Concepts Clés

Attribuer des caractéristiques humaines aux non-humains

Pour le clinicien : Comprendre pourquoi les patients prêtent des intentions aux IA

Quand le conseil d'une IA pèse plus que celui d'un humain — le miroir de l'aversion algorithmique

Pour le clinicien : Comprendre pourquoi certains patients sur-valorisent les recommandations d'un LLM par rapport aux conseils humains

La méta-autonomie : décider ce qu'on délègue à la machine et pouvoir reprendre la main à tout moment

Pour le clinicien : Transformer l'inquiétude « mon patient dépend de son chatbot » en questions cliniques précises

Pourquoi une seule erreur de l'IA suffit à la disqualifier, alors qu'on pardonne les mêmes erreurs aux humains

Pour le clinicien : Identifier le double standard erreur humaine vs erreur IA chez vos patients et dans votre propre pratique

Quand même les experts suivent l'IA sans vérifier — le risque principal de l'IA en pratique clinique

Pour le clinicien : Comprendre pourquoi votre vigilance diagnostique s'érode avec un outil d'IA fiable, et comment s'en protéger

Produire activement du bien, pas seulement éviter de nuire — et le démontrer empiriquement

Pour le clinicien : Trier les promesses de bénéfice des outils IA : démontré ou simplement plausible ?

Principes, chartes et lignes directrices censés encadrer l'IA — plus de 170 publiés, une efficacité jamais démontrée

Pour le clinicien : Évaluer ce que vaut la promesse « IA éthique » des outils proposés à vos patients et à votre pratique

Pourquoi nous répondons aux machines comme à des personnes

Pour le clinicien : Comprendre les réactions spontanées des patients face aux chatbots

Le consentement du patient face à l'opacité algorithmique et la collecte invisible de données

Pour le clinicien : Transposer votre expertise du consentement thérapeutique au contexte numérique

Cadre théorique pour analyser la créativité comme un processus modélisable, pas comme un mystère

Pour le clinicien : Qualifier ce que fait l'IA quand elle "crée" et recentrer sur la nouveauté pour le patient

Quand l'IA créative devient un outil clinique : cadre pour intégrer Suno, Midjourney ou DALL-E en séance

Pour le clinicien : Savoir quand et comment utiliser l'IA créative comme médiation thérapeutique avec vos patients

Quand l'IA est jugée à des standards que les pratiques humaines de référence ne satisfont pas elles-mêmes

Pour le clinicien : Repérer les asymétries d'évaluation dans les débats sur l'IA en psychothérapie — dans les deux sens

Un biais humain profond qui façonne l'IA et notre conception de l'esprit

Pour le clinicien : Comprendre les présupposés culturels des LLMs et de notre discipline

Comprendre vs ressentir avec : ce que l'IA peut et ne peut pas offrir

Pour le clinicien : Évaluer précisément ce que l'IA offre quand un patient la trouve "empathique"

La relation de soin au centre de la réflexion éthique, pas les principes abstraits

Pour le clinicien : Évaluer les outils IA sous l'angle de la qualité relationnelle, pas seulement de la conformité

Capturer l'expérience psychologique en temps réel dans le quotidien du patient

Pour le clinicien : Intégrer les outils de suivi écologique dans la pratique clinique numérique

Comprendre pourquoi un système d'IA décide — le cinquième principe éthique, ses techniques et leurs limites

Pour le clinicien : Exiger des explications des outils qui scorent et priorisent, sans tomber dans l'illusion de compréhension

Attachement émotionnel intense aux personnages fictifs et IA conversationnelles

Pour le clinicien : Comprendre les attachements durables que certains patients développent avec leur IA

Pourquoi nous détectons des agents intentionnels même là où il n'y en a pas

Pour le clinicien : Comprendre l'attribution spontanée d'intentions aux IA par les patients

Quand l'IA invente avec assurance : comprendre les faux contenus générés par les LLMs

Pour le clinicien : Identifier les risques de désinformation dans les usages cliniques de l'IA

Répartir équitablement bénéfices et risques, prévenir les discriminations, éviter la médecine à deux vitesses

Pour le clinicien : Instruire l'argument de la « démocratisation du soin » au lieu de l'accepter ou le rejeter en bloc

Adapter les traitements psychiatriques au profil individuel grâce aux données numériques

Pour le clinicien : Comprendre les promesses et limites de la personnalisation algorithmique des soins

Le primum non nocere appliqué à l'IA : torts directs, systémiques, et fossé de responsabilité

Pour le clinicien : Évaluer la gestion des situations de crise et les torts lents des outils que vos patients utilisent

Inférer l'état psychologique à partir des traces numériques du quotidien

Pour le clinicien : Évaluer le potentiel et les risques éthiques du monitoring passif en santé mentale

Attachements unilatéraux aux personnages médiatiques... et aux IA

Pour le clinicien : Cadrer les liens émotionnels que certains patients développent avec leur chatbot

Comment les relations s'approfondissent par l'auto-divulgation

Pour le clinicien : Comprendre pourquoi certains patients se confient si vite aux chatbots IA

Quand le LLM préfère plaire plutôt que dire vrai — mécanisme RLHF et trois formes documentées

Pour le clinicien : Identifier le risque structurel d'amplification du biais de confirmation et de validation prématurée des hypothèses cliniques

Si une machine imite parfaitement un humain, peut-on dire qu'elle "pense" ?

Pour le clinicien : Décoder les discours sur l'intelligence des IA et distinguer imitation de compréhension

Quand l'usager croit recevoir un soin d'un chatbot — un risque structurel que les disclaimers ne corrigent pas

Pour le clinicien : Évaluer non pas si vos patients utilisent une IA, mais ce qu'ils croient recevoir d'elle

Les 6 niveaux de validation : ce que l'IA peut et ne peut pas offrir

Pour le clinicien : Analyser finement ce que les patients reçoivent quand ils se sentent "validés" par l'IA

Le malaise instinctif face aux entités quasi-humaines — robots, avatars, voix synthétiques et chatbots « trop empathiques »

Pour le clinicien : Normaliser le malaise face à certaines IA et orienter vers des interfaces qui évitent la vallée