Alors que les discussions et déclaration autour de l’IA en santé soulignent une tendance de fond (voir notre article les 6 signaux qu’il ne fallait pas manquer cet été 2026), quelle valeur supplémentaire l’humain apporte-t-il réellement lorsqu’une partie de l’intervention peut être automatisée ? Dans le cadre des forfaits techniques actés pour les premiers DMN, la question mérite d’être posée.
Chatbots, accompagnement humain, profils individuels et culturels : ce que la littérature permet réellement de conclure
Pendant longtemps, la frontière semblait relativement claire.
Le numérique pouvait informer, mesurer, rappeler ou proposer des exercices. Pour comprendre une personne, personnaliser réellement un accompagnement, soutenir sa motivation ou construire une relation thérapeutique, l’intervention humaine paraissait difficilement remplaçable.
L’intelligence artificielle générative bouscule cette séparation.
Les agents conversationnels peuvent désormais maintenir un dialogue, reformuler une information, adapter leurs réponses aux éléments fournis par l’utilisateur et proposer une interaction qui ressemble de plus en plus à un accompagnement individualisé.
Certaines études vont même plus loin : dans des situations textuelles, les réponses produites par des chatbots d’IA peuvent être évaluées comme plus empathiques que celles de professionnels de santé.
D’aucuns pourraient donc dire que l’IA a rattrapé l’humain. Mais l’empathie et la disponibilité sont-elles suffisantes ? La question utile devient beaucoup plus précise : l’intervention humaine améliore-t-elle réellement les résultats par rapport à une intervention automatisée, et si oui, pour qui, à quel moment et pour quelle fonction ?
La littérature apporte déjà quelques éléments de réponse. Ils sont beaucoup moins binaires qu’on pourrait l’imaginer.
Première surprise : les agents conversationnels peuvent déjà produire des effets mesurables
Une méta-analyse publiée en 2026 dans npj Digital Medicine a regroupé 39 essais randomisés portant sur des chatbots utilisés pour agir sur les symptômes dépressifs et anxieux.
Sur 38 études représentant 7 401 participants, les chatbots étaient associés à une diminution des symptômes dépressifs par rapport aux groupes contrôles, avec une taille d’effet de Hedges g = 0,31. Pour l’anxiété, 34 études représentant 7 621 participants aboutissaient également à un effet statistiquement significatif, avec g = 0,28 (Sohn et al., 2026).
Ces résultats sont intéressants, mais ils ne signifient pas qu’un chatbot équivaut à une psychothérapie.
L’hétérogénéité entre les études était importante : pour les symptômes dépressifs, I² atteignait 85,34 %, et pour l’anxiété 94,32 %. Surtout, 35 des 39 études incluses présentaient un risque global de biais élevé, notamment en raison du recours fréquent à des mesures autodéclarées.
Les résultats doivent donc être considérés comme un signal favorable, et non comme une démonstration définitive d’efficacité clinique généralisable.
Une autre méta-analyse publiée en 2026 s’est intéressée plus spécifiquement aux agents conversationnels fondés sur le traitement automatique du langage et sur des principes de thérapie cognitivo-comportementale. Elle a inclus 15 essais randomisés représentant 1 737 participants. Les auteurs retrouvent des effets petits à modérés sur les symptômes dépressifs et un petit effet sur l’affect négatif, mais pas d’effet statistiquement significatif après correction du biais de publication sur l’anxiété généralisée ou le stress (Hang et al., 2026).
Ces travaux convergent donc sur un point : une interaction automatisée peut contribuer à une amélioration mesurable de certains résultats psychologiques.
Ils ne permettent pas d’en déduire que l’IA constitue une alternative générale aux professionnels de santé.
Les interventions, les populations et les technologies étudiées sont très différentes. Certaines reposent sur des scripts ou des règles ; d’autres utilisent des systèmes plus adaptatifs. Regrouper toutes ces technologies sous le seul terme d’« IA » peut donner une impression de maturité homogène qui ne correspond pas à la littérature.
Même l’empathie ne suffit plus à tracer la frontière entre IA et humain
L’empathie est souvent avancée comme l’avantage décisif de l’humain. Là encore, la littérature récente oblige à préciser ce que l’on mesure.
Une revue systématique et méta-analyse publiée dans British Medical Bulletin a identifié 15 études comparant des réponses produites par des chatbots utilisant de grands modèles de langage à celles de professionnels de santé. Treize études rapportaient des évaluations d’empathie statistiquement supérieures pour les réponses de l’IA. Sur les 13 études pouvant être regroupées quantitativement, la différence standardisée était de 0,87 en faveur de l’IA (Howcroft et al., 2025).
Le résultat est spectaculaire, mais il ne démontre pas que l’IA est « plus empathique » qu’un soignant.
Les études évaluaient principalement des réponses textuelles et faisaient largement appel à des évaluateurs tiers. Elles mesurent donc la qualité empathique perçue d’un message dans une situation donnée.
Elles ne capturent pas nécessairement ce que recouvre une relation de soin dans la durée : connaissance progressive de la personne, communication non verbale, confiance, responsabilité clinique, continuité de la relation ou capacité à prendre en compte une trajectoire complexe.
La conclusion est plus limitée, mais déjà importante : la capacité à produire une réponse chaleureuse, compréhensive et perçue comme empathique n’est plus un avantage exclusivement humain.
L’argument selon lequel l’IA ne pourrait jamais reproduire l’empathie est donc devenu trop général. Cela ne signifie pas pour autant qu’elle reproduise l’ensemble d’une relation thérapeutique.
Le soutien humain améliore parfois les résultats, mais pas systématiquement
Les interventions psychologiques numériques fournissent aujourd’hui une base plus solide pour étudier cette question.
Une méta-analyse publiée en 2023 a comparé directement des thérapies cognitivo-comportementales délivrées sur Internet avec et sans accompagnement humain chez des adultes présentant des troubles anxieux ou apparentés.
Onze essais randomisés, représentant 1 414 participants, ont été inclus. À la fin du traitement, les interventions guidées présentaient un avantage statistiquement significatif mais faible par rapport aux interventions non guidées : g = 0,16.
À plus long terme, la différence devenait non significative : g = 0,13, avec un intervalle de confiance allant de −0,04 à 0,30 (Oey et al., 2023).
Le soutien humain peut donc apporter un bénéfice supplémentaire, mais son avantage moyen n’est ni massif ni nécessairement durable.
Une méta-analyse en réseau publiée en 2026 permet d’aller plus loin. Elle a analysé 141 essais randomisés représentant 32 197 participants utilisant des interventions cognitivo-comportementales en ligne pour des symptômes dépressifs.
Par rapport aux soins habituels, les interventions bénéficiant d’un soutien thérapeutique présentaient le plus fort effet sur les symptômes dépressifs : g = 0,42. Elles étaient plus efficaces que les formats reposant sur un accompagnement minimal, limité à des encouragements, ainsi que les formats proposant uniquement un support technique.
Mais les interventions avec soutien thérapeutique ne faisaient pas systématiquement mieux que celles bénéficiant d’un coaching structuré, d’un soutien automatisé, d’un soutien à la demande ou même d’une absence de soutien.
Un autre résultat mérite particulièrement l’attention : lorsque les participants avaient bénéficié d’un contact humain avant le début de l’intervention, les différences d’efficacité entre plusieurs niveaux de soutien s’atténuaient. En l’absence de ce contact initial, le soutien thérapeutique prenait davantage d’importance et le risque d’abandon augmentait (Tong et al., 2026).
Ces résultats suggèrent qu’un contact humain ciblé à certains moments du parcours pourrait parfois suffire, plutôt qu’un accompagnement professionnel continu. Cette hypothèse reste toutefois à tester selon les contextes cliniques et les populations.
La présence de l’humain compte probablement moins que sa fonction
L’expression « accompagnement humain » masque des interventions très différentes.
Un professionnel qui réalise une évaluation clinique ne remplit pas la même fonction qu’un coach qui aide une personne à analyser un obstacle.
Un psychologue qui adapte une stratégie thérapeutique ne réalise pas la même intervention qu’un professionnel qui envoie chaque semaine un rappel standardisé.
Un support technique répond encore à une autre fonction.
La méta-analyse de Tong et al. l’illustre : le support technique était la modalité la moins performante parmi celles étudiées et ne faisait pas significativement mieux que les soins habituels, tandis que le soutien thérapeutique obtenait de meilleurs résultats dans plusieurs comparaisons.
La valeur de l’humain ne semble donc pas résider simplement dans sa présence. Elle dépend de la fonction qu’il remplit.
Dans une intervention de changement comportemental, cette fonction peut consister à comprendre pourquoi une personne n’agit pas comme prévu, identifier un obstacle, ajuster un objectif, travailler une croyance, soutenir l’autorégulation ou réévaluer une situation devenue plus complexe.
La question devient alors moins de savoir si une IA peut tenir une conversation que d’identifier quelles fonctions cliniques ou comportementales bénéficient réellement d’une intervention humaine supplémentaire.
L’humain n’est probablement pas nécessaire de la même manière pour tout le monde
C’est peut-être le point qui manque le plus au débat actuel.
Les études comparent généralement des modalités d’intervention et calculent un effet moyen. Or une moyenne peut masquer des trajectoires très différentes.
Une revue systématique publiée en 2024 a analysé 58 études ainsi que six méta-analyses sur données individuelles consacrées aux facteurs susceptibles de prédire ou de modifier l’efficacité des interventions Internet et mobiles contre la dépression.
Les auteurs ont extrait 466 analyses provenant des études individuelles. Seules 24 % aboutissaient à un résultat statistiquement significatif. Dans les six méta-analyses sur données individuelles, cette proportion tombait à 15,1 %. Les données restent donc insuffisantes pour la grande majorité des facteurs étudiés (Sextl-Plötz et al., 2024).
Parmi les modérateurs étudiés, la sévérité initiale est l’un de ceux pour lesquels les signaux sont les plus récurrents. Dans plusieurs analyses, une sévérité plus élevée était associée à un bénéfice plus important de l’intervention, sans que cela permette d’en faire une règle d’orientation individuelle.
L’âge, le niveau d’éducation, l’origine ethnique, la situation relationnelle, l’historique thérapeutique ou certains comportements apparaissaient également dans certaines analyses, mais sans permettre aujourd’hui de construire un algorithme robuste d’orientation.
La littérature actuelle ne permet notamment pas d’identifier un profil de personnalité stable qui déterminerait qu’une personne répondra mieux à un humain qu’à une intervention automatisée.
Les affirmations du type « les personnes introverties préfèrent le digital » ou « les personnes extraverties ont besoin d’un thérapeute » vont donc largement au-delà des preuves disponibles.
Une approche plus crédible consiste à considérer les besoins, la sévérité, les préférences, les difficultés rencontrées, la réponse à l’intervention et son évolution dans le temps.
Plutôt que de déterminer une fois pour toutes le niveau d’intervention humaine nécessaire, les futurs parcours pourraient ainsi adapter ce niveau à la réponse réelle de la personne.
La culture compte, mais pas comme on pourrait le croire
La même prudence s’impose concernant les différences culturelles et géographiques.
Une revue systématique consacrée à l’adaptation culturelle des interventions Internet et mobiles en santé mentale a identifié 55 publications et 17 composantes d’adaptation portant notamment sur le contenu, la méthodologie et les procédures.
Les adaptations pouvaient concerner la langue, les situations représentées, les valeurs, les normes sociales, la place de la famille, les représentations de la santé mentale ou encore des difficultés spécifiques liées à la migration, à la discrimination ou aux conditions socio-économiques (Spanhel et al., 2021).
Ces travaux montrent qu’une intervention numérique ne se résume pas à son interface technique. Le contexte dans lequel elle est utilisée peut modifier la manière dont elle est comprise, acceptée et intégrée dans la vie quotidienne.
Il faut néanmoins éviter d’aller plus loin que les données.
La revue de Spanhel et al. soulignait notamment qu’aucune des études incluses ne comparait directement une intervention culturellement adaptée à sa version originale.
On ne peut donc pas attribuer avec certitude un bénéfice à l’adaptation culturelle elle-même, ni en déduire que certaines cultures auraient davantage besoin d’un accompagnement humain.
Les affirmations selon lesquelles les cultures collectivistes auraient davantage besoin d’un humain ou les populations occidentales répondraient mieux au digital ne sont donc pas étayées.
Ce que les données permettent de dire est plus sobre : une intervention numérique développée dans un contexte donné ne doit pas être considérée comme automatiquement équivalente lorsqu’elle est déployée dans un autre contexte culturel.
Traduire une intervention n’est pas nécessairement l’adapter. Et personnaliser une réponse n’est pas nécessairement comprendre le contexte dans lequel cette réponse sera reçue.
Personnaliser une réponse n’est pas encore personnaliser une intervention
C’est probablement l’un des enjeux majeurs de l’IA générative en santé. Adapter le vocabulaire, le ton ou le contenu d’une réponse constitue un premier niveau de personnalisation.
Choisir le mécanisme de changement pertinent en constitue un autre. Identifier qu’un problème différent de celui initialement exprimé doit finalement être traité en constitue encore un autre.
Prenons un exemple simple.
Une personne ne réalise plus son programme d’activité physique. Elle peut manquer de motivation. Mais elle peut aussi avoir peur de déclencher une douleur, dormir très mal, rencontrer une difficulté sociale, avoir changé de rythme professionnel ou avoir reçu un objectif devenu incompatible avec son quotidien.
L’enjeu dépasse alors la production d’une excellente réponse à la question posée. Il faut parfois identifier la bonne question à traiter.
Cette fonction est beaucoup moins étudiée dans les comparaisons actuelles entre humains et agents conversationnels.
C’est également l’une des limites des travaux fondés uniquement sur l’évaluation de réponses textuelles.
Une IA peut produire une réponse pertinente à une situation telle qu’elle lui est décrite. Cela ne démontre pas qu’elle a identifié le problème clinique ou comportemental prioritaire.
Vers des parcours où l’humain intervient au bon moment ?
Les données disponibles conduisent ainsi moins à choisir entre humain et IA qu’à réfléchir au niveau d’intervention nécessaire selon les fonctions et les situations.
Certaines tâches pourraient être largement automatisées : information, séquences éducatives structurées, rappels, auto-suivi, certains feedbacks ou préparation d’un échange avec un professionnel.
L’intervention humaine pourrait être concentrée sur les situations dans lesquelles sa contribution supplémentaire est susceptible d’être importante : démarrage d’un parcours complexe, difficulté persistante, absence de progression, évolution du risque, besoin d’adaptation clinique ou situation sortant du cadre prévu.
Cette architecture est séduisante, mais elle doit elle aussi être démontrée.
Une véritable évaluation devrait comparer plusieurs stratégies :
- intervention automatisée seule,
- soutien humain systématique,
- soutien humain déclenché en fonction de critères prédéfinis ou de la réponse de la personne.
Les essais adaptatifs, notamment les protocoles SMART, ainsi que les méthodes d’optimisation des interventions complexes comme MOST, offrent des cadres particulièrement intéressants pour répondre à ce type de question.
Ils permettraient d’étudier une notion encore peu présente dans le débat actuel : la valeur marginale de l’intervention humaine.
Ajouter systématiquement un professionnel augmente les ressources nécessaires et peut limiter la capacité de déploiement.
Le supprimer systématiquement parce qu’une IA sait converser peut, à l’inverse, faire perdre une composante utile de l’intervention.
L’objectif serait donc d’identifier où et quand l’intervention d’un professionnel améliore suffisamment le résultat pour justifier les ressources mobilisées.
Cette question est à la fois clinique, comportementale et médico-économique.
Ce que la littérature permet aujourd’hui de conclure
À ce stade, cinq constats peuvent être formulés avec prudence.
Les agents conversationnels peuvent produire des effets mesurables. Plusieurs méta-analyses récentes retrouvent des effets statistiquement significatifs sur certains symptômes dépressifs et anxieux. Ils restent généralement modestes à modérés, avec une hétérogénéité et des limites méthodologiques importantes.
L’empathie perçue ne constitue plus une frontière simple. Dans des interactions textuelles, les réponses de chatbots peuvent être évaluées comme plus empathiques que celles de professionnels. Cela ne démontre pas leur équivalence avec une relation thérapeutique humaine.
Le soutien humain peut apporter une valeur supplémentaire, mais cette valeur dépend de sa nature et de son positionnement. Le bénéfice du guidage est parfois faible, parfois plus marqué, et certaines formes de soutien automatisé ou de faible intensité peuvent produire des résultats comparables dans certaines conditions.
Nous ne savons pas encore prédire de manière suffisamment robuste qui a besoin de davantage d’humain. La sévérité et d’autres caractéristiques individuelles produisent certains signaux, mais nous ne disposons pas aujourd’hui de règles fiables permettant d’orienter une personne vers un niveau précis de soutien à partir de son profil.
Le contexte culturel doit être pris en compte sans lui attribuer des effets qui ne sont pas démontrés. Langue, normes, représentations et contexte social peuvent modifier la réception d’une intervention, mais les preuves restent insuffisantes pour établir qu’une culture donnée répondrait mieux à l’humain ou au digital.
Ces constats conduisent finalement à déplacer l’unité d’analyse : il faut moins comparer des technologies que des interventions complètes, leurs fonctions et les personnes auxquelles elles sont destinées.
Conclusion
L’intelligence artificielle rend progressivement obsolète un argument simple : l’humain serait nécessaire parce qu’il sait converser, personnaliser ou produire de l’empathie.
Les machines savent déjà accomplir une partie de ces tâches et peuvent, dans certaines interventions, contribuer à des effets psychologiques mesurables.
La conclusion inverse serait pourtant tout aussi prématurée.
Nous savons encore beaucoup moins si l’IA peut reprendre sans perte de valeur certaines fonctions plus complexes : comprendre une trajectoire dans la durée, arbitrer entre plusieurs difficultés, détecter qu’un problème doit être reformulé, adapter une stratégie lorsqu’un changement échoue ou gérer une situation qui sort du cadre prévu.
Et surtout, la réponse n’est probablement pas identique pour tous.
La littérature actuelle invite donc à remplacer la question : « l’humain est-il meilleur que l’IA ? » par une autre, beaucoup plus utile : « pour quelle personne, dans quelle situation et pour quelle fonction l’intervention humaine améliore-t-elle suffisamment le résultat pour justifier sa mobilisation ? ».
L’IA pourrait prendre en charge une partie des interactions pour lesquelles la valeur ajoutée humaine est limitée.
Les professionnels pourraient être mobilisés davantage aux moments où leurs compétences sont susceptibles de modifier réellement la trajectoire.
Cette répartition reste à démontrer. Elle ne devrait être dictée ni par l’enthousiasme technologique ni par une préférence de principe pour l’humain.
Le véritable enjeu des prochaines années sera de comprendre comment combiner humain et IA, pour quels patients, à quels moments et avec quel niveau de preuve, afin d’obtenir le meilleur résultat possible avec les ressources disponibles.
Références
Hang, Y., Wu, W., Feng, Y., Yan, K., Liu, Y., Xiao, X., & Qiao, Z. (2026). The effectiveness of CBT-based NLP-enabled AI conversational agents for mental health intervention: A systematic review and meta-analysis. npj Digital Medicine. https://doi.org/10.1038/s41746-026-02886-x
Howcroft, A., Bennett-Weston, A., Khan, A., Griffiths, J., Gay, S., & Howick, J. (2025). AI chatbots versus human healthcare professionals: A systematic review and meta-analysis of empathy in patient care. British Medical Bulletin, 156(1), ldaf017. https://doi.org/10.1093/bmb/ldaf017
Li, H., Zhang, R., Lee, Y.-C., Kraut, R. E., & Mohr, D. C. (2023). Systematic review and meta-analysis of AI-based conversational agents for promoting mental health and well-being. npj Digital Medicine, 6, 236. https://doi.org/10.1038/s41746-023-00979-5
Mokhtari Masoumi Alamdarloo, S., Mirzakhani, A., Azhdarloo, M., Haghani-Samani, E., & Nazari, A. (2026). Effectiveness of AI and rule-based conversational agents for depression, anxiety and stress: A meta-analysis. npj Digital Medicine, 9, 650. https://doi.org/10.1038/s41746-026-02820-1
Oey, L. T., McDonald, S., McGrath, L., Dear, B. F., & Wootton, B. M. (2023). Guided versus self-guided internet delivered cognitive behavioural therapy for diagnosed anxiety and related disorders: A preliminary meta-analysis. Cognitive Behaviour Therapy, 52(6), 654–671. https://doi.org/10.1080/16506073.2023.2250073
Sextl-Plötz, T., Steinhoff, M., Baumeister, H., Cuijpers, P., Ebert, D. D., & Zarski, A.-C. (2024). A systematic review of predictors and moderators of treatment outcomes in internet- and mobile-based interventions for depression. Internet Interventions, 37, 100760. https://doi.org/10.1016/j.invent.2024.100760
Sohn, J.-S., Ha, B.-G., Park, S., Kim, J.-J., Lee, E., Oh, H., Lee, S., & Kim, E. (2026). Systematic review and meta analysis of chatbots in the management of depressive and anxiety symptoms. npj Digital Medicine, 9, 377. https://doi.org/10.1038/s41746-026-02566-w
Spanhel, K., Balci, S., Feldhahn, F., Bengel, J., Baumeister, H., & Sander, L. B. (2021). Cultural adaptation of internet- and mobile-based interventions for mental disorders: A systematic review. npj Digital Medicine, 4, 128. https://doi.org/10.1038/s41746-021-00498-1
Tong, L., Panagiotopoulou, O. M., Radio, M., Miguel, C., Harrer, M., Andersson, G., Riper, H., Cuijpers, P., & Karyotaki, E. (2026). Impact of support levels on effectiveness and drop-out of internet-based interventions for depression: Network meta-analysis. The British Journal of Psychiatry. https://doi.org/10.1192/bjp.2026.10653
Zainal, N. H., Wang, V., Garthwaite, B., & Curtiss, J. E. (2026). What factors are related to engagement with digital mental health interventions (DMHIs)? A meta-analysis of 117 trials. Health Psychology Review, 20(1), 151–171. https://doi.org/10.1080/17437199.2025.2547610
A lire également : De l’économie de l’attention à l’économie de l’attachement : les IA conversationnelles changent-elles la nature de la santé numérique ?
