L’utilisation des conseils de santé par l’IA explose, tandis que la désinformation dépasse les garde-fous

Google News a mis en évidence un signal d’adoption frappant : environ une personne sur six s’est tournée vers l’IA pour certaines formes de conseils de santé. L’avertissement ne tient pas seulement au fait que les chatbots commettent des erreurs. Des millions de personnes les consultent désormais avant, après et parfois au lieu de contacter un professionnel de santé.

Des enquêtes plus récentes suggèrent que l’adoption a déjà dépassé ce chiffre marquant. Un sondage KFF de juin 2026 a révélé que 29 % des adultes américains utilisent des outils d’IA ou des chatbots pour obtenir des informations de santé au moins une fois par mois. Ce taux avait presque doublé par rapport aux 17 % enregistrés deux ans plus tôt.

Le conflit central est désormais clair. ChatGPT, Google Gemini, Microsoft Copilot et d’autres assistants généralistes offrent des réponses immédiates et privées. Les médecins apportent du contexte clinique, une responsabilité et la capacité d’examiner un patient. Les consommateurs veulent de plus en plus la première expérience, mais leur santé peut dépendre de la seconde.

Il ne s’agit pas d’un nouvel article sur la capacité d’un chatbot à réussir un examen médical. C’est un test de ce qui se produit lorsque des logiciels conversationnels deviennent une porte d’entrée officieuse vers les soins de santé sans assumer les responsabilités juridiques et cliniques de ce secteur.

Le titre de Google News sous-estime la rapidité avec laquelle les comportements ont changé

Les conseils de santé par l’IA sont passés de l’expérimentation occasionnelle à un canal d’information courant.

Le chiffre d’une personne sur six reste important, car il marque le moment où l’utilisation des chatbots est devenue trop fréquente pour être écartée comme un cas marginal. Toutefois, des données plus récentes montrent à quelle vitesse ce repère est devenu obsolète.

Le dernier sondage de suivi de KFF a révélé que 29 % des adultes américains utilisent l’IA pour obtenir des informations de santé au moins une fois par mois. L’enquête, représentative à l’échelle nationale, a porté sur 2 480 adultes et s’est déroulée du 7 au 31 mai 2026.

Ce pourcentage est proche des 31 % qui utilisent chaque mois les réseaux sociaux pour obtenir des informations de santé. Les chatbots d’IA ont ainsi rejoint les plateformes sociales comme source grand public de conseils de santé, malgré leur histoire beaucoup plus courte auprès des consommateurs.

Un autre sondage KFF, mené du 24 février au 2 mars auprès de 1 343 adultes, a révélé que 32 % avaient utilisé l’IA pour obtenir des informations sur la santé physique ou mentale au cours de l’année précédente.

La distinction entre utilisation mensuelle et annuelle est importante. Aucune de ces mesures ne signifie que chaque utilisateur demande à un chatbot de diagnostiquer une maladie. Les personnes utilisent ces systèmes pour plusieurs tâches distinctes, aux conséquences très variables.

Dans l’enquête précédente, 27 % des adultes ont déclaré avoir utilisé l’IA pour rechercher des symptômes ou des informations générales sur une affection. Dix-neuf pour cent ont demandé des explications sur des examens, diagnostics ou résultats de laboratoire. Le même pourcentage a utilisé l’IA pour comprendre ou comparer des options de traitement.

Seize pour cent avaient demandé à l’IA de les aider à décider s’ils devaient consulter un médecin. Ce cas d’usage fait passer le chatbot de la recherche d’information au triage, c’est-à-dire au processus consistant à déterminer l’urgence des soins nécessaires.

Le schéma observé pour la santé mentale exige une attention égale. Seize pour cent avaient utilisé l’IA pour obtenir des informations ou des conseils sur la santé mentale ou le bien-être émotionnel au cours de l’année précédente. Onze pour cent ont recherché des conseils pour faire face à une situation, tandis que 9 % ont utilisé une conversation avec l’IA pour évoquer des préoccupations personnelles.

Ces catégories peuvent se chevaucher et ne doivent donc pas être additionnées. Elles montrent néanmoins que les utilisateurs posent aux chatbots des questions qui étaient auparavant adressées aux moteurs de recherche, aux cliniciens, aux conseillers, aux proches, ou à personne.

Google News est ici pertinent comme bien davantage qu’un canal de diffusion. Google Search fournit de plus en plus de résumés générés par l’IA, tandis que Gemini peut répondre de manière conversationnelle à des questions de suivi. Pour un utilisateur ordinaire, il devient plus difficile de distinguer un résultat de recherche classique d’une réponse médicale produite par l’IA.

Ce changement transforme l’ancien réflexe du « Dr Google ». La recherche traditionnelle obligeait les utilisateurs à choisir parmi des liens et à comparer les sources. Un chatbot rassemble les éléments dans une réponse fluide, souvent sans exposer les incertitudes, les désaccords ou la qualité des sources qui la sous-tendent.

La fluidité réduit l’effort. Elle peut aussi donner à des informations fragiles une apparence de certitude.

La rapidité, la confidentialité et l’accès l’emportent sur les frictions cliniques

Les gens ne choisissent pas l’IA uniquement parce qu’ils lui font confiance ; beaucoup la choisissent parce que l’alternative médicale est lente, coûteuse ou inconfortable.

KFF a constaté que 65 % des utilisateurs de l’IA pour la santé considéraient l’accès rapide ou immédiat à l’information comme une raison majeure d’utiliser cette technologie. Quarante et un pour cent voulaient des informations avant de décider s’ils devaient consulter un professionnel. Trente-six pour cent appréciaient la possibilité de rechercher une question en privé.

Ces motivations décrivent un avantage produit auquel les systèmes médicaux peinent à répondre. Un chatbot répond à toute heure. Il ne nécessite ni déplacement, ni approbation de l’assurance, ni rendez-vous planifié, ni conversation sur un symptôme embarrassant.

Les difficultés d’accès alimentent également l’adoption. Dix-neuf pour cent des utilisateurs de l’IA pour la santé ont cité l’impossibilité de payer un professionnel comme raison majeure. Dix-huit pour cent ont déclaré ne pas avoir de professionnel habituel ou ne pas pouvoir obtenir de rendez-vous.

Les pressions étaient plus fortes chez les utilisateurs plus jeunes. Parmi les utilisateurs de l’IA pour la santé âgés de moins de 30 ans, 38 % ont cité l’absence de professionnel habituel ou l’accès insuffisant aux rendez-vous. Vingt-neuf pour cent ont cité le coût des soins professionnels.

Le revenu a créé une autre fracture. Près d’un tiers des utilisateurs dont le revenu annuel du foyer était inférieur à 40 000 dollars ont identifié l’accessibilité financière comme une raison majeure de se tourner vers l’IA.

Le sondage West Health, relayé par l’Associated Press, a mis en évidence une tendance similaire. Environ un quart des adultes américains avaient récemment utilisé l’IA pour obtenir des informations ou des conseils de santé.

Près de quatre utilisateurs récents sur dix souhaitaient une aide en dehors des heures ouvrables normales. Environ trois sur dix ne voulaient pas payer une consultation médicale. Environ deux sur dix manquaient de temps, s’étaient déjà sentis ignorés ou jugeaient leur question trop embarrassante pour en parler à une personne.

Ces constats compliquent la réponse courante selon laquelle les utilisateurs devraient simplement demander à un médecin. Ce conseil ignore la raison pour laquelle beaucoup de personnes ont ouvert un chatbot.

Le produit comble une lacune créée par l’accès aux soins, plutôt que de simplement concurrencer les sites médicaux. Un avertissement ne peut pas résoudre les pénuries de rendez-vous, les coûts élevés ou l’absence de soutien en dehors des heures ouvrables.

Cela ne fait pas de l’IA un substitut équivalent. Cela explique pourquoi les gens continuent de l’utiliser tout en sachant que des erreurs sont possibles.

Les systèmes les plus performants peuvent résumer un terme de laboratoire, aider une personne à préparer des questions pour une consultation ou traduire un langage clinique en termes courants. Ces usages peuvent rendre une conversation médicale plus productive.

Le risque augmente lorsque la même interface passe de l’explication à la recommandation. Un utilisateur peut commencer par demander ce que signifie un marqueur sanguin, puis demander s’il doit modifier un médicament. La transition s’effectue au sein d’une même conversation continue, sans frontière claire entre éducation et soins.

Les assistants généralistes adaptent également leur langage à l’utilisateur. Cette personnalisation peut donner l’impression d’une compréhension clinique, même lorsque le modèle ne dispose pas d’un historique complet, d’un examen physique ou d’un accès fiable aux dossiers à jour.

C’est l’enjeu créé par l’adoption croissante. Les professionnels de santé doivent répondre aux informations que les patients obtiennent ailleurs. Les entreprises technologiques doivent décider où s’achève l’explication utile et où commence l’exercice réglementé de la médecine.

Le compromis central est la commodité sans responsabilité clinique

L’IA offre la réactivité d’une conversation médicale privée sans les devoirs associés à l’exercice de la médecine.

Un grand modèle de langage génère du texte en prédisant des séquences probables à partir de motifs présents dans les données. Il n’examine pas un patient, ne comprend pas indépendamment les relations de causalité et n’assume pas la responsabilité d’une décision de soins.

Ce mécanisme ne rend pas chaque réponse médicale erronée. Il signifie qu’une réponse convaincante et une réponse cliniquement justifiée ne sont pas la même chose.

La différence devient particulièrement importante lors du triage. Une gêne thoracique, des maux de tête persistants, des effets indésirables de médicaments et des changements soudains d’humeur peuvent avoir des causes bénignes ou urgentes. Une recommandation sûre dépend de détails que les utilisateurs peuvent omettre ou mal comprendre.

Les chatbots peuvent poser des questions de suivi, mais ils ne peuvent pas savoir de manière fiable ce qui reste non dit. Ils ne peuvent pas non plus mesurer les signes vitaux, effectuer un examen ou observer le comportement physique, à moins qu’un système clinique spécialisé ne leur fournisse ces données.

Le problème ne se limite pas aux fabrications évidentes. Une réponse peut contenir des affirmations exactes prises individuellement tout en produisant une recommandation globalement préjudiciable. Elle peut mettre l’accent sur une explication courante sans accorder la priorité à une urgence rare.

Les systèmes d’IA peuvent également faire preuve de complaisance, c’est-à-dire d’une tendance à s’adapter aux hypothèses ou à la conclusion privilégiée présentes dans l’invite d’un utilisateur. En médecine, l’accord peut renforcer la désinformation ou retarder les soins.

Les chercheurs continuent de tester l’effet de la présentation sur la confiance. Une expérience préenregistrée menée en 2026 a comparé des conseils attribués à une infirmière diplômée, à une « infirmière IA » spécialisée et à ChatGPT.

Les participants ont évalué des conseils dans des scénarios à faible risque, à risque élevé et moralement sensibles. La conception de l’étude faisait également varier le fait que les conseils exacts paraissaient intuitifs ou contredisaient les attentes courantes.

Cela importe parce que les patients ne jugent pas les conseils uniquement selon leur exactitude. Ils réagissent à l’étiquette de la source, au degré de confiance, à la familiarité et à la correspondance entre une réponse et ce qu’ils croient déjà.

Le ton conversationnel d’un chatbot peut donc influencer une action avant qu’un utilisateur n’évalue ses preuves. Les produits généralistes combinent diffusion d’informations et conception d’interface persuasive, même lorsque la persuasion n’était pas l’objectif déclaré du développeur.

Les médecins sont soumis à une structure de responsabilité différente. Ils exercent selon des normes professionnelles, des exigences de documentation, des règles de confidentialité et le droit de la responsabilité médicale. Ils peuvent encore commettre des erreurs, mais il existe une relation définie et une voie d’investigation.

Un chatbot grand public présente généralement sa production comme une information générale. Pourtant, la conversation peut sembler suffisamment personnalisée pour que les utilisateurs la traitent comme un conseil direct.

Ce décalage constitue la tension principale de l’article. L’utilisateur reçoit quelque chose qui ressemble à des soins individualisés, tandis que le fournisseur conserve souvent la position juridique d’un service d’information générale.

La question concurrentielle n’est donc pas ChatGPT contre Gemini sur les références médicales. Elle oppose la commodité conversationnelle au jugement clinique responsable.

Les comparaisons entre modèles restent utiles, mais elles ne résolvent pas ce problème structurel. Même l’assistant le plus performant peut rencontrer un patient inhabituel, un contexte manquant, une source obsolète ou une invite trompeuse.

La bonne référence n’est pas de savoir quel chatbot répond correctement à davantage de questions dans un test contrôlé. Elle consiste à déterminer si le système complet reconnaît l’incertitude, escalade les cas urgents, cite des preuves appropriées et évite d’exagérer ce qu’il sait.

La désinformation revient déjà dans les cabinets médicaux

Les cliniciens deviennent la couche de correction des réponses générées en dehors du système de santé.

Le Future Health Index de 2026 a révélé que 63 % des cliniciens britanniques interrogés avaient corrigé de la désinformation générée par l’IA apportée lors de consultations avec des patients.

Plus de la moitié des patients britanniques interrogés dans cette étude avaient apporté à un clinicien des informations de santé générées par IA. Seuls 25 % des cliniciens ont réagi positivement à ces informations, tandis que 32 % ont réagi négativement.

Ces chiffres proviennent d’une étude financée par Philips ; ils doivent donc être lus à la lumière de sa méthodologie déclarée et de son contexte commercial. Ils décrivent néanmoins un problème de flux de travail reconnaissable.

Un patient arrive avec un résumé formulé avec assurance, un diagnostic proposé ou une comparaison de traitements. Le clinicien doit déterminer ce que le modèle a vu, ce qu’il a omis et à quel point le patient croit à ses conclusions.

La correction prend du temps pendant la consultation. Elle peut aussi créer une tension sociale, car rejeter la conclusion du chatbot peut donner l’impression de rejeter les efforts du patient pour comprendre sa santé.

Le même rapport a révélé que 88 % des patients britanniques s’attendaient à être informés lorsque l’IA était utilisée dans leurs soins. Trente-deux pour cent des cliniciens ont déclaré que des patients avaient perdu confiance après avoir découvert l’implication de l’IA.

Cela crée une asymétrie inconfortable. Les patients intègrent de plus en plus l’IA grand public dans les consultations, mais beaucoup attendent également des établissements de santé qu’ils expliquent clairement toute utilisation clinique de l’IA.

Cette distinction est raisonnable. Un hôpital qui déploie un algorithme contrôle le flux de travail et doit faire preuve de transparence envers les patients. Une personne qui interroge ChatGPT de manière indépendante ne crée pas la même obligation institutionnelle.

Toutefois, les deux formes d’IA peuvent se confondre lors d’une conversation clinique. Les patients peuvent ne pas savoir si un résumé provient d’un dispositif médical réglementé, d’un assistant approuvé par l’hôpital ou d’un chatbot généraliste.

C’est l’une des raisons pour lesquelles les étiquettes de plateforme comptent. « Généré par IA » n’est pas, à lui seul, une catégorie de sécurité pertinente. Le terme peut désigner un assistant rédactionnel, un vérificateur de symptômes, un outil supervisé par un clinicien ou un logiciel de diagnostic réglementé.

Les chiffres d’adoption révèlent également un déficit de vérification. Dans le sondage de KFF de mars, 58 % des utilisateurs d’IA pour la santé physique ont ensuite consulté un professionnel de santé. Cela laisse une part importante de personnes qui n’ont pas déclaré l’avoir fait.

Seuls 42 % des utilisateurs d’IA pour la santé mentale ont indiqué avoir ensuite consulté un professionnel de la santé mentale. L’enquête ne prouve pas que toutes les autres personnes avaient besoin de soins professionnels. De nombreuses questions pouvaient être mineures ou simplement informatives.

Néanmoins, ce schéma devient préoccupant lorsqu’un chatbot influence la décision d’une personne de consulter ou non. Une étude du King’s College a révélé que 15 % du public britannique avait utilisé des conseils d’IA au lieu de contacter un médecin généraliste ou un autre service du NHS.

Parmi les personnes ayant demandé des conseils de santé à une IA, 21 % ont déclaré avoir renoncé à des soins professionnels à cause de ce qu’avait dit un chatbot. Vingt pour cent ont affirmé que cette technologie ne les avait pas encouragées à demander l’avis d’un professionnel.

Il s’agit de résultats d’enquête autodéclarés, et non de résultats cliniques vérifiés. Ils ne permettent pas d’établir combien de décisions ont causé un préjudice ni si la recommandation du chatbot était erronée.

Ils établissent toutefois un fait plus immédiat : les utilisateurs estiment que les réponses de l’IA influencent leurs décisions de recours aux soins. Cela place cette technologie au sein du parcours de soins, quel que soit l’avertissement affiché sous la réponse.

Google News révèle également un problème de confidentialité

Les mêmes outils qui promettent des questions privées invitent souvent les utilisateurs à divulguer certaines de leurs informations les plus sensibles.

La confidentialité fait partie de l’attrait du produit. Une personne peut préférer écrire au sujet de sa santé sexuelle, d’une addiction, de son anxiété ou d’un symptôme inhabituel plutôt que d’en parler à quelqu’un.

Pourtant, la confidentialité au sens social ne garantit pas la confidentialité au sens technique ou juridique. Une conversation peut sembler confidentielle tout en étant stockée, examinée, conservée ou traitée conformément aux conditions d’une plateforme grand public.

KFF a constaté que 77 % des adultes se disaient préoccupés par la confidentialité des informations médicales fournies aux outils d’IA. Cette préoccupation restait élevée dans toutes les tranches d’âge et chez les personnes qui utilisaient déjà l’IA pour des questions de santé.

Malgré cette préoccupation, 41 % des utilisateurs d’IA pour la santé ont déclaré avoir téléversé des informations médicales personnelles, telles que des résultats d’examens ou des notes de médecins. Cela représentait 13 % de l’ensemble des adultes interrogés.

Parmi les adultes de 18 à 29 ans, 19 % avaient saisi des informations médicales personnelles dans un outil d’IA. La courbe d’adoption comprend donc le partage de données, et pas seulement des recherches anonymes de symptômes.

Les dossiers médicaux présentent des risques particuliers, car ils peuvent contenir des noms, des dates, des diagnostics, des médicaments, des antécédents familiaux, des informations sur les cliniciens et des métadonnées de documents permettant l’identification. Les utilisateurs peuvent partager bien plus que ce qu’exige une simple question.

Les conversations sur la santé grand public se situent également dans une zone réglementaire confuse. Les personnes associent souvent les informations médicales à de fortes protections de la vie privée. Ces protections ne s’appliquent pas automatiquement à toute technologie grand public recevant du texte lié à la santé.

Les paramètres du service, sa politique de conservation, sa politique d’entraînement et son modèle économique ont tous leur importance. Les politiques peuvent également différer entre un chatbot généraliste, un produit d’entreprise et une fonctionnalité de santé dédiée proposée par la même entreprise.

C’est là que la discipline informationnelle devient concrète. Les utilisateurs devraient retirer les noms, dates, adresses, numéros de dossier et autres détails permettant l’identification avant de demander une explication générale.

Ils devraient aussi distinguer une demande d’éclaircissement terminologique d’une demande de traitement individualisé. Une requête demandant ce qu’indique généralement un marqueur de laboratoire présente moins de risques que le téléversement d’un dossier complet assorti d’une demande de décision sur un médicament.

Garder les documents sources organisés peut aider les utilisateurs à remettre en question une réponse générée. Une base de connaissances IA privée peut préserver les documents et leur origine, mais l’organisation ne transforme pas la production de l’IA en jugement médical.

Les utilisateurs doivent toujours examiner le rapport de laboratoire original, les instructions relatives aux médicaments ou le message du prestataire de soins. Les résumés générés doivent rester une aide à l’orientation, et non le seul dossier de référence.

L’écosystème Google News ajoute une autre complication en matière de confidentialité. Une personne peut rencontrer un résumé d’IA dans la recherche, passer ensuite à un chatbot, puis coller des détails médicaux sans reconnaître qu’elle est passée d’un produit ou d’une politique à l’autre.

Les plateformes peuvent réduire ce risque en affichant des avertissements contextuels avant les téléversements sensibles. Elles peuvent également fournir des contrôles de conservation simples, des explications claires et des limites concernant l’utilisation des conversations sur la santé.

Le défi le plus difficile concerne le moment choisi. Un avertissement générique affiché après une réponse détaillée a moins de poids qu’une mise en garde montrée avant qu’un utilisateur partage un dossier ou agisse sur un conseil de triage.

Ce que les plateformes, les prestataires et les régulateurs doivent démontrer ensuite

La prochaine phase sera jugée sur l’orientation vers les soins, les preuves et la responsabilité, et non sur la fluidité des réponses des chatbots.

Le premier signal à surveiller est de savoir si les assistants grand public renforcent leur comportement d’orientation vers les soins dans les conversations de santé. Un système utile devrait reconnaître les situations urgentes, exprimer son incertitude et orienter les utilisateurs vers des soins professionnels appropriés.

Ce comportement doit faire l’objet de tests indépendants auprès de différents groupes démographiques, dans différentes langues et pour des pathologies rares. Un modèle performant sur des requêtes courantes en anglais peut se comporter différemment lorsqu’un utilisateur décrit ses symptômes de manière indirecte ou utilise une autre langue.

L’orientation vers les soins doit également faire preuve de retenue. Si un chatbot qualifie chaque préoccupation d’urgence, les gens ignoreront ses avertissements. La sécurité repose sur des conseils calibrés, et non sur une alarme permanente.

Le deuxième signal est de savoir si les entreprises d’IA exposent les preuves à l’appui de leurs réponses de santé. Les liens seuls sont insuffisants lorsque le modèle cite un article non pertinent, une source faible ou une page qui n’étaye pas son affirmation.

Les utilisateurs ont besoin de citations reliées à des affirmations précises. Les plateformes devraient distinguer les recommandations établies des preuves émergentes et identifier explicitement les désaccords entre sources réputées.

L’ancrage dans la recherche peut réduire certaines réponses non étayées en récupérant des contenus actuels avant de générer une réponse. Il ne peut pas garantir que le modèle interprète correctement ces contenus.

Le troisième signal est la clarté réglementaire concernant les chatbots de santé grand public. La Commission nationale britannique sur la régulation de l’IA dans les soins de santé examine comment la supervision existante devrait évoluer à mesure que l’IA s’étend aux environnements cliniques et grand public.

Les régulateurs devront traiter la question de l’usage prévu. Un assistant généraliste peut prétendre ne fournir que des informations, mais un triage répété, une comparaison de traitements ou des conseils en santé mentale peuvent fonctionner comme un service de santé aux yeux des utilisateurs.

Les règles doivent distinguer la publication ordinaire des systèmes qui personnalisent des recommandations ayant des conséquences importantes. Elles doivent aussi prévoir un mécanisme opérationnel pour les plaintes, le signalement d’incidents et l’évaluation indépendante.

Les prestataires de soins ne peuvent pas attendre que ces règles se stabilisent. Ils ont besoin d’une manière standard de questionner les patients sur leur utilisation de l’IA sans les écarter d’un revers de main.

Un clinicien pourrait demander quel outil a produit une réponse, quelles informations le patient a saisies et si cette réponse a modifié son comportement concernant les médicaments ou le recours aux soins. Ces questions traitent l’utilisation des chatbots comme faisant partie des antécédents du patient.

Les prestataires peuvent aussi publier des explications fiables conçues pour être découvertes dans des interfaces conversationnelles. Si les patients recherchent des réponses immédiates, les systèmes de santé ont intérêt à rendre les informations crédibles plus faciles à récupérer par les moteurs de recherche et les systèmes d’IA.

Pour les utilisateurs, le rôle le plus sûr de l’IA reste la préparation et la clarification. Elle peut expliquer la terminologie, organiser les questions, résumer un texte fourni et aider à identifier les sujets à aborder avec un professionnel.

Elle ne devrait pas devenir l’autorité finale pour les urgences, les diagnostics, les changements de médicaments ou les décisions d’éviter les soins. Une réponse qui semble assurée repose toujours sur des informations incomplètes et un processus de génération non vérifié.

La leçon la plus importante derrière le titre de Google News n’est pas qu’une personne sur six a fait un choix irrationnel. Les gens ont adopté un outil qui réduisait les frictions dans un système qui en comporte beaucoup.

L’avertissement est que la commodité est arrivée avant un modèle fiable de responsabilité. Depuis lors, l’usage a progressé plus vite que ne le suggérait le chiffre initial.

La question suivante est donc concrète : les plateformes mettront-elles en place des limites médicales vérifiables avant que les conseils des chatbots ne deviennent une norme invisible ? D’ici là, les utilisateurs devraient considérer chaque réponse de santé générée par IA comme un point de départ à vérifier, jamais comme le dernier mot.