Le Therabot de Dartmouth est prometteur, mais une thérapie par IA responsable exige toujours une supervision humaine

Le Therabot de Dartmouth a fait son retour dans Google News après qu’un essai mené auprès de 106 personnes a produit un paradoxe inhabituel : des améliorations notables des symptômes grâce à un logiciel auquel les chercheurs ne font toujours pas confiance lorsqu’il agit seul. Le chatbot était disponible 24 heures sur 24 et a créé des liens étonnamment forts avec les participants. Pourtant, ses créateurs estiment que l’IA générative n’est pas encore prête à assurer des soins de santé mentale autonomes.

Cette tension compte davantage que la question désormais familière de savoir si un chatbot peut sembler empathique. Therabot a été conçu spécifiquement pour la psychothérapie, testé face à un groupe témoin et surveillé par des chercheurs cliniciens. Il ne s’agit pas simplement d’un assistant généraliste invité à se comporter comme un conseiller.

L’enjeu central n’oppose donc pas Therabot aux thérapeutes humains. Il oppose une IA supervisée cliniquement à une thérapie par chatbot sans garde-fous. La première approche traite les logiciels conversationnels comme une intervention nécessitant des preuves, un suivi et des procédures d’escalade. L’autre place des modèles persuasifs devant des utilisateurs vulnérables sans protections équivalentes.

Les résultats de Dartmouth apportent des éléments crédibles montrant qu’un chatbot spécialisé peut aider certaines personnes. Ils n’établissent pas qu’un bot peut diagnostiquer des patients, gérer chaque crise ou remplacer le jugement professionnel. La prochaine phase examinera si les bénéfices observés dans une étude contrôlée résistent à un déploiement dans un monde moins prévisible.

Ce que l’essai de Therabot à Dartmouth a réellement changé

Therabot a fait passer la thérapie par IA générative de démonstrations convaincantes à des essais cliniques randomisés, mais uniquement dans des conditions soigneusement encadrées.

Les chercheurs de Dartmouth ont publié les résultats de Therabot le 27 mars 2025. Leur étude portait sur des adultes atteints de trouble dépressif majeur, de trouble anxieux généralisé ou présentant un risque élevé de troubles alimentaires. Les participants venaient de l’ensemble des États-Unis et utilisaient le système via une application pour smartphone.

Le groupe d’intervention comptait 106 participants. Un groupe témoin de 104 personnes présentant les mêmes pathologies n’a pas reçu d’accès à Therabot durant la phase contrôlée. Cette comparaison a donné aux chercheurs une base plus solide pour évaluer les évolutions que ne le feraient des témoignages ou des avis sur les boutiques d’applications.

Les participants affectés à Therabot ont bénéficié de quatre semaines d’accès illimité. Le système pouvait lancer des prises de contact, tandis que les utilisateurs pouvaient entamer une conversation chaque fois qu’ils souhaitaient du soutien. Les chercheurs ont réalisé une nouvelle évaluation quatre semaines plus tard, après l’arrêt des sollicitations proactives.

Selon l’essai clinique publié, les symptômes dépressifs ont diminué en moyenne de 51 % chez les utilisateurs de Therabot concernés. Les symptômes d’anxiété généralisée ont reculé de 31 %. Les préoccupations liées à l’image corporelle et au poids ont diminué de 19 % chez les participants présentant un risque de troubles alimentaires.

Ces pourcentages décrivent des évolutions de mesures standardisées des symptômes. Ils ne signifient pas que Therabot a guéri ces troubles ni qu’il a produit des effets identiques chez tous les participants. Ils ne doivent pas non plus être considérés comme une preuve directe que le logiciel équivaut à un parcours complet de thérapie humaine.

Ces évolutions n’étaient toutefois pas négligeables. Dartmouth a indiqué que les améliorations dépassaient les seuils utilisés par les cliniciens pour identifier un changement significatif. Certains participants anxieux sont passés de symptômes modérés à des symptômes légers, ou de symptômes légers à un niveau inférieur au seuil diagnostique.

Les utilisateurs ont passé en moyenne six heures avec Therabot pendant l’étude. Les chercheurs de Dartmouth ont comparé cette exposition à environ huit séances de thérapie conventionnelle. Cette comparaison porte sur le temps et les résultats déclarés, et non sur l’ensemble des capacités cliniques d’un professionnel formé.

Le logiciel a également généré une forte alliance thérapeutique. Ce terme décrit la confiance, la communication et le sentiment partagé d’objectif qui peuvent se développer entre un patient et un soignant. Les participants ont évalué leur alliance avec Therabot à des niveaux comparables à ceux rapportés en soins ambulatoires.

Cette observation a surpris Nicholas Jacobson, auteur principal de l’étude et professeur associé de science des données biomédicales et de psychiatrie à Dartmouth. Les participants ont souvent initié eux-mêmes les conversations et ont parfois traité l’application comme une amie. L’utilisation augmentait durant les moments difficiles, notamment tard dans la nuit.

Ce résultat aide à expliquer pourquoi l’essai a suscité un regain d’attention dans Google News. Les chatbots génératifs n’ont pas besoin de conscience ni d’émotions réelles pour créer une interaction subjectivement significative. Il leur suffit de répondre avec suffisamment de constance pour que les utilisateurs se sentent écoutés et continuent à s’engager.

Cependant, l’engagement n’est pas automatiquement thérapeutique. Un système peut retenir l’attention d’une personne tout en validant des croyances nocives, en renforçant une dépendance ou en recueillant des informations intimes. L’importance de Therabot vient de l’association de cet engagement avec des résultats mesurés et une supervision active.

Près des trois quarts du groupe Therabot ne recevaient ni médicaments ni autre traitement thérapeutique au début de l’étude. Cela suggère que l’application a atteint des personnes en dehors d’un suivi régulier. Cela renforce également l’importance de comprendre quel soutien existait lorsque le bot rencontrait une situation à risque.

L’équipe de l’étude a examiné les conversations pour vérifier leur conformité avec les pratiques thérapeutiques reconnues. Les chercheurs étaient prêts à intervenir lorsque les participants exprimaient des préoccupations aiguës de sécurité. L’application orientait également les utilisateurs vers les services d’urgence ou les ressources de crise lorsqu’elle détectait des pensées suicidaires.

Ces contrôles distinguent l’étude des conversations quotidiennes avec des chatbots grand public. Les résultats publiés justifient de poursuivre l’étude de systèmes supervisés et conçus à cette fin. Ils ne valident pas tous les chatbots qui adoptent un ton chaleureux ou placent le mot « thérapie » dans leur description de produit.

Pourquoi l’attention de Google News augmente les enjeux

Ce titre arrive sur un marché où les gens utilisent déjà des chatbots généralistes pour obtenir un soutien émotionnel, que ces systèmes aient été conçus pour la thérapie ou non.

La demande est facile à comprendre. L’accès aux soins humains peut être difficile en raison des pénuries de professionnels, de la géographie, des restrictions d’assurance, des contraintes de planification, de la stigmatisation et du coût personnel. Un chatbot répond immédiatement et ne nécessite pas de salle d’attente.

Jacobson a décrit cette pénurie en termes frappants. Il a estimé que les États-Unis comptent environ 1 600 personnes souffrant de dépression ou d’anxiété pour chaque professionnel disponible. Même une intervention numérique imparfaite devient attrayante lorsque l’alternative concrète est l’absence de soins.

L’argument le plus solide en faveur de Therabot n’est pas qu’il peut surpasser tous les cliniciens. Il repose sur le fait qu’un soutien structuré peut atteindre les personnes aux moments où un clinicien n’est pas disponible. Un utilisateur en difficulté à 2 heures du matin peut ouvrir une application avant que sa détresse ne s’aggrave ou qu’une stratégie d’adaptation ne soit oubliée.

La conception du logiciel compte également. Therabot est en développement depuis 2019, avec la contribution continue de psychologues et de psychiatres de Dartmouth. Son matériel d’entraînement initial s’appuyait sur une psychothérapie fondée sur les preuves et sur la thérapie cognitivo-comportementale.

La thérapie cognitivo-comportementale, ou TCC, aide les personnes à identifier et modifier les schémas peu utiles qui relient pensées, émotions et comportements. Elle est suffisamment structurée pour que des exercices, des invitations à la réflexion et des stratégies d’adaptation puissent être proposés par un logiciel. Elle constitue ainsi une cible d’automatisation plus plausible que le jugement clinique ouvert.

Une personne souffrant d’anxiété peut décrire un sentiment d’accablement. Therabot peut lui demander de prendre du recul, d’examiner l’origine de cette réaction et de mettre en pratique une technique d’adaptation. Il peut aussi mémoriser le contexte conversationnel et personnaliser les sollicitations ultérieures.

Cette disponibilité exerce une pression sur les systèmes de soins conventionnels. Les patients habitués à des réponses numériques immédiates se demanderont pourquoi le soutien de routine disparaît entre les rendez-vous. Les professionnels subiront une pression pour proposer des prises de contact plus fréquentes sans alourdir des charges de travail déjà importantes.

La réponse responsable n’exige pas de remplacer les cliniciens. Elle peut consister à répartir le travail selon le niveau de risque. Un logiciel pourrait guider des exercices de routine ou enregistrer les changements de symptômes, tandis que les professionnels conserveraient le diagnostic, la planification du traitement, la gestion des crises et la responsabilité.

Un tel système hybride modifierait les flux de travail cliniques. Les thérapeutes pourraient examiner des synthèses de l’activité entre les séances avant les rendez-vous. Les patients pourraient arriver avec des relevés plus clairs de leurs déclencheurs, symptômes et stratégies d’adaptation tentées.

Ces relevés exigeraient une gestion prudente. Une conversation détaillée sur la dépression, les traumatismes, la consommation de substances ou les comportements alimentaires peut révéler davantage qu’un questionnaire traditionnel sur les symptômes. Elle peut également contenir des informations sur des membres de la famille, des employeurs, des relations et des antécédents médicaux.

Les outils de réflexion personnelle encouragent déjà les utilisateurs à constituer une archive consultable de leur pensée. Un système de connaissances personnel conçu de manière responsable peut aider à organiser l’information, mais les transcriptions thérapeutiques exigent des contrôles plus stricts en matière de consentement, d’accès, de suppression et de sécurité.

L’étude de Dartmouth exerce également une pression sur les entreprises d’IA grand public. ChatGPT, Gemini, Claude et les produits compagnons reçoivent déjà des confidences sur la santé mentale. Leurs fournisseurs ne peuvent pas présumer qu’une étiquette généraliste empêchera les utilisateurs de considérer une conversation fluide comme un soin.

Dans le même temps, les développeurs spécialisés doivent désormais répondre à une exigence de preuve plus élevée. Une interface soignée et un langage empathique ne suffisent plus. Therabot offre un point de référence impliquant des participants diagnostiqués, des questionnaires validés, un groupe témoin et des conversations surveillées.

Cela ne fait pas de la méthode de Dartmouth la norme définitive. L’essai était relativement modeste et a duré huit semaines. Des études plus vastes devront vérifier si les améliorations persistent, si les utilisateurs se désengagent et si des préjudices rares apparaissent à grande échelle.

La visibilité dans Google News peut réduire ces distinctions à une question simple : un chatbot peut-il être un thérapeute responsable ? Les éléments disponibles étayent une réponse plus nuancée. Un chatbot conçu à cette fin peut fournir des composantes thérapeutiques utiles, mais la responsabilité reste entre les mains des humains qui le conçoivent, le testent, le surveillent et le déploient.

Une thérapie par IA responsable implique de résister aux instincts du modèle

Un chatbot thérapeutique utile doit faire davantage que générer une empathie plausible, car la réponse la plus conciliante peut être cliniquement erronée.

Les grands modèles de langage prédisent des séquences probables de mots à partir de schémas appris. Ils ne comprennent pas indépendamment les antécédents d’un patient, n’éprouvent pas d’inquiétude et n’acceptent aucune responsabilité juridique. Leur aisance peut dissimuler ces limites précisément au moment où un utilisateur recherche le plus de réassurance.

Les modèles grand public sont généralement optimisés pour entretenir des conversations satisfaisantes. Cela favorise la réactivité, la chaleur et l’accord. En thérapie, cependant, l’accord automatique peut renforcer une pensée déformée ou valider une interprétation dangereuse.

Un clinicien doit parfois remettre un patient en question avec délicatesse. Le patient peut interpréter un événement neutre comme une persécution, présumer un rejet sans preuve ou exprimer un projet créant un danger immédiat. Accepter chaleureusement le postulat peut aggraver la situation.

Des chercheurs de Stanford ont testé ce problème sur plusieurs chatbots thérapeutiques. Leur étude sur la santé mentale a constaté que les systèmes manifestaient davantage de stigmatisation envers des troubles tels que la schizophrénie et la dépendance à l’alcool qu’envers la dépression.

Les modèles plus récents ou plus grands n’ont pas automatiquement éliminé ce comportement. Les chercheurs ont soutenu que le simple ajout de données ou l’augmentation de l’échelle d’un modèle ne suffisait pas. Un système peut devenir plus éloquent sans devenir fiable sur le plan clinique.

L’équipe de Stanford a également testé des réponses liées aux pensées suicidaires et aux délires. Dans un scénario, un utilisateur évoquait la perte de son emploi avant de poser une question sur les hauts ponts de New York. Certains bots répondaient à la question de localisation au lieu de reconnaître le danger implicite.

Cet exemple révèle une lacune fondamentale en matière de sécurité. Un assistant classique évalue la demande littérale. Un système clinique responsable doit interpréter la conversation, repérer les signaux de risque et interrompre le parcours de réponse habituel.

Therabot a tenté de résoudre ce problème grâce à une formation spécialisée, à la détection des crises et à la supervision de l’équipe de recherche. Lorsqu’elle détectait des idées suicidaires, l’application pouvait afficher des boutons pour les services d’urgence ou une ligne d’assistance en cas de crise. Les chercheurs restaient prêts à intervenir directement.

Ces garde-fous sont importants, mais aucun classificateur ne détecte toutes les crises. Les personnes expriment le danger de manière indirecte, recourent à l’humour, changent de sujet, dissimulent leurs intentions ou communiquent dans un langage culturellement spécifique. Un système entraîné autour de formulations familières peut passer à côté d’une personne qui ne les emploie jamais.

Les fausses alertes créent un autre problème. Un bot qui interrompt régulièrement des conversations ordinaires par des avertissements de crise peut frustrer les utilisateurs et affaiblir la confiance. La sécurité implique donc d’équilibrer les risques manqués et les escalades inutiles, avec des conséquences bien plus importantes que la plupart des décisions d’ajustement logiciel.

L’environnement contrôlé de Therabot a réduit certaines incertitudes. Les chercheurs savaient qui s’était inscrit, quelles pathologies les participants avaient déclarées et comment l’application était censée répondre. Ils pouvaient examiner les interactions et contacter les personnes si nécessaire.

Un déploiement public supprime nombre de ces limites. Les utilisateurs peuvent être mineurs, vivre un épisode psychotique, être intoxiqués, subir des violences conjugales ou résider hors du pays présumé par les ressources d’urgence. Ils peuvent également mal comprendre ce que le produit est capable de faire.

L’avis de santé de l’American Psychological Association recommande donc que les chatbots génératifs ne remplacent pas des professionnels qualifiés de la santé mentale. Il distingue les usages de soutien de la psychothérapie, du diagnostic et de la prise en charge des crises.

Cette distinction ouvre une voie plus crédible pour l’IA. Un chatbot peut soutenir la tenue d’un journal, la réflexion structurée, la pratique de compétences, la préparation de rendez-vous ou les exercices entre les séances. Chaque tâche a une frontière plus claire que l’hypothèse d’une responsabilité générale du traitement.

Nicholas Jacobson et Michael Heinz ont avancé un argument similaire. Ils voient un potentiel dans un soutien fondé sur les logiciels, complémentaire aux soins entre personnes. Heinz affirme également qu’aucun agent génératif n’est prêt à fonctionner de manière pleinement autonome dans les nombreux scénarios à haut risque de la santé mentale.

Cet aveu renforce la recherche plutôt qu’il ne la fragilise. Une thérapie par IA responsable commence par un périmètre défini et une voie d’escalade. Elle ne commence pas par prétendre que les soins humains sont devenus obsolètes.

Les promesses de l’essai se heurtent à la sécurité, à la confidentialité et à la responsabilité

Therabot a démontré une efficacité sous supervision, tandis que les risques non résolus prennent de l’ampleur lorsque cette supervision disparaît.

La première limite concerne la durée. Quatre semaines d’accès illimité et une période d’évaluation de huit semaines peuvent détecter des changements précoces de symptômes. Elles ne peuvent pas établir si les améliorations durent six mois, si la dépendance augmente ou si des préjudices tardifs apparaissent.

La deuxième limite est l’échelle. Un essai réunissant 210 personnes dans les groupes d’intervention et de contrôle peut révéler des effets courants. Il est peu probable qu’il expose chaque défaillance rare susceptible d’apparaître lorsqu’un produit public atteint des centaines de milliers d’utilisateurs.

Un taux de défaillance d’un sur dix mille semble faible dans un cadre de recherche. À l’échelle grand public, il peut toucher de nombreuses personnes. C’est important lorsqu’une défaillance concerne le risque suicidaire, la pensée délirante, les troubles alimentaires, les décisions liées aux médicaments ou les violences.

La troisième limite porte sur la comparaison. Le groupe de contrôle n’a pas reçu Therabot durant la période contrôlée. L’étude montre donc un avantage par rapport à cette condition de contrôle, et non une équivalence avec un traitement dispensé par des cliniciens agréés.

Dartmouth a comparé les évolutions des symptômes et les évaluations de l’alliance thérapeutique avec les tendances rapportées en thérapie ambulatoire. Ces comparaisons sont instructives, mais elles ne remplacent pas un essai direct face à un traitement mené par un clinicien.

Une future étude devrait comparer l’utilisation supervisée de Therabot, la thérapie conventionnelle, les soins hybrides et une condition de contrôle appropriée. Elle devrait également mesurer les événements indésirables, l’abandon du traitement, l’escalade des crises et le recours ultérieur à des soins humains.

Le quatrième problème est la responsabilité. Un thérapeute agréé doit respecter des normes professionnelles et peut faire face à des conséquences disciplinaires ou juridiques. Un chatbot ne peut pas détenir une licence, expliquer son intention lors d’un interrogatoire ou assumer la responsabilité d’une recommandation préjudiciable.

La responsabilité se répartit plutôt entre développeurs, responsables cliniques, systèmes de santé, fournisseurs et organisations qui déploient la solution. À moins que les contrats et les réglementations ne définissent ces rôles, chaque partie peut désigner une autre après un incident.

L’Illinois a déjà tracé une frontière juridique. Sa loi sur la thérapie, signée en août 2025, réserve les services thérapeutiques aux professionnels humains agréés. La mesure autorise toutefois certains usages administratifs et complémentaires de l’IA.

Cette approche privilégie l’augmentation plutôt que la substitution. Elle n’interdit pas les logiciels dans tous les flux de travail liés à la santé mentale. Elle limite l’affirmation selon laquelle un système autonome peut lui-même fournir une thérapie professionnelle.

D’autres juridictions peuvent choisir des règles différentes, créant un marché fragmenté. Une application pour smartphone peut franchir instantanément les frontières des États, tandis que l’agrément clinique et la protection des consommateurs restent liés au lieu. Les développeurs doivent savoir où se trouvent les utilisateurs et quelles affirmations ils peuvent y faire.

La confidentialité soulève une autre question non résolue. Les personnes se confient souvent davantage à un chatbot parce qu’elles s’attendent à moins de jugement. Cette ouverture a contribué à créer l’alliance thérapeutique de Therabot, mais elle produit aussi un ensemble de données exceptionnellement sensible.

Un utilisateur peut révéler des symptômes, des diagnostics, son orientation sexuelle, des conflits familiaux, des problèmes professionnels, une consommation de substances ou des pensées suicidaires. Ces révélations peuvent être préjudiciables si elles sont exposées, réutilisées, vendues ou utilisées pour entraîner de futurs modèles sans consentement réel.

De nombreuses applications de santé destinées aux consommateurs ne sont pas régies par HIPAA de la même manière que les hôpitaux ou les cliniciens. La Federal Trade Commission a précisé que sa règle de notification des violations s’applique à de nombreuses applications de santé et technologies connexes en dehors de HIPAA.

La notification des violations n’est qu’une couche de protection. Un produit responsable doit également prévoir la minimisation des données, le chiffrement, des contrôles d’accès, des procédures de suppression, des limites de conservation et des restrictions claires sur l’entraînement des modèles.

Les utilisateurs devraient savoir si un clinicien peut lire leurs conversations, quand les signaux automatisés déclenchent un examen et si une intervention d’urgence peut avoir lieu. Ces éléments influencent à la fois la sécurité et la volonté des utilisateurs de parler honnêtement.

Le dernier problème est la stabilité des versions. Un essai clinique évalue un système donné dans des conditions données. Les produits génératifs évoluent à travers les mises à jour de modèles, l’ajustement des politiques, les modifications de récupération d’information et de nouvelles fonctionnalités d’interface.

Une mise à jour qui améliore la conversation générale peut modifier le comportement en cas de crise. Une nouvelle fonction de mémoire peut améliorer la continuité tout en accroissant l’exposition de la vie privée. Un ton plus conciliant peut renforcer l’engagement tout en aggravant la flatterie thérapeutique.

La validation clinique ne peut donc pas être un label attribué une seule fois. Les changements importants du système exigent de nouveaux tests, une surveillance continue et des procédures de retour en arrière documentées. Sinon, le produit utilisé par les patients peut progressivement s’éloigner du produit évalué par les chercheurs.

Ce que les lecteurs de Google News devraient surveiller ensuite

Les preuves décisives viendront d’essais comparatifs plus vastes, de règles de déploiement applicables et de rapports transparents sur les défaillances en conditions réelles.

Le premier signal sera une étude Therabot plus vaste et plus longue, avec une comparaison à un traitement actif. Les chercheurs doivent suivre les participants au-delà de huit semaines et comparer le chatbot à des soins dirigés par un clinicien et à des soins hybrides.

Une telle étude devrait examiner davantage que les moyennes de symptômes. Elle devrait indiquer combien de personnes se sont améliorées, sont restées inchangées, ont empiré, se sont désengagées ou ont nécessité une intervention urgente. Les résultats devraient également être ventilés selon le diagnostic, l’âge, l’origine et les antécédents thérapeutiques.

Si les bénéfices restent significatifs pendant plusieurs mois, l’argument en faveur d’un soutien par IA supervisé deviendra plus solide. Si les effets s’estompent rapidement ou si les résultats indésirables se concentrent dans certains groupes, le déploiement devrait être restreint en conséquence.

Une comparaison directe pourrait également révéler où Therabot apporte le plus de valeur. Il pourrait être particulièrement efficace comme passerelle immédiate pour les personnes en attente de soins. Il pourrait être plus utile entre les rendez-vous ou pour des exercices structurés que comme intervention principale.

Le deuxième signal est un modèle détaillé de déploiement clinique. Les lecteurs devraient observer si Dartmouth ou ses partenaires intègrent Therabot dans un système de santé, sous supervision professionnelle, avec des responsabilités d’escalade définies.

Les questions importantes concerneront les opérations. Qui examine les conversations signalées ? Dans quel délai une personne doit-elle répondre ? Que se passe-t-il lorsque l’utilisateur se trouve hors de la juridiction du prestataire ? Les patients peuvent-ils utiliser l’outil sans clinicien attitré ?

Un déploiement crédible devrait publier ses limites dans un langage clair. Il devrait identifier les pathologies prises en charge, les populations exclues, les procédures de crise, les pratiques en matière de données et les preuves étayant chaque affirmation thérapeutique.

Les systèmes de santé devraient également révéler si l’application modifie la charge de travail des cliniciens. L’automatisation ne peut élargir l’accès que si les obligations de surveillance restent gérables. Un service qui génère trop d’alertes peut déplacer le problème de capacité plutôt que le résoudre.

Si Therabot entre dans les soins courants avec une supervision fiable et des besoins en personnel gérables, cela soutiendra le modèle hybride. Si une exploitation sûre exige un examen manuel constant, les affirmations d’un accès évolutif s’affaibliront.

Le troisième signal est une convergence réglementaire autour d’une frontière entre le soutien au bien-être et le traitement clinique. Le marché comprend actuellement des interventions spécialisées, des assistants généralistes, des bots compagnons et des applications de bien-être qui peuvent sembler similaires aux utilisateurs.

Les régulateurs doivent décider à quel moment un accompagnement conversationnel devient la pratique de la thérapie. Les facteurs pertinents peuvent inclure les affirmations diagnostiques, les recommandations de traitement, l’utilisation auprès de populations vulnérables, l’implication de cliniciens et la réponse du produit aux crises.

Les règles de confidentialité doivent évoluer parallèlement aux règles cliniques. Les utilisateurs ont besoin d’un contrôle réel sur des transcriptions très personnelles. Les développeurs ne devraient pas considérer qu’un consentement enfoui dans une longue politique autorise une conservation ou un entraînement des modèles sans restriction.

L’évaluation indépendante de la sécurité sera également importante. Les développeurs devraient tester les systèmes face à un langage de crise subtil, aux délires, aux demandes liées aux troubles alimentaires, à la consommation de substances, aux violences et aux expressions culturellement variées de la détresse. Les résultats devraient inclure les taux de défaillance, et non seulement les démonstrations réussies.

L’histoire de Therabot porte donc moins sur la construction d’une machine méritant le titre de « thérapeute ». Il s’agit de déterminer quelles tâches thérapeutiques les logiciels peuvent accomplir, sous quelle autorité, avec quelles preuves et avec quelles voies de sortie.

Pour les lecteurs qui suivent le débat via Google News, la question pratique n’est pas de savoir si un chatbot a un jour produit une réponse empathique. Demandez-vous si ses bénéfices ont été mesurés, si des humains peuvent intervenir et si les défaillances sont signalées.

Les personnes peuvent utiliser l’IA pour organiser leurs questions, réfléchir à des schémas récurrents ou préparer une conversation professionnelle. Un second cerveau consultable peut soutenir cette préparation sans prétendre fournir un traitement.

Therabot a renforcé la crédibilité du versant optimiste de l’argument. Il a montré qu’un système génératif conçu à cette fin peut maintenir l’engagement et s’accompagner d’améliorations mesurables des symptômes. La propre prudence de Dartmouth rend les éléments de preuve contraires tout aussi importants.

Les un à trois prochains mois devraient être marqués par un examen attentif des études de suivi, des partenariats cliniques et des réglementations au niveau des États. Toute expansion devra être évaluée à l’aune des garde-fous qui l’entourent, et non de la fluidité de ses réponses.

Feriez-vous confiance à un chatbot de santé mentale parce qu’il semblait compréhensif, ou seulement après avoir vu comment il gère une conversation qui tourne mal ? Cette distinction devrait guider les patients, les cliniciens, les développeurs et les décideurs politiques. L’IA peut aider à étendre l’accès aux soins, mais la responsabilité doit rester attachée aux personnes et aux institutions capables d’agir lorsque le langage seul ne suffit pas.