Français

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 traitements commencent à utiliser des outils d'IA pour résoudre des notes, organiser l'information ou soutenir leur réflexion diagnostique. Ces outils peuvent être utiles, mais ils soulèvent une question importante : comprenons-nous vraiment leur fonctionnement ? Le lancement d=Apertus, un modèle d=IA open source multilingue développé en Suisse, invite à répondre non seulement à ce que l=IA peut faire, mais aussi au départ 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 thérapies, cela est notamment 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 manuscrites sous de clarté. Apertus vise à offrir un contrôle plus local, en meilleure équation avec les exigences éthiques et juridiques du secteur de la santé. De nombreux outils d'IA existent, comme ChatGPT, sont capables mais peu transparents. Nous observons les résultats sans toujours comprendre comment ils sont produits. Pour des cliniciens formés à un raisonnement rigoureux, cela peut généraliser un malaise. Apertus propose une approche plus ouverte, permettant aux experts d'examiner et de comprendre le fonctionnement du système, favorisant ainsi un usage plus clair. Une autre caractéristique importante d'Apertus est sa capacité multilingue. En thérapie, la langue joue un rôle central dans l'expression des patie

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/

Une étude expérimentale récente a examiné l’influence d’outils comme ChatGPT sur les processus de pensée lors de tâches d’écriture. L’étude, menée par Kosmyna, N. et al. (2025) au MIT Media Lab et intitulée « Your Brain on ChatGPT: Accumulation of Cognitive Debt when Using an AI Assistant for Essay Writing Task », analyse comment différents niveaux d’assistance technologique modulent l’engagement cognitif. Les chercheurs ont recruté des participants répartis en trois groupes : un groupe utilisant un assistant d’IA (groupe LLM), un groupe utilisant un moteur de recherche, et un groupe s’appuyant uniquement sur ses propres ressources cognitives (groupe Brain-only). Sur trois sessions, chaque groupe a conservé la même modalité de travail. Lors d’une quatrième session, les conditions ont été inversées pour certains participants : ceux ayant utilisé l’IA ont travaillé sans celle-ci (LLM-to-Brain), tandis que ceux ayant travaillé de manière autonome ont été introduits à l’IA (Brain-to-LLM). L’étude combinait enregistrements EEG, analyses linguistiques, évaluation des productions écrites et entretiens, afin d’explorer non seulement les performances, mais aussi les processus cognitifs sous-jacents. Les résultats mettent en évidence des différences nettes d’engagement cognitif. L’activité cérébrale, mesurée via la connectivité neuronale, était la plus élevée dans le groupe Brain-only, intermédiaire dans le groupe utilisant un moteur de recherche, et la plus faible dans le groupe LLM. Cela suggère qu’à mesure que le soutien externe augmente, l’engagement cognitif interne diminue. Parallèlement, l’analyse linguistique montre que les textes produits avec l’IA étaient plus homogènes, avec une moindre variabilité lexicale et structurelle, tandis que les productions autonomes étaient plus diversifiées et distinctes. L’expérience subjective des participants reflète ces différences. Les participants du groupe LLM rapportaient un moindre sentiment d’appropriation de leurs textes et davantage de difficultés à se souvenir ou à citer ce qu’ils venaient d’écrire. À l’inverse, le groupe Brain-only présentait une meilleure mémorisation et un sentiment clair de propriété du travail produit. Même lorsque les textes assistés par IA obtenaient de bons scores, ils nécessitaient peu de modifications et restaient proches des réponses générées par défaut, ce qui témoigne d’un niveau de traitement actif plus limité. La quatrième session apporte des éléments particulièrement éclairants. Les participants passés d’un travail autonome à l’usage de l’IA (Brain-to-LLM) ont montré une augmentation de la connectivité cérébrale sur plusieurs bandes de fréquence, suggérant une intégration active du soutien de l’IA aux connaissances préexistantes. Ils ont également obtenu de bonnes performances en termes de mémoire et de structuration. En revanche, les participants passés de l’IA à un travail autonome (LLM-to-Brain) présentaient une diminution de l’engagement neuronal et ne retrouvaient pas le niveau d’activité du groupe initial Brain-only. Leur production portait en outre des traces persistantes de vocabulaire et de structures influencés par l’IA. D’un point de vue clinique, ces résultats sont particulièrement pertinents. Le raisonnement clinique repose sur un engagement actif : organiser l’information, établir des liens, réfléchir aux décisions. L’écriture constitue un levier central pour développer et affiner ce raisonnement. Si l’IA réduit cet effort, notamment en début de formation, cela peut conduire à ce que l’on peut qualifier de « dette cognitive » : un affaiblissement progressif des processus de pensée soutenant le jugement clinique. Dans le même temps, l’étude suggère que l’IA peut être bénéfique lorsqu’elle intervient après une phase de réflexion autonome. Le groupe Brain-to-LLM montre que l’engagement préalable permet une utilisation plus intégrée et réflexive de l’IA. Cela rejoint les modèles pédagogiques et cliniques dans lesquels les outils sont d’autant plus efficaces qu’ils s’appuient sur des bases déjà construites plutôt qu’ils ne s’y substituent. Ces résultats font également écho à la pratique clinique quotidienne. Les thérapeutes soulignent l’importance de la participation active et de la réflexion chez les patients. De la même manière, les cliniciens développent leur expertise par une pensée répétée et exigeante. Si les outils d’IA viennent remplacer ce processus plutôt que le soutenir, cela pourrait modifier de manière subtile mais significative les modes de pensée, de mémorisation et de décision des cliniciens. Les implications éthiques sont importantes. Les cliniciens restent responsables de leur raisonnement et de leurs écrits, même en présence d’IA. La diminution du sentiment d’appropriation soulève des questions quant à l’engagement critique. Si un clinicien se sent moins lié à ce qu’il écrit, il peut être moins enclin à en questionner la validité. Des préoccupations existent également concernant les biais et l’exactitude, dans la mesure où les contenus générés peuvent ne pas correspondre aux contextes individuels ou culturels des patients. Des risques similaires concernent les chercheurs et les étudiants. Un texte de qualité ne repose pas uniquement sur la clarté, mais aussi sur la compréhension. Si l’IA facilite la production de textes sans engagement cognitif approfondi, il existe un risque de produire des contenus apparemment solides mais dépourvus de compréhension réelle. Préserver l’intégrité intellectuelle repose un engagement actif dans le processus de pensée, au-delà du résultat final. Dans l’ensemble, cette étude offre une perspective initiale importante sur la manière dont des outils comme ChatGPT peuvent influencer la cognition au fil du temps. Pour les cliniciens et les thérapeutes, elle souligne la nécessité d’une approche équilibrée, dans laquelle l’IA est utilisée comme un soutien, tout en préservant l’effort cognitif qui fonde l’expertise clinique. L’enjeu n’est pas d’éviter ces outils, mais de les utiliser de manière à renforcer, et non à remplacer, les processus cognitifs au cœur de l’apprentissage et de la pratique.

Combien de fois avons-nous souhaité pouvoir tout garder en tête en même temps ? L’ensemble des rapports, des notes, des détails qui semblent pertinents mais restent dispersés entre différents documents et moments. Et si les outils que nous utilisons pouvaient réellement « retenir » advantage, non pas quelques pages, mais des trajectoires complètes ? Gemini, développé par Google, s’inscrit dans cette perspective. Avec une capacité de traitement pouvant atteindre 2 millions de tokens, il peut intégrer l’équivalent d’environ 1,5 million de mots. Cela peut inclure des notes cliniques, des évaluations, des vidéos, des entretiens et des articles scientifiques, simultanément. Pour les thérapeutes, cela fait écho à une réalité bien connue : notre travail repose rarement sur une information isolée, mais sur l’articulation de multiples éléments. Prenons l’exemple d’un enfant suivi sur plusieurs années. Différents professionnels interviennent, produisent des rapports et apportent des perspectives variées. Le clinicien navigue entre ces documents pour en construire une compréhension cohérente. Un tel système pourrait faciliter la centralisation de ces informations et mettre en évidence des régularités ou des zones d’ombre. Toutefois, cela ne signifie pas qu’il « comprend » l’enfant : il organise les données, sans en saisir le sens. En effet, en clinique, une accumulation de données ne garantit pas une compréhension plus fine. Le travail thérapeutique implique d’écouter, d’observer, de percevoir l’atmosphère relationnelle. Il s’agit de prêter attention à ce qui est exprimé, mais aussi à ce qui ne l’est pas. L’IA peut structurer l’information, mais elle ne fait pas l’expérience de la relation. Elle ne perçoit ni l’hésitation, ni la résistance, ni les variations de tonalité. Utilisé avec précaution, ce type d’outil peut néanmoins être utile. Il peut servir à comparer des rapports, à synthétiser des objectifs récurrents ou à identifier des incohérences. Il permet de préparer le travail clinique et de gagner du temps. Toutefois, l’interprétation, la décision et la responsabilité demeurent du ressort du clinicien. Cette rapidité peut également être séduisante. Lorsque les réponses sont immédiates, le risque est de s’y fier de manière excessive. Or, le raisonnement clinique nécessite du temps. Il se construit à travers le questionnement, la réflexion et l’acceptation de l’incertitude. Si l’IA accélère excessivement ce processus, elle peut en court-circuiter les étapes essentielles. Au-delà de la pratique, des enjeux éthiques se posent. Quelles données sont partagées ? Le consentement est-il respecté ? Les informations sont-elles protégées de manière adéquate ? Même si l’IA peut traiter davantage de données, la responsabilité de leur utilisation nous incombe. Dans le domaine de la recherche, cette capacité étendue peut faciliter l’analyse et l’organisation de volumes importants d’informations. Elle peut soutenir les revues de littérature et les premières phases d’analyse. Toutefois, elle ne se substitue ni à la rigueur méthodologique ni au raisonnement scientifique. Elle accompagne le processus sans en garantir la qualité. Ainsi, la question ne se limite pas à la capacité de l’IA à retenir davantage d’informations, mais à l’usage qui en est fait. Favorise-t-elle une pensée plus claire, ou tend-elle à se substituer à elle ? En définitive, l’essentiel est que la personne accompagnée ne soit jamais réduite à une donnée parmi d’autres, mais demeure au centre de l’attention clinique.

Un thérapeute reçoit un jeune adulte lors d’une séance de thérapie. Le patient devient soudain silencieux, puis exprime un sentiment de débordement sans pouvoir en identifier la cause. Un long silence s’installe. Le thérapeute perçoit la tension, la reconnaît avec délicatesse et laisse au patient l’espace nécessaire pour s’exprimer sans pression. Ces moments sont au cœur de la formation clinique. Ils rappellent que devenir clinicien ne repose pas uniquement sur des connaissances, mais aussi sur la manière de répondre aux émotions humaines réelles. L’IA fait déjà partie de l’apprentissage clinique, bien que son intégration varie selon les contextes. Dans de nombreuses universités et programmes de formation, elle est désormais présente à la fois dans l’enseignement initial et dans la formation continue. Aujourd’hui, de nombreux outils sont accessibles aux cliniciens et aux étudiants dans leur apprentissage : simulateurs de conversation, assistants à la rédaction de notes, plateformes de revue de cas. Il ne s’agit pas d’une évolution à venir, mais d’une transformation déjà en cours de nos modalités d’apprentissage. Ces outils peuvent être utiles. Ils permettent aux étudiants de s’exercer à des échanges, de recevoir des retours rapides et de répéter les exercices autant que nécessaire. Pour les apprenants bénéficiant de la répétition ou d’un rythme flexible, cela peut rendre la formation plus accessible et personnalisée. Cependant, apprendre avec l’IA n’est pas équivalent à apprendre avec des personnes réelles. L’IA peut simuler une conversation, mais elle ne ressent pas les émotions et ne répond pas avec une présence authentique. En situation clinique réelle, les patients peuvent être silencieux, submergés, résistants ou imprécis. Ces moments requièrent plus que des techniques : ils nécessitent une capacité d’accordage. Cela vaut également pour la formation elle-même. Un formateur ou un superviseur ne se limite pas à transmettre des informations. Il perçoit lorsqu’un étudiant est en difficulté, désengagé ou en incompréhension partielle. Il ajuste son accompagnement en temps réel : en ralentissant, en questionnant, en soutenant, ou simplement en étant présent. L’IA ne peut détecter l’indisponibilité émotionnelle, l’anxiété ou la déconnexion. Cette sensibilité humaine constitue un élément central de la formation clinique. Par exemple, un étudiant s’exerçant à une conversation difficile avec l’IA peut acquérir des formulations utiles. Toutefois, en supervision directe, un formateur peut repérer une hésitation dans la voix de l’étudiant ou un inconfort dans l’abord d’un sujet sensible. Il peut alors suspendre l’échange, poser des questions réflexives et accompagner l’exploration des processus internes. Cet apprentissage dépasse la performance : il développe la conscience clinique. Il existe également un risque de dépendance excessive à l’IA. Si les étudiants s’y réfèrent systématiquement pour obtenir des réponses, ils peuvent ne pas développer pleinement leur raisonnement clinique. Un bon clinicien ne se limite pas à répondre : il questionne, réfléchit et tolère l’incertitude. L’IA peut produire des réponses rapides, mais elle ne remplace pas la pensée approfondie qui se construit par l’expérience et la réflexion guidée. Cela étant, l’IA peut soutenir l’apprentissage lorsqu’elle est utilisée avec discernement. Les étudiants peuvent s’exercer en amont de situations réelles, comparer les réponses générées par l’IA avec des modèles théoriques, puis en discuter en supervision. Dans cette perspective, l’IA devient un outil au service de la pensée critique, et non un substitut. Il est également essentiel de reconnaître que l’IA n’est pas neutre. Elle est entraînée à partir de vastes ensembles de données susceptibles d’inclure des biais. Par conséquent, elle peut ne pas refléter avec précision la diversité des expériences culturelles, linguistiques ou individuelles. En clinique, où la compréhension du contexte singulier de chaque patient est essentielle, cela constitue une limite majeure. La responsabilité demeure celle du clinicien. Même en présence de l’IA, les étudiants et les professionnels doivent être en mesure de justifier leurs décisions et de comprendre le raisonnement qui les sous-tend. L’IA doit soutenir l’apprentissage, sans se substituer au jugement professionnel. Pour les formateurs, cette évolution transforme les modalités de conception et de mise en œuvre de la formation. Les programmes s’adaptent, non seulement pour intégrer les outils d’IA, mais aussi pour enseigner leur utilisation de manière critique et éthique. Cela inclut la définition de limites, la protection de la confidentialité et l’accompagnement des étudiants dans la compréhension des forces et des limites de ces technologies. En définitive, l’IA peut soutenir la formation clinique, mais elle ne peut remplacer la relation humaine qui en constitue le cœur. En thérapie comme en formation, l’essentiel réside dans la présence, l’empathie et la capacité à percevoir ce qui se joue chez l’autre. Ces compétences ne sont pas uniquement techniques : elles relèvent de capacités relationnelles qui se développent au contact de l’expérience humaine réelle. À mesure que la formation évolue, l’enjeu n’est pas de savoir s’il faut utiliser l’IA, mais comment l’intégrer sans perdre ce qui fait la dimension profondément humaine du travail clinique.