Lorsqu’un patient écrit à un thérapeute ou à un autre professionnel de santé, la réponse doit être exacte, claire et bienveillante. L’intelligence artificielle (IA) peut aider en préparant un brouillon. Mais celui-ci n’est qu’un point de départ : il peut ne pas tenir compte de toute la situation du patient et doit être vérifié par le professionnel avant d’être envoyé.
Une étude publiée en 2025 a examiné cette approche dans un grand hôpital des Pays-Bas. Pendant 16 semaines, 100 médecins de 14 spécialités ont répondu à 919 messages de patients. Pour chaque message, ils pouvaient choisir un brouillon rédigé par l’IA ou rédiger leur réponse à partir d’une page blanche. L’étude a évalué la fréquence à laquelle les cliniciens choisissaient les brouillons, l’ampleur des modifications apportées et le temps nécessaire pour répondre (Bootsma-Robroeks et al., 2025).
Les cliniciens ont choisi un brouillon généré par l’IA pour 58 % des messages. Parmi les réponses préparées à partir d’un brouillon, 43 % en conservaient au moins une partie de la formulation. Ces résultats montrent que les cliniciens étaient prêts à essayer cet outil, mais qu’ils n’utilisaient pas tous ses suggestions de la même manière : certains reprenaient une plus grande partie du brouillon, tandis que d’autres le remaniaient largement.
L’étude n’a pas mis en évidence de gain de temps notable. Les réponses qui reprenaient une partie du brouillon de l’IA prenaient à peu près autant de temps que celles rédigées à partir d’une page blanche, soit environ deux minutes et demie. La relecture et la correction d’un brouillon peuvent prendre du temps : générer du texte ne rend donc pas nécessairement la tâche plus rapide dans son ensemble.
Pour les thérapeutes, un brouillon généré par l’IA peut être utile pour répondre à des messages courants, par exemple pour confirmer un rendez-vous ou expliquer une procédure générale du cabinet. Il peut aussi aider à structurer une réponse lorsque le thérapeute est très occupé. Cela pourrait libérer du temps pour les soins en présence du patient. Toutefois, l’étude n’ayant pas montré que ces brouillons faisaient gagner du temps, cet avantage ne doit pas être tenu pour acquis.
Les messages échangés dans le cadre d’une thérapie portent souvent sur des émotions, des relations et des expériences personnelles sensibles. Une réponse générée par l’IA peut sembler chaleureuse tout en passant à côté d’une signification importante, du contexte ou d’un changement dans l’état émotionnel du client. Elle peut aussi paraître impersonnelle ou ne pas correspondre à l’approche du thérapeute. Un brouillon ne doit jamais se substituer à l’évaluation du thérapeute, en particulier si un client semble en danger ou a besoin d’un soutien urgent.
Les thérapeutes peuvent utiliser ces brouillons comme point de départ, tout en conservant leur propre voix et leur jugement clinique. Avant d’envoyer une réponse, ils devraient vérifier qu’elle est adaptée au client, qu’elle répond réellement à sa préoccupation et qu’elle ne promet pas plus que ce qu’ils peuvent offrir. Si un message appelle une discussion approfondie, le thérapeute peut juger préférable de proposer une séance ou un appel téléphonique plutôt que de répondre par écrit.
Cette approche comporte également des responsabilités importantes. La confidentialité des patients doit être protégée, et les établissements de santé devraient expliquer comment ces outils sont utilisés et en évaluer le fonctionnement afin de repérer les erreurs ou les écarts de performance injustifiés. Les cliniciens restent responsables des messages qu’ils envoient, même lorsque l’IA a contribué à leur rédaction.
Cette étude offre un premier aperçu de l’utilisation de l’IA pour faciliter les échanges avec les patients dans le cadre des soins courants. L’outil a été utilisé, mais aucun gain de temps manifeste n’a été démontré. De futures études devraient examiner si ces brouillons améliorent la clarté et la qualité des réponses, ce que les patients pensent de ces messages et si l’outil fonctionne de manière sûre auprès de différents publics et pour différents types de messages.
Référence
Bootsma-Robroeks, C. M. H. H. T., Workum, J. D., Schuit, S. C. E., Hoekman, A., Mehri, T., Doornberg, J. N., van der Laan, T. P., & Schoonbeek, R. C. (2025). AI-generated draft replies to patient messages: Exploring effects of implementation. Frontiers in Digital Health, 7, Article 1588143. https://doi.org/10.3389/fdgth.2025.1588143