’s Role in K-12 Learning. Eduscape. Eduscape

En matière de santé cérébrale, le timing n’est pas seulement important—il est tout. Une avancée récente en Angleterre montre à quel point l’intelligence artificielle peut être transformative lorsque la rapidité et la précision font la différence entre un handicap permanent et une récupération significative. Le NHS (système de santé britannique) a introduit un outil basé sur l’IA dans les 107 centres de traitement des AVC en Angleterre. Cet outil analyse les scanners cérébraux en moins d’une minute, permettant aux médecins d’identifier instantanément le type et la gravité d’un AVC. Les résultats sont impressionnants : le temps de traitement moyen est passé de 140 minutes à 79 minutes, et la proportion de patients récupérant avec peu ou pas de séquelles a presque triplé, passant de 16 % à 48 % (The Guardian, 2025). Pourquoi les Thérapeutes Devraient Prêter Attention Bien que la plupart d’entre nous ne travaillions pas dans des services d’urgence, la leçon s’applique puissamment à notre domaine : plus l’intervention est précoce, meilleurs sont les résultats. Tout comme le dicton « time is brain » (le temps, c’est du cerveau) en matière d’AVC, le temps, c’est du potentiel en thérapie développementale. Pour les enfants présentant des retards de langage, des troubles du spectre autistique (TSA), un TDAH ou une dyslexie, l’intervention précoce est prouvée pour redéfinir les trajectoires développementales. Les recherches montrent systématiquement que les enfants recevant une thérapie ciblée tôt présentent de meilleurs résultats en communication, en socialisation et en apprentissage, comparés à ceux qui commencent plus tard. En thérapie de la déglutition, détecter un problème d’alimentation avant qu’il ne s’aggrave peut éviter des hospitalisations et améliorer la santé nutritionnelle. Le succès de l’IA dans la prise en charge des AVC nous rappelle deux choses : Parallèles pour la Thérapie Imaginez un assistant IA qui analyse rapidement un échantillon de parole d’un enfant et met en évidence, en quelques minutes, les processus phonologiques ou les erreurs syntaxiques—libérant ainsi du temps pour le thérapeute afin qu’il se concentre sur l’intervention directe. Ou un système qui vous alerte lorsque les schémas d’attention d’un client, enregistrés sur plusieurs séances, suggèrent la nécessité d’un changement de stratégie. Comme l’outil du NHS pour les AVC, ces systèmes ne « feraient pas la thérapie » à notre place, mais ils pourraient nous fournir des informations plus rapidement, nous permettant d’agir au moment où cela compte le plus. Intégration Éthique : Les Mesures de Sécurité Essentielles Le modèle du NHS nous enseigne également comment intégrer l’IA en toute sécurité : elle travaille avec les cliniciens, pas à leur place. Pour la thérapie, cela signifie : Boîte à Outils : « Intégrer l’IA de Manière Efficace en Thérapie» Voici quatre questions pour guider une utilisation sûre et efficace de l’IA dans votre pratique : Réflexions Finales L’histoire du NHS est inspirante, non seulement en raison de son impact immédiat sur la sauvegarde de vies, mais aussi parce qu’elle montre comment l’IA et les cliniciens peuvent collaborer. Pour nous, thérapeutes, la leçon est claire : lorsque les interventions sont plus précoces, les vies changent plus profondément. Avec l’IA comme partenaire—et non comme substitut—nous pourrions apporter un soutien opportun à encore plus de clients qui en ont besoin.

L’IA progresse plus vite que la réglementation ne peut suivre, et la santé mentale se trouve désormais au cœur de ce débat. En août 2025, l’Illinois est devenu le troisième État américain (après l’Utah et le Nevada) à interdire l’utilisation de l’IA dans la prise de décision thérapeutique. La loi interdit aux thérapeutes agréés d’utiliser l’IA pour le diagnostic, la planification du traitement ou la communication directe avec les clients. Les entreprises sont également empêchées de commercialiser des services de « thérapie par IA » qui contournent les professionnels agréés (Washington Post, 2025 ; NY Post, 2025).Cette mesure reflète des préoccupations croissantes concernant la « Hallucination induite par l’IA », la désinformation et le manque de responsabilité lorsque des personnes vulnérables se tournent vers des chatbots pour une thérapie. Pourquoi Cela Concerne Tous les ThérapeutesMême si vous n’exercez pas en Illinois, les effets d’entraînement sont considérables. Les réglementations commencent souvent localement avant de s’étendre à l’échelle nationale—voire mondiale. Cela soulève des questions clés pour nous tous : • Où se situe la limite entre une utilisation acceptable de l’IA (par exemple, le soutien administratif, la prise de notes, la planification) et une utilisation clinique interdite ? • Comment garantir la transparence lors de l’utilisation de ressources générées par l’IA ? • Quelles garanties protègent nos clients de l’idée que les outils d’IA sont des substituts aux soins dispensés par des professionnels agréés ? Ce Qui Reste AutoriséIl est important de noter que la loi de l’Illinois n’interdit pas totalement l’IA. Les thérapeutes peuvent toujours l’utiliser pour : Responsabilité des Thérapeutes : Transparence et LimitesAvec ou sans réglementation, les thérapeutes doivent : La Perspective Globale : Plaidoyer et Éthique Si certains perçoivent ces interdictions comme excessivement restrictives, elles reflètent des préoccupations réelles concernant la sécurité des clients et la désinformation. Plutôt que de rejeter l’IA en bloc, les thérapeutes peuvent jouer un rôle de plaidoyer—en aidant à façonner des politiques qui trouvent un équilibre entre innovation et protection.On peut imaginer un avenir où les régulateurs, les cliniciens et les développeurs collaborent pour définir des « zones sûres » d’utilisation de l’IA en thérapie. Par exemple, l’IA pourrait continuer à soutenir les thérapeutes dans l’organisation des données, les signaux de dépistage précoce et le suivi des progrès—tandis que les humains resteraient les seuls décideurs finaux. Feuille de Route : « Utiliser l’IA Sans Franchir la Ligne »Voici une vérification en trois étapes pour une utilisation éthique de l’IA : Réflexions FinalesL’interdiction de l’Illinois ne vise pas à bloquer la technologie, mais à tracer des limites plus claires pour protéger les clients vulnérables. Pour les thérapeutes, le message est simple : l’IA peut être un outil, mais jamais le thérapeute. À mesure que le paysage juridique évolue, rester proactif, transparent et éthique garantira que nous maintenons à la fois l’innovation et l’humanité au cœur de notre pratique.

Quand l’IA intervient… et quand elle franchit les limites Ces derniers mois, les chatbots d’IA comme ChatGPT ont gagné en popularité comme source de soutien en santé mentale, grâce à leur accessibilité, leur coût réduit et leur réactivité immédiate. Bien que ces outils puissent offrir une aide précieuse, des incidents préoccupants ont révélé leurs limites et rappelé qu’ils ne sauraient se substituer à des professionnels de santé mentale formés. Des cas réels qui alertent Des événements récents ont mis en lumière les dangers d’une IA non supervisée en santé mentale : Ces exemples rappellent de manière saisissante que, si l’IA peut simuler une empathie, elle manque cruellement de compréhension nuancée, de jugement éthique et de capacité à gérer les crises des compétences intrinsèques à une prise en charge humaine. Les avantages… et l’équilibre nécessaire Malgré ces risques, les outils d’IA présentent des bénéfices réels : Cependant, ces avantages dépendent d’un usage encadré, de limites claires et d’une supervision professionnelle. Risques et enjeux éthiques Les limites de l’IA sont évidentes : Face à ces défis, plusieurs États ont commencé à réglementer l’usage thérapeutique de l’IA, exigeant: Les développeurs ont aussi un rôle clé : Les thérapeutes, quant à eux, doivent : Synthèse : l’IA, un outil et non un remplaçant Les chatbots présentent un potentiel pour élargir l’accès aux ressources en santé mentale, notamment au bénéfice des populations sous‑desservies. Cependant, des événements récents ont souligné les dangers liés à une utilisation non encadrée. Il est donc crucial de mettre en place une régulation appropriée, d’impliquer les cliniciens, d’adopter une conception éthique et de sensibiliser le public, afin que l’intelligence artificielle complète, sans supplanter, la relation humaine, fondement de l’efficacité thérapeutique. Références

Les maladies neurodégénératives, telles que la maladie d’Alzheimer et la maladie de Parkinson, représentent un défi croissant à l’échelle mondiale, notamment avec le vieillissement des populations. La détection précoce est essentielle : plus ces affections sont identifiées tôt, plus les interventions peuvent être efficaces. L’intelligence artificielle (IA) émerge rapidement comme un allié transformateur pour les cliniciens — non pour remplacer leur expertise, mais pour améliorer la prise de décision, l’efficacité et la qualité des soins centrés sur le patient. Un domaine en pleine expansion : l’IA dans la recherche sur les maladies neurodégénératives La recherche sur les applications de l’IA dans les maladies neurodégénératives a connu une croissance exponentielle au cours de la dernière décennie. Une revue bibliométrique analysant plus de 1 400 publications de 2000 à début 2025 révèle une augmentation significative des études depuis 2017, portée par les avancées en apprentissage profond, réseaux de neurones et intégration de données multimodales. Les États-Unis et la Chine dominent en nombre de publications, tandis que le Royaume-Uni produit les études les plus citées (Zhang et al., 2025). Cette dynamique montre que l’IA n’est plus une innovation lointaine, mais qu’elle redéfinit activement la recherche et la pratique clinique aujourd’hui. Détection précoce : révéler des signaux subtils L’une des contributions les plus prometteuses de l’IA réside dans l’identification précoce des maladies neurodégénératives, souvent avant l’apparition des signes cliniques traditionnels. L’Alzheimer’s Disease Neuroimaging Initiative (ADNI) a démontré que l’application de l’apprentissage profond aux scanners IRM et autres biomarqueurs permet de détecter la maladie d’Alzheimer avec une précision supérieure à 95 %, et les troubles cognitifs légers avec une précision de plus de 82 % (ADNI, 2025). Des revues narratives suggèrent que les modèles multimodaux et longitudinaux surpassent les approches unimodales, offrant des perspectives pronostiques puissantes. Cependant, leur intégration en pratique clinique et l’amélioration de leur interprétabilité restent des défis majeurs pour les chercheurs (Rudroff et al., 2024). L’intelligence artificielle est également appliquée de façon non invasive et innovante. Par exemple, l’imagerie ophtalmologique assistée par IA peut détecter l’amincissement de la couche des fibres nerveuses rétiniennes, un biomarqueur de la maladie de Parkinson, avec une précision diagnostique atteignant une AUC de 0,918 (Tukur et al., 2025). L’intégration de données génétiques, d’imagerie et cliniques via l’IA pourrait révolutionner la détection et la prise en charge, permettant aux cliniciens d’intervenir plus tôt et avec plus de précision (Mikić et al., 2025). Au-delà de la détection : soutenir les cliniciens et améliorer les soins L’apport de l’IA ne se limite pas au diagnostic. Les tâches administratives, en particulier la documentation, contribuent fortement à l’épuisement professionnel des cliniciens, réduisant le temps disponible pour les patients. L’IA permet d’optimiser ces processus. Par exemple, une étude réalisée par le Mass General Brigham a révélé que l’utilisation de systèmes de documentation ambiante assistés par intelligence artificielle diminuait l’épuisement professionnel des médecins de 21,2 %, parallèlement à une amélioration de 30,7 % du bien-être associé à la documentation sur une période de quelques mois (Mass General Brigham, 2025). De même, les assistants de rédaction IA du Permanente Medical Group ont permis d’économiser près de 15 800 heures de documentation en un an, permettant aux cliniciens de se concentrer davantage sur les soins aux patients (Permanente Medical Group, 2025). La Cleveland Clinic a rapporté que l’IA a réduit le temps moyen de documentation de deux minutes par consultation, améliorant les interactions sans compromettre la précision (Cleveland Clinic, 2025). Ces exemples illustrent un principe central : l’IA ne remplace pas les soins humains, mais les renforce, libérant l’énergie mentale des cliniciens pour les aspects relationnels et empathiques de la thérapie. L’IA risque-t-elle de ralentir l’activité clinique ? Certains experts mettent en garde contre une dépendance excessive à l’IA, qui pourrait éroder les compétences diagnostiques ou réduire la transparence des décisions cliniques (Patel, 2025). Pourtant, la neuroscience offre une analogie utile : comme le cerveau s’adapte à la maladie en se réorganisant en réseaux neuronaux plus efficaces, l’IA agit en prenant en charge les tâches répétitives, permettant aux cliniciens de conserver leurs ressources cognitives pour le raisonnement critique, l’empathie et la connexion thérapeutique. Une supervision par des professionnels formés garantit que l’IA reste un outil, et non un substitut. Intégrer l’IA de manière réfléchie et éthique Pour que l’IA tienne ses promesses de manière responsable, certains standards doivent être respectés : Lors de l’instauration de mécanismes de contrôle appropriés, l’intelligence artificielle agit comme un amplificateur de l’expertise humaine plutôt que comme un substitut, en assistant les cliniciens dans la prestation de soins à la fois plus précis, plus efficaces et plus empathiques. Conclusion L’IA transforme progressivement le paysage des soins neurodégénératifs — de la détection précoce et la modélisation prédictive à la réduction de la charge administrative. Son objectif n’est pas de remplacer les cliniciens, mais de les outiller pour détecter les maladies plus tôt, travailler plus efficacement et maintenir une approche centrée sur le patient. En intégrant l’IA de manière réfléchie dans la pratique clinique, nous pouvons préserver l’aspect le plus important de la thérapie : la connexion entre le clinicien et le patient. Références Alzheimer’s Disease Neuroimaging Initiative. (2025). Diagnosis and prediction of Alzheimer’s from neuroimaging using deep learning. Wikipedia. https://en.wikipedia.org/wiki/Alzheimer%27s_Disease_Neuroimaging_Initiative Cleveland Clinic. (2025, August). Less typing, more talking: AI reshapes clinical workflow at Cleveland Clinic. Cleveland Clinic Consult QD. https://consultqd.clevelandclinic.org/less-typing-more-talking-how-ambient-ai-is-reshaping-clinical-workflow-at-cleveland-clinic Mass General Brigham-led study. (2025, August 21). Ambient documentation technologies reduce physician burnout and restore ‘joy’ in medicine. Mass General Brigham Press Release. https://www.massgeneralbrigham.org/…burnout Mikić, M., et al. (2025). Public hesitancy for AI-based detection of neurodegenerative disorders. Scientific Reports. https://www.nature.com/articles/s41598-025-11917-8 Patel, A. (2025). The case for slowing down clinical AI deployment. Chief Healthcare Executive. https://www.chiefhealthcareexecutive.com/…deployment-viewpoint Permanente Medical Group. (2025, June). AI scribes save 15,000 hours—and restore the human side of medicine. AMA News Wire. https://www.ama-assn.org/…medicine Rudroff, T., Rainio, O., & Klén, R. (2024). AI for the prediction of early stages of Alzheimer’s disease from neuroimaging biomarkers—A narrative review of a growing field. arXiv. https://arxiv.org/abs/2406.17822 Tukur, H. N., et al. (2025). AI-assisted ophthalmic imaging for early detection of neurodegenerative diseases. International Journal of