French

De nombreux cliniciens et formateurs sont désormais amenés à produire des contenus vidéo, que ce soit pour l’éducation des patients ou pour l’enseignement. Pour beaucoup, le montage a longtemps constitué un obstacle — chronophage, technique et parfois décourageant. De nouveaux outils, fondés sur des systèmes tels que Claude, commencent à rendre ce processus plus accessible. Les évolutions récentes ont rendu ce changement encore plus perceptible. Les agents d’IA de Claude peuvent désormais prendre en charge des portions plus importantes du processus de montage, en aidant à structurer les contenus et à affiner les vidéos avec moins d’intervention manuelle. Pour les utilisateurs déjà familiers d’outils comme ChatGPT Plus/Pro ou Claude Pro, cela ouvre des modalités de travail plus avancées et concrètes autour de la vidéo. Une autre évolution provient d’outils tels que Palmier, spécifiquement conçus pour le montage assisté par IA. À partir d’une simple instruction, l’utilisateur peut orienter l’ensemble du processus vidéo : découper les séquences, réorganiser les scènes, ajouter des plans d’illustration (B-roll) et travailler directement dans un montage. L’expérience se rapproche moins d’un montage traditionnel que d’un pilotage du processus par le dialogue. Cela modifie de manière significative le flux de travail. Plutôt que de se concentrer sur des étapes techniques, il s’agit de décrire ce que l’on souhaite transmettre. Le système contribue à structurer le contenu, les éléments visuels et le rythme, avec la possibilité d’affiner le résultat par itérations successives. Le processus devient plus itératif et moins dépendant d’une expertise technique. Du point de vue cognitif, cela réduit la charge liée à la gestion simultanée de multiples micro-tâches. Les aspects mécaniques du montage passent à l’arrière-plan, permettant de maintenir l’attention sur le message lui-même. Pour les cliniciens et les chercheurs, la création de contenu peut ainsi paraître plus accessible. En pratique, cela peut s’avérer particulièrement utile. Un thérapeute réalisant une vidéo psychoéducative peut se concentrer sur la clarté de l’explication, tandis que le système soutient les modalités de présentation. Cela peut atténuer la pression temporelle et faciliter la production de contenus cohérents et de qualité. Pour autant, ces outils ne remplacent pas le jugement professionnel. Les décisions relatives au contenu, à la manière de présenter l’information et à son adéquation à un public spécifique relèvent toujours de l’expertise humaine. L’IA peut assister l’exécution, mais elle ne saisit pas pleinement les nuances cliniques. Il existe également une tendance à accorder trop rapidement sa confiance à des productions visuellement abouties. Même lorsqu’un contenu semble finalisé, une relecture attentive reste nécessaire. Dans les contextes cliniques et pédagogiques, les détails ont une importance majeure, et l’exactitude demeure essentielle. Pour les équipes, ces outils peuvent favoriser une collaboration plus rapide et un développement accéléré des contenus. Les idées peuvent évoluer plus rapidement du concept au produit final. Toutefois, la rapidité ne doit pas se faire au détriment de la réflexion ni de la qualité. Il convient également de garder à l’esprit certaines limites. Les systèmes d’IA sont entraînés à partir de données existantes, susceptibles de comporter des lacunes ou des biais. Les productions peuvent donc ne pas refléter toute la diversité des perspectives ni garantir une information parfaitement exacte, ce qui rend nécessaire un travail de révision et d’ajustement. Sur le plan éthique, la transparence et la responsabilité demeurent essentielles. Comprendre la contribution de ces outils au résultat final permet de préserver la confiance et la responsabilité, en particulier dans les contextes cliniques. Dans l’ensemble, des outils comme Claude rendent la création vidéo plus accessible et moins technique. Ils ouvrent de nouvelles possibilités en matière de communication, tout en reposant sur un usage réfléchi et une supervision professionnelle. Leur véritable valeur réside dans le soutien qu’ils apportent à des modes de transmission des connaissances plus clairs et plus efficaces, sans se substituer à l’expertise qui les sous-tend.

Dans de nombreux contextes de formation, un changement discret mais profond est en cours. Des tâches autrefois confiées aux débutants peuvent désormais être réalisées rapidement par l’IA : rédiger un premier jet, organiser des idées, formuler des hypothèses, proposer des pistes d’intervention ou structurer un raisonnement. Le résultat est souvent impressionnant. Mais une question demeure : si ces premières étapes disparaissent, où se construit réellement l’apprentissage ? Traditionnellement, devenir clinicien, thérapeute ou chercheur impliquait de passer par des étapes imparfaites, parfois laborieuses. Les débutants essayaient, se trompaient, recevaient des retours, ajustaient leur raisonnement, puis progressaient progressivement. Ces efforts initiaux n’étaient pas de simples exercices. Ils constituaient le socle du jugement professionnel. Avec le temps, la répétition permettait de reconnaître des profils cliniques, d’identifier des régularités, de mieux tolérer l’incertitude et de développer une pensée plus souple et plus nuancée. Aujourd’hui, l’IA prend progressivement en charge une partie de ces tâches dites « d’entrée de niveau ». Une étude menée par Dell’Acqua et ses collègues en 2025 auprès de 776 employés de Procter & Gamble a montré qu’un individu utilisant l’IA pouvait produire des résultats comparables à ceux d’une équipe entière sans IA. Si cette tendance se poursuit, certaines organisations pourraient être tentées de recruter moins de profils juniors, en privilégiant des profils plus polyvalents, capables de gérer plusieurs tâches avec le soutien de l’IA. Ce changement a des implications importantes pour l’apprentissage. Les recherches en psychologie cognitive montrent que l’on apprend mieux lorsque l’on est activement engagé dans la tâche : en traversant des difficultés, en faisant des erreurs, en recevant des retours et en réfléchissant à ses propres raisonnements. Si l’IA réduit trop cet effort, l’apprentissage peut devenir plus superficiel. Il devient alors possible d’obtenir une bonne réponse sans réellement comprendre le processus qui y mène. En pratique clinique, cette distinction est déterminante. Un travail de qualité ne dépend pas uniquement de la justesse des conclusions, mais aussi de la manière dont elles sont construites. Rédiger une formulation de cas, par exemple, suppose d’intégrer des informations complexes, de hiérarchiser les données, de formuler des hypothèses prudentes et de prendre des décisions adaptées au patient. Si l’IA fournit directement des réponses prêtes à l’emploi, il existe un risque que les cliniciens s’y appuient sans développer pleinement leurs propres compétences de raisonnement. Pour autant, l’IA peut aussi devenir un levier d’apprentissage très intéressant lorsqu’elle est utilisée avec discernement. Elle peut aider à générer des perspectives alternatives, mettre en évidence certains angles morts, reformuler une hypothèse, comparer plusieurs options ou simuler un retour proche d’une supervision. Mais l’essentiel est de rester actif dans le processus. Questionner. Comparer. Vérifier. Reformuler. Argumenter. Ne pas accepter passivement la première réponse. Un autre enjeu concerne l’évaluation des compétences. Si les débutants produisent des travaux de très bonne qualité avec l’aide de l’IA, il devient plus difficile de savoir ce qu’ils comprennent réellement. Cela pourrait nécessiter des ajustements dans les dispositifs de formation et de supervision, avec une attention accrue portée au processus de raisonnement, et non uniquement au résultat final. Une préoccupation plus large concerne aussi les opportunités d’apprentissage. Si les postes juniors diminuent, ou si les tâches initiales sont largement automatisées, les futurs professionnels risquent d’avoir moins d’occasions de construire progressivement leur expertise. Cela pourrait affecter non seulement les trajectoires individuelles, mais aussi la qualité globale de l’expertise dans un domaine. Sur le plan éthique, l’utilisation de l’IA impose une vigilance particulière. Les cliniciens restent responsables de leurs décisions, même lorsqu’ils s’appuient sur des outils technologiques. Cela implique de connaître les limites des systèmes utilisés, de tenir compte des biais possibles, de vérifier les informations produites et d’être transparent sur les usages de l’IA lorsque cela est pertinent. Dans la recherche et la formation, les mêmes questions se posent. L’IA peut soutenir la rédaction, l’organisation des idées et l’exploration d’un sujet. Mais elle ne doit pas se substituer à la pensée critique, à l’analyse méthodologique ou à l’intégrité scientifique. L’IA ne supprime pas le besoin d’expertise. Elle transforme les conditions dans lesquelles cette expertise se développe. Le défi, désormais, est de créer des environnements d’apprentissage où ces outils soutiennent la construction d’une compréhension réelle, plutôt que de la remplacer. L’avenir de l’expertise dépendra peut-être moins de ce que nous sommes capables de produire que de la profondeur de notre réflexion.

Imaginez que vous travaillez sur un cas clinique complexe. Vous avez plusieurs notes, des observations, des résultats d’évaluation, des comptes rendus antérieurs et différentes interprétations possibles. Habituellement, ce type de travail demande du temps, de l’attention et une réflexion approfondie. Avec les nouvelles évolutions d’outils comme NotebookLM, l’IA peut désormais aider à organiser les informations, suggérer des pistes et accompagner certaines étapes du raisonnement. Il ne s’agit plus seulement d’un outil de stockage ou de synthèse. L’IA devient progressivement un partenaire actif dans la réflexion. Le système est désormais capable de traiter des documents longs, de rechercher des informations, d’établir des liens entre différentes sources et de formuler des réponses structurées. Pour les thérapeutes et les chercheurs, cela représente un gain de temps considérable. Mais cela modifie aussi notre rapport aux connaissances et à l’effort cognitif que nous investissons dans l’analyse. Une autre évolution majeure est l’intégration d’un « ordinateur dans le cloud ». Cela permet à certains systèmes d’exécuter du code, d’analyser des données et de générer des résultats dans un même environnement. Des tâches qui nécessitaient auparavant plusieurs outils ou des compétences techniques spécifiques deviennent plus accessibles. Cela peut soutenir les cliniciens dans l’exploration de données, l’analyse de résultats ou la structuration de documents. Mais cela implique aussi parfois de s’appuyer sur des processus que l’on ne comprend pas entièrement. L’outil peut également générer différents types de productions : rapports, tableaux, graphiques, présentations ou supports de travail. Cela facilite la transformation d’idées en contenus structurés. D’un point de vue clinique, cela peut soutenir la documentation, la communication interprofessionnelle et la préparation de supports adaptés. Mais une question demeure : si l’outil contribue au résultat final, quelle part du raisonnement nous appartient encore ? Un changement important concerne aussi la manière de commencer un travail. Au lieu d’apporter nos propres sources, il devient possible de partir d’une simple question et de laisser le système rechercher, sélectionner et organiser l’information. C’est pratique. Mais cela peut réduire une compétence essentielle : savoir chercher, choisir, comparer et évaluer les sources.Cette compétence reste pourtant centrale, aussi bien en recherche qu’en raisonnement clinique. Du point de vue de l’apprentissage, l’enjeu est majeur. Nous savons que l’apprentissage est plus profond lorsque les individus restent activement engagés dans le processus : tester des idées, confronter des hypothèses, réfléchir aux résultats, traverser des difficultés et ajuster leur raisonnement. Si l’IA en fait trop, l’apprentissage peut devenir plus passif. Il devient alors possible d’obtenir une bonne réponse sans comprendre pleinement le chemin qui y conduit. En pratique clinique, cela a des conséquences concrètes. Une prise en charge de qualité ne repose pas uniquement sur des réponses correctes. Elle repose sur la compréhension du patient, l’adaptation à l’incertitude, la prise en compte du contexte et la capacité à prendre des décisions réfléchies. L’IA peut soutenir ce processus. Mais elle ne peut pas remplacer le jugement clinique, l’expérience, la responsabilité professionnelle ni la relation humaine. Les considérations éthiques sont également centrales. Les cliniciens restent responsables de leurs décisions, même lorsqu’ils utilisent des outils d’IA. Il est donc essentiel de vérifier l’exactitude des informations, de comprendre leur provenance, d’identifier les biais possibles et de rester transparent sur les processus de décision. En définitive, l’IA ne remplace pas l’expertise. Elle transforme les conditions dans lesquelles cette expertise s’exerce et se développe. Le défi consiste à rester activement engagé, à penser de manière critique et à utiliser ces outils comme des soutiens plutôt que comme des raccourcis. Utilisée avec discernement, l’IA peut renforcer la pratique.Mais elle ne doit jamais en affaiblir les fondements.

Si vous avez déjà entendu parler de Haiku, Sonnet ou Opus sans vraiment savoir lequel utiliser, vous n’êtes pas seul. Cette confusion est fréquente, notamment chez les cliniciens qui découvrent ces outils. Elle ne vient pas tant de la technologie elle-même que de la manière dont elle est présentée, souvent à travers une multiplication de noms qui donnent une impression de complexité. Un thérapeute me disait récemment : « Je vois passer tous ces noms, mais je ne sais jamais lequel choisir. » Cette remarque illustre bien le problème. Face à cette diversité, il devient facile de se sentir dépassé, voire de renoncer à utiliser ces outils pourtant prometteurs. Une manière plus simple de s’y retrouver consiste à changer de perspective. Plutôt que de se demander quel est le meilleur modèle, il est plus pertinent de se poser une autre question : de quel niveau de soutien ai-je besoin pour cette tâche ? Cette approche permet de ramener l’outil à sa fonction, et non à son nom. Dans cette logique, Claude peut être compris comme une échelle. À un premier niveau, Haiku correspond à des usages rapides et simples. Il est particulièrement utile pour reformuler un texte, résumer des notes ou organiser des informations, sans mobiliser un raisonnement clinique approfondi. Un cran au-dessus, Sonnet représente un équilibre particulièrement adapté à la pratique quotidienne. Il permet de rédiger, structurer et clarifier des contenus cliniques avec une qualité suffisante pour être directement utilisable, ce qui en fait souvent un choix naturel pour de nombreux thérapeutes. Lorsque les situations deviennent plus complexes, Opus entre en jeu. Il permet d’explorer des hypothèses, de structurer une formulation de cas ou d’analyser des situations cliniques plus nuancées. Son utilisation est plus exigeante, mais elle se justifie lorsque la profondeur de réflexion devient essentielle. À un niveau encore plus avancé, Fable et Mythos introduisent des différences dans la gestion de la sécurité et de la liberté de réponse. Fable privilégie la prudence et les garde-fous, tandis que Mythos offre plus d’ouverture, dans des contextes qui nécessitent un cadre maîtrisé. Cependant, un développement récent introduit une limite importante : le gouvernement des États-Unis a émis une directive de contrôle des exportations suspendant l’accès à Fable 5 et Mythos 5 pour les ressortissants étrangers, qu’ils se trouvent à l’intérieur ou à l’extérieur des États-Unis. En pratique, ces systèmes peuvent donc devenir soudainement indisponibles pour de nombreux utilisateurs. Penser ces outils comme une échelle permet de retrouver une logique familière aux cliniciens. Dans la pratique, il s’agit déjà d’ajuster son niveau d’analyse, ses outils et sa précision en fonction des besoins du patient et de la situation. L’IA s’inscrit simplement dans cette continuité. En définitive, l’objectif n’est pas de maîtriser chaque nom, mais de comprendre cette gradation. Une fois intégrée, elle rend l’outil plus accessible et plus cohérent. L’IA peut alors devenir un véritable support du raisonnement clinique, à condition de rester utilisée avec discernement et responsabilité.

Lors d’une récente séance de supervision, un stagiaire a proposé l’idée d’un outil simple permettant à un patient de suivre son humeur entre les séances. Il y a peu, cette idée serait restée théorique en l’absence de développeur. Aujourd’hui, avec la mise à disposition récente de Codex Sites par OpenAI, une idée formulée à l’écrit peut être transformée en application fonctionnelle, accessible via un simple lien. Cela modifie non seulement ce que nous pouvons concevoir, mais aussi notre manière de penser l’application des idées en contexte clinique. Ce basculement ne tient pas uniquement à un gain de rapidité. Il transforme en profondeur la manière dont les cliniciens élaborent, testent et ajustent leurs interventions. Là où la création d’un outil numérique nécessitait auparavant une chaîne complexe, conception, design, développement, tests et déploiement, impliquant du temps et des compétences spécialisées, une partie de ce processus peut désormais être directement soutenue par l’IA. Une idée peut ainsi devenir rapidement un prototype, puis un outil utilisable et modifiable. Cela ouvre la voie à la création de supports cliniques variés : suivi de l’humeur, outils de psychoéducation, carnets de stratégies ou activités interactives adaptées aux besoins spécifiques des patients. Cette évolution s’inscrit dans la perspective de l’« esprit étendu », où les outils technologiques viennent soutenir les capacités de raisonnement, d’organisation et d’exploration clinique. L’IA ne se limite plus à un rôle technique : elle peut devenir un appui au raisonnement clinique, à condition d’être utilisée avec rigueur et discernement. Elle transforme également la manière dont les cliniciens envisagent leur rôle. Certains peuvent progressivement se positionner non seulement comme praticiens, mais aussi comme concepteurs d’outils numériques simples. Cette évolution peut être source d’autonomie, mais aussi d’incertitude, notamment en l’absence de formation technologique formelle, ce qui souligne l’importance d’un accompagnement adapté pour en faire un usage responsable. Pour autant, la facilité de création ne garantit pas la pertinence clinique. Un outil peut être fonctionnel sans être utile, ni fondé scientifiquement. Cela impose de maintenir une pratique exigeante, ancrée dans un cadre théorique clair, des objectifs définis, des données probantes, une compréhension fine du patient et une évaluation continue des effets. Les considérations éthiques sont, dans ce contexte, centrales. Les cliniciens restent responsables des outils qu’ils conçoivent ou utilisent et de leurs effets sur les patients. La transparence concernant le fonctionnement, la gestion des données et les limites de ces outils est essentielle. Les patients doivent pouvoir comprendre ce qu’ils utilisent et les implications possibles pour leur prise en charge. En définitive, ces transformations invitent les thérapeutes à adopter une posture plus active dans la conception d’outils adaptés à leur pratique, tout en restant vigilants face aux enjeux de confidentialité, de consentement, de validation clinique et de supervision humaine. Si la distance entre l’idée et sa mise en œuvre se réduit considérablement, la responsabilité clinique, elle, demeure inchangée.

Dans la pratique clinique quotidienne, de nombreux thérapeutes commencent à utiliser des outils d’IA pour rédiger des notes, organiser l’information ou soutenir leur réflexion diagnostique. Ces outils peuvent être utiles, mais ils soulèvent une question importante : comprenons-nous réellement leur fonctionnement ? Le lancement d’Apertus, un modèle d’IA open source multilingue développé en Suisse, invite à réfléchir non seulement à ce que l’IA peut faire, mais aussi au degré de confiance que nous pouvons lui accorder. Un concept central d’Apertus est la souveraineté numérique, c’est-à-dire le contrôle sur l’emplacement et l’utilisation des données. Pour les thérapeutes, cela est particulièrement crucial en raison de la sensibilité des informations patients. Lorsque les systèmes d’IA sont détenus par de grandes entreprises étrangères, la gestion des données manque souvent de clarté. Apertus vise à offrir un contrôle plus local, en meilleure adéquation avec les exigences éthiques et juridiques du secteur de la santé. De nombreux outils d’IA existants, comme ChatGPT, sont puissants mais peu transparents. Nous observons leurs résultats sans toujours comprendre comment ils sont produits. Pour des cliniciens formés à un raisonnement rigoureux, cela peut générer un inconfort. Apertus propose une approche plus ouverte, permettant aux experts d’examiner et de comprendre le fonctionnement du système, favorisant ainsi un usage plus éclairé. Une autre caractéristique importante d’Apertus est sa capacité multilingue. En thérapie, la langue joue un rôle central dans l’expression des patients. Un système capable de fonctionner dans plusieurs langues peut contribuer à réduire les malentendus et à favoriser une prise en charge plus inclusive. Toutefois, le contexte culturel demeure complexe et aucun système d’IA ne peut le saisir pleinement. Du fait de son caractère open source, Apertus peut être étudié, adapté et amélioré par des chercheurs et développeurs. Cela favorise la transparence et la collaboration, mais implique également l’existence de différentes versions du système, ce qui peut compliquer la standardisation en pratique. Apertus est également conçu comme un bien public, librement accessible. Cela pourrait faciliter l’accès à des outils d’IA avancés pour des thérapeutes et institutions disposant de ressources limitées. Néanmoins, la maintenance d’un tel système nécessite un soutien continu, ce qui constitue un défi. Les institutions à l’origine d’Apertus, l’EPFL et l’ETH Zurich, apportent une forte crédibilité scientifique. Toutefois, en contexte clinique, la confiance se construit dans le temps. Les thérapeutes doivent observer les performances de l’outil en situation réelle avant de s’y fier pleinement. Sur le plan éthique, l’usage de l’IA en thérapie requiert une vigilance constante. Même avec des systèmes transparents, les cliniciens restent responsables de leurs décisions. L’IA doit soutenir, et non remplacer, le jugement clinique. Il est essentiel de questionner les résultats, d’en comprendre les limites et de rester attentif aux biais potentiels. Apertus représente plus qu’un simple outil : il incarne une approche différente de l’IA. Il encourage les cliniciens à s’engager activement avec la technologie plutôt que de l’utiliser passivement. À mesure que l’IA évolue, l’enjeu sera de maintenir au cœur de la pratique la responsabilité clinique, l’esprit critique et la confiance du patient.

Allons-nous un jour arrêter le développement de l’IA ? À mesure que ces systèmes gagnent en intelligence, une question plus profonde émerge : à quel moment décidons-nous que, pour l’humanité, la limite est atteinte ? En mai 2026, le pape Léon XIV a contribué à ce débat mondial en avertissant que l’intelligence artificielle ne doit pas retirer aux humains la prise de décision morale. Bien que son message soit général, il résonne particulièrement dans la pratique clinique, où efficacité, innovation et responsabilité éthique sont déjà étroitement liées. Dans les soins quotidiens, l’IA se manifeste souvent de manière discrète. Elle résume les antécédents des patients, rédige des comptes rendus ou suggère des diagnostics. Ces outils peuvent alléger la charge administrative, mais leur influence n’est pas neutre. Avec le temps, ils modifient la manière dont les cliniciens organisent l’information et abordent la prise de décision. Cela soulève une question essentielle : où se situe réellement le jugement clinique ? Le raisonnement clinique a traditionnellement été un processus réflexif, ancré dans l’expérience humaine et l’interaction avec le patient. À mesure que l’IA propose des interprétations prêtes à l’emploi, le risque apparaît que certaines étapes de ce raisonnement deviennent moins délibérées, même de façon non intentionnelle. La responsabilité, toutefois, demeure pleinement humaine. Les cliniciens restent comptables de l’évaluation et de la décision d’accorder ou non leur confiance aux productions de l’IA. Cela nécessite un engagement actif, en se demandant non seulement « que suggère cet outil ? », mais aussi « pourquoi, et dois-je m’y fier ? ». Au-delà du champ de la santé, certains experts et acteurs du secteur de l’IA appellent déjà à ralentir son développement, soulignant la nécessité pour la société de s’adapter. Le débat ne porte plus uniquement sur les capacités, mais sur le rythme d’intégration. La transparence constitue une autre source de préoccupation. De nombreux systèmes d’IA ne permettent pas d’expliquer clairement leurs conclusions. En pratique clinique, où les décisions doivent être compréhensibles, cela crée des tensions, d’autant plus que les patients recherchent du sens, et pas uniquement des résultats. Les biais et les inégalités complexifient encore la situation. Les systèmes d’IA reflètent les données sur lesquelles ils sont construits, susceptibles de contenir des biais sociaux et culturels. Par ailleurs, l’accès aux outils avancés reste inégal, soulevant des questions d’équité dans la qualité des soins. Au fond, l’expansion rapide de l’IA interroge la nature relationnelle du travail clinique. La thérapie ne se réduit pas à l’information : elle repose sur la présence, l’ajustement et la relation humaine. Une dépendance accrue à l’IA risque de filtrer l’expérience des patients à travers des systèmes prédéfinis, plutôt que de l’explorer pleinement. La question n’est donc pas de savoir si l’IA doit continuer à se développer, mais jusqu’où elle peut aller sans cadre éthique plus clair. L’arrêter est irréaliste, mais avancer sans réflexion comporte des conséquences réelles. Pour les cliniciens, cela implique de maintenir une posture active et critique, d’utiliser l’IA comme un soutien et non comme un substitut, et de rester transparents avec les patients. Plus largement, cela appelle à un effort collectif pour que l’innovation ne dépasse pas la responsabilité. En définitive, il ne s’agit pas seulement d’une transformation technologique, mais d’un changement profondément humain. L’enjeu n’est pas uniquement de comprendre ce que l’IA peut faire, mais de décider, de manière réfléchie et consciente, où tracer la limite.

Happy Brain Training a été conçu pour dépasser la théorie et favoriser une transformation concrète et opérationnelle. Au cours de l’année écoulée, mon activité s’est développée à travers différents pays, formats et communautés, guidée par un objectif clair : aider les thérapeutes à utiliser l’IA de manière réellement impactante. Mon approche est simple dans son principe, mais puissante dans sa mise en œuvre. Je forme les thérapeutes à utiliser efficacement l’IA en thérapie, en mettant l’accent sur des applications concrètes qui améliorent l’efficacité, la créativité et les résultats cliniques. Mes programmes de formation sont structurés comme un parcours progressif. Les thérapeutes commencent par acquérir des bases solides, en comprenant l’IA générative et des outils comme ChatGPT, puis évoluent vers la création de supports thérapeutiques personnalisés, avant d’aborder des études de cas avancées et une planification complète des prises en charge assistée par l’IA. Chaque étape vise à renforcer la confiance, l’autonomie et l’impact clinique. Tout au long de ce parcours, nous explorons également le prompt engineering, la productivité et l’utilisation de l’IA comme outil de soutien pour les patients. Les programmes ont évolué, passant d’interactions de base à des contenus structurés, des techniques spécifiques et des applications adaptées à chaque spécialité. Des solutions ciblées sont également proposées aux professionnels souhaitant optimiser leur efficacité et rationaliser leur organisation. Au-delà des programmes structurés, je propose des séances de conseil individuelles, offrant un accompagnement personnalisé en fonction des enjeux propres à chaque thérapeute. Mon approche reste ancrée dans les réalités du terrain, qu’il s’agisse de communication, de langage ou de troubles complexes tels que l’aphasie, la dysarthrie ou la dysphagie. L’apprentissage ne se limite pas à un lieu. Mes formations en présentiel ont été dispensées dans plusieurs villes, de Luxembourg à Vienne, en passant par les pays baltes, Lyon et la Belgique, contribuant à un mouvement international en expansion. Parallèlement, les webinaires et les formations en ligne connectent des thérapeutes sur plusieurs continents. J’ai accompagné des professionnels en Europe, au Moyen-Orient, en Amérique du Nord, en Asie et en Australie. Aujourd’hui, plus de 2 500 thérapeutes à travers le monde ont été formés, chacun contribuant à une transformation globale de la pratique thérapeutique. À travers tous ces pays, un constat s’impose : nous partageons les mêmes défis. Si nos pratiques diffèrent, nos besoins fondamentaux restent profondément similaires, nous unissant dans une dynamique commune. Mes ateliers et événements en direct sont interactifs, pratiques et immédiatement applicables. Pour soutenir ces apprentissages, j’ai développé un prompt book, une ressource prête à l’emploi permettant de créer des supports thérapeutiques personnalisés, adaptés à tous les âges et besoins cliniques. Ce qui distingue cette approche ne réside pas uniquement dans l’offre proposée, mais dans la manière de penser. Tout est centré sur le thérapeute, fondé sur une expertise en IA, et conçu pour un usage concret. Il ne s’agit pas seulement d’apprendre l’IA, mais d’apprendre à en faire un levier de transformation.

Il y a un an, Happy Brain Training naissait d’une conviction forte : l’intelligence artificielle générative peut devenir un véritable levier pour les thérapeutes, à condition d’être comprise, encadrée et utilisée avec discernement. J’ai créé Happy Brain Training pour faire dialoguer deux univers qui, aujourd’hui, ne peuvent plus évoluer séparément : l’expertise clinique et l’innovation technologique. L’objectif n’a jamais été de remplacer l’humain, ni de transformer les thérapeutes en techniciens de l’IA. Il s’agit plutôt de leur donner des repères concrets pour intégrer ces outils dans leur pratique, de manière responsable, efficace et profondément clinique. Au départ, ce projet était une idée. Il est devenu, au fil des mois, un espace de formation, de réflexion et de partage, où les thérapeutes peuvent explorer de nouvelles façons de penser, de créer et d’accompagner leurs patients. Pourquoi cette newsletter ? Lorsque j’ai commencé à travailler sur l’IA générative appliquée à la thérapie, une chose est vite devenue évidente : ce domaine évolue très vite. Nouveaux modèles, nouvelles fonctionnalités, enjeux de confidentialité, sécurité des données, régulation, impact écologique, limites cliniques… rester informé est devenu un véritable défi. C’est pour répondre à ce besoin que la newsletter Happy Brain Training a été créée. Chaque semaine, elle a pour objectif de rendre l’IA plus accessible, plus claire et plus utile pour les thérapeutes. Elle ne se limite pas à présenter des outils. Elle propose aussi des analyses, des exemples concrets, des pistes d’application en séance et des repères pour développer une utilisation éthique et réfléchie de l’IA. L’enjeu est simple : permettre aux professionnels de gagner du temps, de créer des supports plus personnalisés, de soutenir leur raisonnement clinique et d’enrichir leur pratique, sans jamais perdre de vue la qualité de la relation thérapeutique. Une communauté internationale et pluridisciplinaire En un an, cette newsletter est devenue bien plus qu’un simple canal d’information. Elle a permis de rassembler une communauté internationale de thérapeutes, issus de disciplines variées et de contextes très différents. De l’Europe au Moyen-Orient, de l’Afrique à l’Amérique du Nord, de l’Asie jusqu’au Canada, une même réalité se dessine : nous partageons souvent les mêmes défis. La charge administrative, le manque de temps, la nécessité de personnaliser les supports, la complexité des situations cliniques et le besoin de rester à jour concernent de nombreux professionnels, quelle que soit leur spécialité. Cette communauté montre que les thérapeutes ne sont pas seulement en train de s’adapter à l’IA. Ils participent activement à façonner son usage, en gardant au centre ce qui fait la force de leur métier : l’écoute, l’analyse clinique, la créativité et la relation humaine. Aujourd’hui, je suis fière de célébrer une année de la newsletter Happy Brain Training,  une année de partage, d’apprentissage collectif et de développement aux côtés d’une communauté de professionnels curieux, engagés et ouverts au changement. Tout au long de ce parcours, j’ai eu l’opportunité de rencontrer des thérapeutes inspirants dans différents pays, et de vous rencontrer. Ces échanges continuent de nourrir mon engagement à m’adapter, évoluer et avancer. Même lorsque le rythme est soutenu, ils rappellent pourquoi ce travail est essentiel. Ce qui n’était au départ qu’un moyen de rester connecté est devenu bien plus : un espace de réflexion, d’inspiration et de progression.

Lorsqu’un thérapeute observe une image, son attention se porte généralement sur sa signification : ce qu’elle montre, ce qu’elle suscite, et la manière dont elle s’inscrit dans l’histoire du patient. Jusqu’à récemment, il était également possible de supposer que la majorité des images renvoyaient à une réalité. Avec l’essor des images générées par l’IA, cette hypothèse devient moins certaine. De nouveaux outils, tels que le système de vérification d’images d’OpenAI, permettent désormais d’examiner l’origine des images et d’identifier si elles ont été produites par une IA. Cet outil permet de télécharger une image afin de détecter la présence de signaux invisibles associés aux systèmes d’IA, tels que des métadonnées ou des filigranes numériques. Ces éléments peuvent indiquer qu’une image a été générée à l’aide d’outils comme ChatGPT ou d’API associées. Pour les cliniciens, l’enjeu ne réside pas tant dans la technologie elle-même que dans l’acquisition d’un réflexe : s’interroger sur la fiabilité de l’origine d’une image. Sur le plan pratique, l’utilisation de cet outil est simple et ne nécessite pas de compétences techniques. Il suffit d’accéder à la page de vérification, de télécharger l’image à analyser, idéalement après l’avoir recadrée pour n’en conserver que le contenu principal, notamment lorsqu’elle provient d’une capture d’écran. L’outil analyse ensuite le fichier et recherche des signatures connues associées à la génération par IA. Il indique si ces signaux sont présents. Si tel est le cas, l’image a probablement été générée par une IA ; dans le cas contraire, l’incertitude demeure et la prudence reste de mise. Cette procédure ne prend que quelques instants et peut être intégrée aux pratiques de vérification courantes. Dans la pratique clinique quotidienne, les images sont utilisées à des fins variées : psychoéducation, évaluation, ou encore exercices thérapeutiques. Lorsque l’on suppose qu’une image est authentique, la manière d’y répondre peut différer de celle adoptée si son origine artificielle est connue. Il devient donc essentiel de marquer un temps d’arrêt et de réflexion, en particulier lorsque l’image contribue à la compréhension clinique ou au traitement émotionnel. Du point de vue des processus cognitifs, cette évolution invite à ralentir. Face à une image, nous avons tendance à nous appuyer sur des impressions rapides, surtout lorsqu’elle paraît familière ou réaliste. Or, les images générées par l’IA peuvent être extrêmement convaincantes. Les outils de vérification permettent de passer d’une impression immédiate à une analyse plus réfléchie et critique. Des implications existent également pour l’apprentissage. Les étudiants et les jeunes thérapeutes utilisent fréquemment des supports visuels pour soutenir la mémorisation et la compréhension. Si une image s’avère ultérieurement artificielle, cela peut générer de la confusion ou altérer la confiance. La connaissance de ces outils de vérification favorise une posture plus équilibrée, combinant curiosité et esprit critique. Dans le champ de la recherche, les enjeux sont encore plus marqués. Les disciplines reposant sur l’analyse d’images, notamment en médecine ou en rééducation, nécessitent des données fiables. L’utilisation d’images générées par l’IA sans identification explicite peut compromettre la qualité des travaux. Les outils de vérification contribuent à de meilleures pratiques, sans toutefois se substituer à une démarche rigoureuse. Il est également essentiel de reconnaître les limites de ces outils. Toutes les images générées par l’IA ne comportent pas de signaux détectables, et toutes les images authentiques ne sont pas aisément vérifiables. Un outil peut suggérer une origine artificielle sans pouvoir en expliquer précisément les modalités. Il convient donc de les utiliser comme des aides, et non comme des preuves définitives. En pratique clinique, des questions éthiques émergent naturellement. Lorsqu’un thérapeute utilise une image générée par l’IA, doit-il en informer le patient ? Dans la plupart des cas, la transparence contribue à maintenir la relation de confiance. Même si l’image est pertinente, son origine reste une information significative. L’expliciter peut renforcer, plutôt que fragiliser, l’alliance thérapeutique. La responsabilité demeure celle du clinicien ou du chercheur. Les outils peuvent assister, mais ne remplacent pas le jugement professionnel. Cela implique de réfléchir à l’usage des images, de vérifier leur origine lorsque nécessaire, et d’en expliciter les conditions d’utilisation. Cela suppose également d’être attentif aux biais potentiels ou aux contenus trompeurs produits par les systèmes d’IA. À mesure que ces technologies se diffusent, les cliniciens et les chercheurs devront s’y adapter sans se laisser submerger. L’enjeu n’est pas de devenir expert en IA, mais de rester attentif et réflexif. En combinant des outils de vérification simples avec un jugement clinique rigoureux, il est possible d’utiliser les images de manière à la fois efficace et responsable. À l’avenir, ces outils pourraient devenir aussi courants que la vérification des sources ou des références. Ils rappellent que, dans un environnement numérique, voir ne signifie pas nécessairement savoir. Ce qui demeure essentiel est notre capacité à réfléchir, à questionner et à prendre des décisions éclairées au service des personnes accompagnées. Pour accéder à l’outil de vérification : https://openai.com/research/verify/