Effet ELIZA, biais cognitifs et IA : quelle vigilance pour la thérapie numérique ?

Depuis ELIZA (1966) jusqu’aux modèles conversationnels géants actuels, les chatbots promettent un soutien psychologique disponible 24 h/24, réactif et peu coûteux. En France, près d’une application de santé mentale sur trois intègre déjà un agent conversationnel, un chiffre en forte hausse depuis la pandémie de Covid‑19 et la généralisation du télésoin. À première vue, l’équation IA + psychothérapie paraît idéale : accessibilité, déstigmatisation permise par l’anonymat, personnalisation en temps réel. Mais cette promesse masque plusieurs angles morts : l’effet ELIZA, qui fait croire à une compréhension authentique, et une série de biais cognitifs susceptibles de fausser la relation d’aide. Cet article propose, en environ 750 mots, une lecture critique de ces mécanismes et rappelle les garde‑fous indispensables à toute thérapie numérique.

1. L’effet ELIZA : illusion de compréhension ELIZA simulait l’écoute rogérienne par de simples reformulations. Malgré sa naïveté, nombre d’utilisateurs se sentaient compris. L’effet ELIZA désigne cette attribution spontanée d’intention, d’empathie ou d’expertise à une machine. Plus l’IA produit un langage fluide, plus l’illusion grandit ; elle peut même dépasser l’autorité perçue d’un thérapeute humain. Or la simulation d’empathie n’équivaut pas à une présence clinique : elle n’offre ni supervision, ni ajustement relationnel, ni responsabilité légale. Confondre un texte bienveillant et un jugement clinique, c’est croire qu’une ordonnance soigne par sa typographie. Cette dérive est d’autant plus probable que l’utilisateur est isolé, vulnérable ou pressé de trouver un soulagement.

2. Les biais cognitifs amplifiés par l’IA

L’interaction homme‑IA réactive plusieurs biais cognitifs bien documentés :

Biais de confirmation : l’utilisateur retient surtout les réponses qui consolident sa vision du monde ou son auto‑diagnostic.

Autorité algorithmique : « si c’est mathématique, c’est vrai » ; un grand modèle est perçu comme intrinsèquement fiable.

Effet de dotation : plus on investit de temps dans un chatbot, plus on s’y attache, même s’il existe de meilleures alternatives.

Cadre suggéré : la logique de complétion incite à formuler son mal‑être dans les catégories proposées par l’IA, limitant l’exploration d’autres pistes.

Ces biais existent déjà en thérapie humaine ; l’IA les rend toutefois invisibles, continus et scalables : un même script peut influencer des millions d’usagers sans qu’aucun clinicien n’en soit témoin.

Risques cliniques et sociaux Au niveau individuel, la dérive la plus grave est le faux‑négatif de risque. Un algorithme peut ignorer l’idéation suicidaire ou aggraver un trouble comorbide en dispensant des conseils génériques. Illustrons : Julie, 23 ans, consulte un chatbot après une rupture. Le programme lui suggère de respirer profondément mais ne réagit pas lorsqu’elle écrit « j’aimerais en finir ». Julie interprète ce silence comme une validation de son désespoir et retarde la recherche d’aide humaine.

À l’échelle populationnelle, la santé mentale risque de se « plateformiser ». Les publics fragiles pourraient se voir proposer une e‑thérapie low‑cost financée par la publicité comportementale, tandis que l’accompagnement humain deviendrait un luxe. Les verbatims — traits de personnalité, vulnérabilités, rythmes de sommeil — forment un capital informationnel convoité pour le ciblage marketing ou l’évaluation assurantielle. Sans garde‑fous, l’alliance thérapeutique se transforme en simple transaction de données.

Bonnes pratiques pour réduire l’effet ELIZA

Transparence : rappeler visuellement que l’utilisateur converse avec un programme et préciser son périmètre fonctionnel.

Supervision humaine : déclencher un relais immédiat vers un clinicien dès qu’un seuil de détresse est détecté.

Formation : développer la littératie algorithmique des patients et des soignants pour restaurer l’esprit critique.

Audit continu : mesurer régulièrement l’efficacité clinique, la sécurité et la satisfaction, puis publier les résultats.

Protection des données : minimiser la collecte, chiffrer de bout en bout, offrir un droit à l’oubli, interdire toute revente.

Vers une alliance homme‑machine raisonnée Lorsqu’elle est encadrée, l’IA peut enrichir la pratique : exercices de pleine conscience guidés, journaux émotionnels interactifs, suivi de l’humeur entre les séances, détection précoce des rechutes. Le rôle du thérapeute évolue : orchestrer un écosystème d’outils, interpréter leurs données et conserver la responsabilité clinique. Trois principes structurent cette co‑construction :

Complémentarité : l’IA prolonge l’alliance thérapeutique, elle ne la remplace pas.

Contrôlabilité : l’humain doit pouvoir désactiver la recommandation automatique.

Responsabilité : le contrat de soin identifie clairement qui répond en cas d’erreur.

Lorsque l’on s’intéresse à la médiation homme‑machine, on rencontre souvent la question : « l'effet eliza désigne une tendance à assimiler de manière inconsciente le comportement d'un ordinateur à celui d'un être humain. vrai ou faux ? ». Cette interrogation renvoie directement à l'effet eliza, également orthographié effet eliza ou même effet elisa : un biais de projection qui prend sa source dans le programme eliza des années 1960. Autrement dit, l'effet eliza désigne une tendance à assimiler de manière inconsciente le comportement d'un ordinateur à celui d'un être humain. Comprendre ce mécanisme est essentiel pour analyser la confiance, parfois excessive, que nous accordons aux interfaces conversationnelles.

À la lumière de ce biais, on voit fleurir des initiatives telles que ia psychologue, ia psy, psy ia, psychologue ai et psychologue ia, qui proposent des accompagnements fondés sur l’intelligence artificielle. Qu’il s’agisse de chatbot psychologie, chatbot psy ou de chatbot santé mentale, chaque chat bot thérapeutique ambitionne de conduire une seance psy avec ia, voire une seance psy timidité avec ia, jouant le rôle d’un agent ia santé mentale. Dans cette dynamique, l’ia pour psy s’intègre même à des projets comme une applicatin gestion des émotions psychiatrie ia france, illustrant l’essor d’outils numériques de soutien psychologique—mais rappelant aussi, à chaque étape, la vigilance imposée par l’effet Eliza.

Conclusion L’effet  ELIZA montre qu’une interface convaincante suffit à faire croire que la machine ressent, comprend et conseille. Ce mirage, conjugué à nos biais cognitifs, peut détourner la thérapie numérique de ses objectifs. Préserver la qualité du soin exige transparence, supervision humaine et gouvernance éthique des données. En investissant dans la recherche clinique indépendante et dans la formation éthique des développeurs, nous pouvons transformer le potentiel technologique en un véritable vecteur d’émancipation psychique durable.