French

Des informations récentes indiquent que le nouveau système d’IA d’OpenAI, Astra, aurait résolu plusieurs problèmes mathématiques complexes. Ses solutions auraient été vérifiées par Lean, un logiciel capable de contrôler chaque étape d’une démonstration. Cette avancée soulève une question importante pour les thérapeutes : si l’IA peut résoudre des problèmes qui dépassent les capacités humaines, pourrait-elle aussi améliorer les décisions en matière de diagnostic et de traitement ? L’IA pourrait devenir un outil précieux dans le domaine de la santé. Elle est capable d’analyser rapidement de grandes quantités d’informations, comme les symptômes, les études scientifiques, les résultats des traitements ou les dossiers des patients. En thérapie, elle pourrait aider à repérer certains schémas, à suggérer des questions pour approfondir l’évaluation ou à attirer l’attention du clinicien sur des éléments parfois négligés. Elle pourrait également contribuer à élaborer des interventions davantage personnalisées. Cependant, le diagnostic en thérapie ne se résume pas à une analyse technique ou mathématique. Chaque patient est une personne unique, dont les émotions et les comportements peuvent être influencés par les traumatismes, les relations familiales, la culture, la langue, le stress, l’état de santé physique, le handicap ou les conditions sociales. Deux personnes présentant des symptômes similaires peuvent ainsi avoir besoin d’un accompagnement très différent. L’IA peut identifier des schémas, mais elle ne saisit pas toujours leur signification personnelle. L’IA peut proposer un diagnostic ou un traitement qui semble efficace au regard des études disponibles. Toutefois, ses recommandations ne doivent jamais remplacer l’expertise et le jugement du thérapeute. Elle peut se tromper lorsque les informations sont incomplètes, inexactes ou biaisées. Elle risque également de mal interpréter certaines différences culturelles ou de considérer comme pathologiques des réactions normales face à des événements de vie difficiles. Le rôle du thérapeute évoluera donc, mais il ne disparaîtra pas. Les professionnels pourront utiliser l’IA pour organiser les informations et appuyer leur réflexion clinique. Ils devront néanmoins vérifier l’exactitude des données, les expliquer aux patients et déterminer si elles correspondent réellement à leur situation. Ils resteront responsables de l’écoute, de l’empathie, de la relation de confiance et de l’adaptation du traitement aux besoins de chacun. La relation thérapeutique demeure au cœur des soins. Les patients progressent souvent parce qu’ils se sentent en sécurité, respectés et compris. L’IA peut analyser des paroles, des comportements ou des données cliniques, mais elle ne peut remplacer une présence humaine authentique. Un ordinateur peut suggérer un traitement ; c’est le thérapeute qui aide le patient à le comprendre, à l’accepter et à l’appliquer dans sa vie quotidienne. Cette évolution soulève également d’importantes questions éthiques. Les systèmes d’IA sont parfois entraînés à partir de données qui représentent mal certaines cultures, langues, tranches d’âge ou situations de handicap. Leurs recommandations peuvent aussi être difficiles à expliquer ou à justifier. Les thérapeutes doivent donc protéger la confidentialité des patients, éviter de transmettre des informations personnelles sans garanties suffisantes et rester pleinement responsables des décisions prises avec l’aide de l’IA. L’avenir de la thérapie reposera probablement sur une collaboration étroite entre les professionnels et l’IA. Celle-ci pourrait devenir un assistant puissant, capable d’aider les thérapeutes à gérer les informations et à suivre les avancées de la recherche. Elle doit toutefois éclairer le jugement clinique, et non s’y substituer. Les thérapeutes resteront responsables de comprendre chaque patient dans sa globalité et de prendre les décisions avec lui. L’IA peut résoudre des problèmes mathématiques complexes, mais la thérapie ne consiste pas simplement à trouver la bonne réponse. Elle exige de la compassion, une communication authentique, un jugement éthique et une compréhension profonde de l’expérience humaine. Le rôle des thérapeutes sera donc d’utiliser l’IA avec discernement, tout en préservant la relation humaine qui demeure au cœur des soins.

L’intelligence artificielle (IA) est de plus en plus utilisée dans la recherche en santé. Elle peut analyser des dossiers médicaux, des images, la parole et d’autres informations de santé. Elle peut également contribuer aux revues de la littérature, à la rédaction, à l’analyse des données, au diagnostic et à la planification des traitements. Bien que l’IA puisse améliorer la recherche et les soins, elle soulève également d’importantes questions éthiques concernant la vie privée, l’équité, la sécurité et la responsabilité humaine. Par exemple, un système d’IA peut être conçu pour identifier une dépression à partir de la parole d’une personne. Même si le système semble précis, les chercheurs doivent se demander si les participants ont compris l’usage qui serait fait de leurs enregistrements. Ils doivent également déterminer si le système fonctionne aussi bien pour différentes langues, cultures, tranches d’âge et situations de handicap. Ces questions montrent pourquoi la recherche en IA nécessite une évaluation éthique rigoureuse. L’Organisation mondiale de la Santé (OMS, 2026) explique que la recherche en IA doit être évaluée tout au long de l’étude, et pas uniquement au début. Les systèmes d’IA peuvent évoluer lorsque de nouvelles données sont ajoutées, et leurs résultats peuvent être difficiles à expliquer. Les chercheurs doivent continuer à vérifier les erreurs, les risques inattendus, les problèmes de confidentialité ainsi que les écarts entre les résultats obtenus dans le cadre de la recherche et la pratique clinique réelle. Les principes éthiques fondamentaux demeurent essentiels. Les chercheurs doivent respecter les personnes, éviter de leur nuire, favoriser les bénéfices potentiels et traiter les différents groupes de manière équitable. Ils doivent expliquer clairement comment les données de santé seront recueillies, conservées, partagées et utilisées. Ils doivent également protéger les participants contre la discrimination, la stigmatisation, les informations erronées et les décisions cliniques dangereuses. L’équité constitue un enjeu majeur. Un système d’IA peut fonctionner correctement pour un groupe, mais moins bien pour un autre. Par exemple, un système entraîné principalement à partir de données provenant d’adultes anglophones peut être moins performant auprès des enfants, des personnes âgées, des personnes en situation de handicap ou de personnes issues d’autres contextes culturels. Les chercheurs doivent utiliser des données diversifiées et indiquer clairement dans quels contextes le système est performant et quelles sont ses limites. Ces questions sont particulièrement importantes dans les pays à revenu faible ou intermédiaire. Les données peuvent être recueillies auprès de communautés locales, puis utilisées par des organisations situées dans d’autres pays. Les communautés qui fournissent ces données peuvent bénéficier de peu de retombées et exercer un contrôle limité sur leur utilisation. Une recherche éthique devrait inclure des chercheurs locaux, la participation des communautés, un partage équitable des bénéfices, la formation et le renforcement durable des capacités. Les chercheurs doivent également décrire clairement la manière dont l’IA a été utilisée. Ils doivent préciser l’outil employé, son objectif, les données concernées et les méthodes utilisées pour vérifier les erreurs. Des données de mauvaise qualité ou incomplètes peuvent produire des résultats injustes ou dangereux. Les chercheurs doivent donc examiner non seulement la précision globale, mais aussi la sécurité, l’utilité, la transparence et les performances du système auprès de différents groupes. L’IA peut aider les comités d’éthique à repérer les risques liés à la confidentialité, les informations manquantes ou les biais potentiels. Elle ne doit toutefois pas remplacer le jugement humain. L’évaluation éthique nécessite de comprendre les droits, les valeurs, les cultures et les expériences des personnes. Les thérapeutes et les autres professionnels de santé doivent se demander comment un outil d’IA a été développé, s’il a été testé auprès de leurs patients et qui est responsable lorsqu’il commet une erreur. L’IA peut contribuer à améliorer la recherche, à favoriser un diagnostic plus précoce et à renforcer les services de santé, mais ses bénéfices ne sont pas automatiques. Une utilisation responsable exige la protection de la vie privée, la promotion de l’équité, la transparence, des données de qualité ainsi qu’une supervision humaine continue. La question essentielle n’est pas seulement de savoir si l’IA fonctionne, mais si elle fonctionne de manière sûre et équitable, tout en soutenant, et non en remplaçant, le jugement professionnel et la qualité des soins. Référence Organisation mondiale de la Santé. (2026). Artificial intelligence-related health research: Ethics review and oversight. Organisation mondiale de la Santé.

L’intelligence artificielle générative joue un rôle croissant dans le domaine de la santé. Elle offre aux thérapeutes de nouvelles possibilités pour préparer des ressources cliniques, organiser leurs idées et soutenir des interventions individualisées. Des outils tels que ChatGPT peuvent contribuer à la conception d’activités thérapeutiques, à l’accompagnement des aidants, à la communication professionnelle et à la planification des séances. Toutefois, l’IA doit soutenir l’expertise clinique, le jugement éthique et la relation thérapeutique, et non s’y substituer. Nous sommes heureux de présenter une formation pratique consacrée à l’IA, conçue pour les thérapeutes et les professionnels de santé. Le programme explorera les modalités d’utilisation de l’IA générative en thérapie, de manière sûre et efficace, en mettant l’accent sur des applications cliniques concrètes. Les participants apprendront à intégrer l’IA dans leur pratique professionnelle tout en préservant une approche fondée sur les données scientifiques et des soins individualisés. L’ingénierie des prompts appliquée à la pratique thérapeutique constitue un volet central de la formation. Les participants apprendront à formuler des prompts clairs et précis afin d’obtenir des résultats plus pertinents et personnalisés. Ils découvriront également comment créer des supports thérapeutiques destinés aux enfants, aux adolescents et aux adultes, notamment des activités, des supports visuels, des scénarios sociaux, des ressources de régulation émotionnelle et des explications accessibles aux aidants, adaptées aux différents besoins cliniques. L’éthique et la confidentialité sont au cœur d’une utilisation responsable de l’IA. La formation abordera la protection des données des patients, les limites professionnelles, la prise de décision éclairée et, le cas échéant, la conformité à la réglementation HIPAA. Les thérapeutes apprendront à réduire les risques liés à la confidentialité, à repérer les informations inexactes ou biaisées et à examiner de manière critique tout contenu généré par l’IA avant de l’utiliser dans leur pratique clinique. Le programme s’adresse aux orthophonistes, aux ergothérapeutes, aux kinésithérapeutes, aux psychologues et aux autres professionnels de santé. À partir d’exemples pratiques et de situations cliniques, les participants développeront les connaissances et la confiance nécessaires pour déterminer quand l’IA peut être utile, quand un contenu doit être modifié et quand le jugement professionnel doit primer. Les participants obtiendront 11 points de DPC, le programme étant certifié ou reconnu par le ministère de la Santé des Émirats arabes unis. Cette formation vise à aider les cliniciens à utiliser l’IA de manière sûre, réfléchie et efficace, tout en plaçant la confidentialité, la responsabilité et le bien-être des patients au centre de leur pratique. L’IA générative pourrait devenir un élément précieux des pratiques cliniques modernes, mais son efficacité dépendra d’une supervision humaine responsable. Les thérapeutes doivent questionner, vérifier et adapter chaque réponse générée par l’IA en s’appuyant sur leurs propres connaissances professionnelles. Pour les cliniciens souhaitant franchir une nouvelle étape vers une thérapie intégrant l’IA, cette formation offre des bases pratiques et éthiques favorisant une innovation porteuse de sens.

Microsoft a rendu accessible en open source un nouveau système de génération 3D. Cela signifie que les chercheurs, les développeurs et les studios peuvent accéder au modèle, à son code et aux informations relatives à son entraînement. Ils peuvent l’exécuter localement et l’adapter à différents projets. Le système peut créer des objets tridimensionnels à partir d’images et les exporter pour une utilisation dans des logiciels tels que Blender et Unreal Engine. Le système est également très rapide. Microsoft indique qu’il peut créer, en environ trois secondes, un objet 3D de 5123 (un modèle tridimensionnel très détaillé composé d’une grille de 512×512×512 petits points appelés voxels) lorsqu’il est utilisé sur un ordinateur puissant équipé d’un processeur NVIDIA H100. Les objets plus grands et plus détaillés peuvent nécessiter entre 17 et 60 secondes. Toutefois, cette technologie requiert un équipement coûteux, Linux ainsi qu’une carte graphique NVIDIA disposant d’au moins 24 Go de mémoire. Pour les thérapeutes, la génération 3D pourrait offrir de nouvelles possibilités pour créer des supports visuels et interactifs. Un ergothérapeute pourrait, par exemple, créer un modèle de chaise, d’ustensile de cuisine, de fauteuil roulant ou de salle de bains. Ce modèle pourrait aider les patients à comprendre les enjeux de sécurité, à s’exercer aux activités de la vie quotidienne ou à réfléchir aux aménagements de leur environnement domestique. Les modèles tridimensionnels peuvent être particulièrement utiles aux patients qui apprennent plus facilement à partir d’images et d’objets qu’à partir d’explications orales. Les thérapeutes pourraient les utiliser pour montrer comment tenir un objet, se déplacer dans une pièce ou utiliser un dispositif d’assistance. Cela pourrait notamment soutenir les enfants et les personnes présentant des difficultés de communication, des troubles cognitifs ou des difficultés d’apprentissage. Cette technologie pourrait également contribuer à l’enseignement et à la recherche. Les étudiants et les professionnels pourraient créer des logements, des lieux de travail ou des espaces collectifs virtuels afin d’étudier l’accessibilité, l’équilibre, la mobilité, l’attention et la résolution de problèmes. Toutefois, un modèle d’apparence réaliste n’est pas nécessairement exact. L’IA peut générer des objets dont les dimensions, les formes ou certains détails sont incorrects ; les thérapeutes doivent donc vérifier chaque modèle avant de l’utiliser. L’accès open source peut permettre aux chercheurs d’étudier le système plus précisément et de décrire la manière dont il a été utilisé. Néanmoins, le caractère open source ne signifie pas que cette technologie est automatiquement sûre ou validée sur le plan clinique. Les résultats dépendent de l’image utilisée, des instructions fournies et du processus de modification. La protection de la vie privée est également essentielle lors de l’utilisation de photographies de patients, d’images de leur domicile ou de scans corporels. Les thérapeutes restent responsables de toutes les décisions professionnelles. L’IA doit soutenir le jugement clinique, et non le remplacer. Les professionnels doivent documenter la manière dont chaque modèle a été créé, expliquer l’utilisation de l’IA lorsque cela est pertinent, protéger les informations relatives aux patients et s’assurer que le support final est compréhensible et adapté à la personne. Le système de génération 3D de Microsoft pourrait devenir utile en thérapie, dans l’enseignement et dans la recherche. Son intérêt réside dans sa capacité à aider les professionnels à créer plus facilement des supports personnalisés et interactifs. Une utilisation sûre nécessitera une vérification rigoureuse, une protection de la vie privée, une documentation claire ainsi que des recherches complémentaires sur ses bénéfices et ses limites.

L’intelligence artificielle peut désormais créer des images, des vidéos et des textes très réalistes. Auparavant, on recherchait des signes évidents, comme des mains étranges, des visages inhabituels, des fautes d’orthographe ou une écriture robotique. Ces signes peuvent encore apparaître, mais ils sont de moins en moins fiables. Les systèmes d’IA progressent rapidement et les utilisateurs peuvent également modifier les contenus générés par l’IA avant de les partager. De nombreuses personnes pensent être capables d’identifier les contenus générés par l’IA. Pourtant, les recherches montrent que cette tâche est souvent difficile. Lorsqu’il s’agit de déterminer si une image, une vidéo ou un texte a été créé par l’IA, les performances humaines peuvent dépassent à peine le niveau du hasard. Cela signifie que les thérapeutes, les enseignants et les chercheurs peuvent être convaincus de leur jugement tout en se trompant. Les décisions importantes ne devraient donc jamais reposer uniquement sur des impressions personnelles. Il est important de comprendre qu’un contenu inhabituel n’a pas nécessairement été créé par l’IA. Une écriture peut sembler différente parce qu’une personne utilise l’anglais comme deuxième langue, traduit ses idées ou adopte un style formel. Une image peut paraître étrange en raison d’un mauvais éclairage, d’une faible qualité ou de retouches importantes. Ces possibilités doivent être envisagées avant de tirer une conclusion. Les thérapeutes et les chercheurs doivent être conscients de deux risques principaux. Le premier consiste à faire trop rapidement confiance à un contenu généré par l’IA parce qu’il paraît professionnel ou semble formulé avec assurance. Le second consiste à soupçonner à tort un contenu authentique simplement parce qu’il paraît très travaillé ou inhabituel. Une accusation infondée peut nuire à un patient, à un élève, à un collègue ou à un participant de recherche, notamment lorsqu’elle a des conséquences sur les soins, la scolarité, l’emploi ou la réputation professionnelle. Une approche plus sûre consiste à chercher l’origine du contenu et à comprendre comment il a été créé. Lorsque cela est possible, les professionnels peuvent examiner le fichier original, sa date de création ainsi que les éventuels éléments retraçant les modifications qui lui ont été apportées. Il peut également être utile de comparer le contenu avec les notes cliniques, des travaux antérieurs, des observations directes ou d’autres informations fiables. Aucun indice isolé ne permet de prouver qu’un contenu est authentique ou qu’il a été généré par l’IA. Les outils de détection de l’IA peuvent parfois être utiles, mais ils ne doivent pas être considérés comme des arbitres définitifs. Ils peuvent, à tort, identifier comme étant générés par l’IA un texte rédigé par une personne, en particulier lorsque celui-ci est formel, simple, traduit ou écrit par quelqu’un qui utilise l’anglais comme langue supplémentaire. Ils peuvent également ne pas détecter un texte généré par l’IA qui a été modifié par une personne. Le résultat fourni par un outil de détection doit être considéré comme une invitation à approfondir les vérifications, et non comme une preuve. Cette question est particulièrement importante en thérapie. Un patient peut utiliser une image, une histoire ou un personnage généré par l’IA pour communiquer des émotions difficiles à exprimer directement. Le contenu peut ne pas décrire un événement réel, tout en représentant une expérience émotionnelle bien réelle. En revanche, si ce contenu sert à documenter des faits de maltraitance, une blessure, une situation préoccupante en matière de protection ou une question juridique, le thérapeute doit rechercher des éléments complémentaires et suivre les procédures professionnelles appropriées. L’IA peut également produire des notes cliniques, des synthèses, des courriers d’orientation et des projets de recherche. Même si le texte est fluide, les informations peuvent être inexactes. L’IA peut omettre des détails importants, modifier le sens des événements ou présenter comme certaines des informations qui ne le sont pas. Avant de les utiliser, les professionnels doivent vérifier les informations importantes à partir des dossiers originaux, des résultats d’évaluation et de leurs propres observations. La compétence la plus importante n’est pas de parvenir à repérer parfaitement les contenus générés par l’IA. Les thérapeutes et les chercheurs doivent plutôt apprendre à gérer l’incertitude. Ils doivent tenir compte de la finalité du contenu, des conséquences possibles d’une erreur et de la qualité des éléments disponibles. Les professionnels doivent faire preuve de transparence concernant leur utilisation des outils d’IA et rester responsables de leurs décisions. Un questionnement rigoureux, le respect des personnes et le jugement professionnel sont plus fiables que les conclusions hâtives.

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.

Lors d’une récente séance de supervision, une thérapeute a partagé son expérience de l’utilisation de l’IA pour rédiger des notes et des synthèses. Le résultat était rapide et bien formulé. Mais lorsqu’on lui a demandé si cela rendait réellement son travail plus facile, elle a marqué une pause. « Cela fait gagner du temps », a-t-elle répondu, « mais je dois toujours réfléchir autant. » Cette hésitation reflète une réalité que de nombreux cliniciens commencent à observer. On entend souvent dire que l’IA va améliorer de manière spectaculaire la productivité. Certains avancent même qu’elle pourrait rendre le travail dix fois plus rapide. Pourtant, dans la pratique clinique quotidienne, les changements apparaissent plus nuancés. La rapidité peut s’améliorer, mais la profondeur du travail, comprendre, décider, rester pleinement present, demeure tout aussi exigeante. Cela tient en partie à la manière dont nous concevons la productivité. En pratique clinique, elle ne se limite pas à accomplir des tâches rapidement. Elle implique de donner du sens à des situations complexes et d’exercer un jugement éclairé. L’IA peut soutenir certaines étapes du processus, mais elle ne remplace pas la réflexion qui les sous-tend. Parfois même, elle peut induire un sentiment de précipitation dans la prise de décision, plutôt que de favoriser un temps de réflexion. L’engagement joue également un rôle. Gallup (cabinet mondial d’analyse et de conseil spécialisé dans l’étude du travail ; State of the Global Workplace Report, 2023) rapporte que seuls 20 % des employés dans le monde se sentent engagés dans leur travail. Lorsque de nombreuses personnes éprouvent déjà un certain désengagement, l’introduction d’outils plus rapides n’améliore pas nécessairement l’expérience. Elle peut simplement faciliter l’enchaînement des tâches sans renforcer le sentiment de connexion à celles-ci. La motivation est également déterminante. Les individus s’engagent davantage lorsqu’ils éprouvent un sentiment de sens et d’appropriation dans leur activité. Lorsque l’IA est introduite comme un soutien à la réflexion, elle peut être perçue comme utile. Lorsqu’elle est vécue comme une contrainte supplémentaire ou un raccourci, elle peut produire l’effet inverse. Un autre changement important concerne la nature de l’effort requis. L’écriture peut devenir plus rapide, mais la relecture, la vérification et l’ajustement exigent souvent davantage d’attention. Le travail ne disparaît pas : il se transforme. La charge cognitive reste présente, mais elle est redistribuée. L’environnement dans lequel s’inscrit l’utilisation de l’IA fait également la différence. Lorsque les équipes disposent d’un espace pour réfléchir, poser des questions et apprendre à utiliser ces outils de manière réfléchie, les bénéfices sont plus tangibles. En l’absence de cet accompagnement, l’IA peut apparaître comme une couche supplémentaire plutôt qu’un véritable soutien. Se pose également la question de l’usage du temps gagné. Dans de nombreux contextes, il est rapidement absorbé par de nouvelles tâches. Les professionnels peuvent alors se sentir tout aussi pressés qu’auparavant. Une approche plus intentionnelle consisterait à consacrer une partie de ce temps à la réflexion, à l’apprentissage ou à l’amélioration de la qualité des soins. Les considérations éthiques restent centrales. L’IA peut produire des contenus formulés avec assurance, mais comportant des inexactitudes ou des biais. Une relecture attentive est donc indispensable. La responsabilité des décisions et des contenus demeure toujours du ressort du clinicien. Globalement, l’impact de l’IA dépend moins de l’outil lui-même que de la manière dont il est utilisé. Lorsqu’elle est mobilisée de façon réfléchie, elle peut soutenir une pensée plus claire et des processus de travail plus efficaces. L’enjeu n’est pas seulement d’aller plus vite, mais de travailler avec davantage de clarté, de rigueur et d’intention. Gallup. (2023). State of the global workplace: 2023 report. Gallup, Inc.