IA et santé mentale en 2026 : utile pour préparer un rendez-vous, risquée pour se diagnostiquer

En apparence, un chatbot qui répond en quelques secondes à une question sur l’anxiété ou la dépression semble offrir une présence disponible, discrète et sans jugement.

Les synthèses publiées en 2026 décrivent pourtant un écart entre les performances obtenues sur des données proches de celles qui ont servi au développement des modèles et celles observées dans des contextes cliniques indépendants.

La place la plus sûre de l’intelligence artificielle en santé mentale se situe dans l’appui, la préparation et le suivi encadré. Le diagnostic solitaire et la gestion d’une urgence dépassent son rôle.

L’IA n’est pas un soignant.

Une réponse fluide ne prouve rien

Un modèle d’intelligence artificielle produit une réponse à partir de données et de probabilités. Il peut repérer des régularités dans un texte, une voix, un questionnaire ou certains signaux biologiques. Il ne perçoit pas une personne dans toute sa situation, son histoire et les changements observés au fil d’un entretien.

Une revue de revues publiée dans Frontiers in Psychiatry en 2026 a analysé 31 synthèses consacrées à l’IA en santé mentale. Pour le dépistage, la classification et la prédiction du risque, les aires sous la courbe, un indicateur statistique de discrimination, se situaient souvent autour de 0,80 à 0,88 lors des validations internes. Les validations externes ou prospectives restaient rares et les performances diminuaient généralement.

Cette distinction change la lecture d’un chiffre. Un outil peut bien classer des dossiers dans un hôpital donné, puis perdre en précision dans une autre région, avec un autre logiciel, un autre vocabulaire ou des patients différents. La performance dépend du contexte dans lequel le modèle est utilisé.

Le chatbot aide parfois, mais sur un périmètre étroit

Les agents conversationnels peuvent expliquer un terme, reformuler une pensée, proposer une brève intervention ou aider à préparer un rendez-vous. Ils peuvent aussi rappeler une routine de sommeil, organiser un journal de symptômes ou transformer un récit confus en questions à poser à un professionnel.

Les résultats cliniques sont plus limités. La revue de revues de 2026 rapporte de petites à modérées améliorations à court terme des symptômes dépressifs avec certains agents conversationnels, avec des tailles d’effet approximativement comprises entre 0,2 et 0,6. Pour l’anxiété et le stress, les résultats sont plus faibles ou irréguliers. Ils varient selon le groupe de comparaison, la durée du suivi et la présence d’un accompagnement humain. Au-delà de huit à douze semaines, les données sur la persistance des bénéfices deviennent rares.

Une revue de portée publiée en 2024 dans l’Interactive Journal of Medical Research a examiné 144 références et retenu 44 articles pour son analyse détaillée. Parmi les usages de l’IA générative, 19 études portaient sur des applications thérapeutiques et 13 sur le soutien au conseil. Les troubles précis étaient peu représentés : deux articles concernaient le trouble bipolaireun la schizophrénie, un les troubles alimentaires et deux l’état de stress post-traumatique.

Ces chiffres décrivent un champ de recherche, pas une preuve générale d’efficacité. Ils expliquent pourquoi une réponse convaincante de ChatGPT ne suffit pas à détecter une dépression, une manie, une psychose ou un risque suicidaire. Le modèle peut produire une formulation cohérente sans évaluer la gravité clinique de la situation.

Pour une personne qui consulte déjà, l’IA peut faciliter la préparation d’un échange. Elle ne doit pas décider seule d’un changement de traitement. Une conversation isolée avec un algorithme ne permet pas de personnaliser un traitement de la dépression.

Le risque vient aussi de la confiance

Sauf que l’utilisateur ne reçoit pas une probabilité, il reçoit une phrase. Le ton assuré, la rapidité et la disponibilité donnent parfois à la réponse une autorité qu’elle n’a pas gagnée. Une personne peut alors prendre une hypothèse pour un diagnostic, une reformulation pour une validation ou une suggestion pour une prescription.

La revue de 2026 relève plusieurs failles de gouvernance. La confidentialité et les biais sont souvent discutés, tandis que la responsabilité, la surveillance après déploiement et les procédures d’escalade en cas de crise sont décrites de manière inégale. L’explicabilité, c’est-à-dire la capacité à rendre le fonctionnement du modèle plus compréhensible, ne suffit pas si les professionnels ne savent pas interpréter ses erreurs ni agir lorsqu’un signal inquiétant apparaît.

Les populations étudiées ne couvrent pas tous les profils avec la même précision. Les adultes âgés et plusieurs troubles, dont la schizophrénie et le trouble bipolaire, restent sous-représentés dans les travaux recensés. Un outil peut donc sembler performant sur sa population d’origine et fonctionner moins bien lorsque l’âge, la langue, la culture ou les expressions de détresse changent.

Une revue narrative publiée le 15 juillet 2026 dans Frontiers in Psychiatryconsacrée à la région du Moyen-Orient et de l’Afrique du Nord, décrit ce problème pour les usages linguistiques arabes. La diglossie, qui désigne la coexistence de l’arabe standard et de nombreux dialectes, peut compliquer l’interprétation des formulations. La revue rapporte aussi un paradoxe : la stigmatisation et les préoccupations de confidentialité favorisent le recours à des outils anonymes, alors que cet anonymat limite la confiance dans leur fiabilité clinique.

Les usages qui tiennent la route

En réalité, le niveau de risque dépend de la tâche. Demander à une IA de structurer un journal de sommeil n’a pas le même enjeu que lui demander si l’on souffre d’un trouble bipolaire. Dans le premier cas, elle organise une information. Dans le second, elle prétend interpréter une situation clinique.

Préparer un rendez-vous

Notez les faits avant de solliciter l’outil : date d’apparition, durée, fréquence, déclencheurs, sommeil, consommation de substances et conséquences dans le travail ou les relations. L’IA peut ensuite transformer ces éléments en questions. Le professionnel garde la responsabilité de l’évaluation.

Clarifier ses émotions

Une consigne comme Reformule ce que je ressens en séparant les faits, mes interprétations et les questions à poser à un professionnel réduit le risque de recevoir une étiquette trop rapide. La réponse reste une hypothèse de travail. Elle ne remplace ni l’entretien ni l’observation de l’évolution.

Suivre une routine

Un outil peut rappeler une heure de coucher, proposer une courte pratique de relaxation ou aider à repérer une tendance dans un carnet. Pour une personne suivie pour un trouble de l’humeur, ce suivi peut devenir un support à partager avec l’équipe soignante. Il ne doit pas conduire à arrêter un médicament, modifier une dose ou interpréter seul une variation d’humeur.

1. Définissez une tâche précise : reformuler, organiser, rappeler ou préparer.
2. Retirez les informations directement identifiantes, comme le nom, l’adresse, le numéro de dossier ou les détails permettant de reconnaître un proche.
3. Demandez au modèle de distinguer les observations, les hypothèses et les incertitudes.
4. Vérifiez toute information médicale avec un professionnel ou une source institutionnelle.
5. Arrêtez l’échange si les réponses augmentent la rumination, l’angoisse, l’impulsivité ou l’isolement.

Les études regardent désormais l’interprétabilité

Un article bibliométrique publié le 2 janvier 2026 dans l’Asian Journal of Psychiatry a recensé 2 328 articles de recherche originaux publiés entre 1980 et 2025 dans la catégorie psychiatrie du Web of Science. Il ne mesurait pas l’efficacité des outils auprès des patients. Il cartographiait les thèmes de recherche. Les troubles dépressifs, la schizophrénie, le suicide, l’anxiété, le trouble bipolaire, la psychose et la santé numérique figuraient parmi les thèmes centraux.

Les marqueurs neurobiologiques dominaient entre 2014 et 2017. L’évaluation de la gravité des symptômes, la psychose débutante et l’imagerie par résonance magnétique fonctionnelle ont davantage émergé entre 2018 et 2020. En 2024 et 2025, les thèmes de la santé mentale, de la santé numérique et de l’interprétabilité apparaissaient plus nettement. L’article identifie en parallèle des lacunes de validité externe, d’hétérogénéité des données, d’explicabilité et d’intégration éthique.

La revue de revues de 2026 pointe aussi des obstacles pratiques : l’utilisabilité, l’intégration au dossier médical, la formation des professionnels et le suivi après déploiement. Une explication compréhensible ne devient utile que si une équipe sait interpréter l’erreur et décider de la suite.

Pour les patients, le repère est direct : une IA acceptable doit annoncer ses limites, protéger les données, reconnaître l’incertitude et transmettre vers un humain quand la situation dépasse son rôle. Sans ces garde-fous, elle peut rendre une erreur plus facile à suivre.

Une IA utile reste surveillée.