Le contrôle annuel de la santé mentale avec des chatbots IA : un grand business basé sur une mesure fragile
La proposition semble irréprochable sur une diapositive : tout comme quelqu'un se soumet à un examen physique annuel, la société pourrait encourager un contrôle annuel de la santé mentale assisté par des chatbots d'IA tels que ChatGPT. L'idée circule comme un argument d'opportunité et d'accès, plutôt que comme un protocole clinique formel. Dans Forbes, la question est abordée comme une exploration de faisabilité et d'éthique, davantage en tant qu'opinion qu'en tant qu'annonce corporative ou politique publique.
D'un point de vue commercial, le vent est porteur, et les chiffres le confirment. Les projections pour les applications de santé mentale basées sur des chatbots indiquent une augmentation de 2,8 milliards USD en 2026 à 17,5 milliards USD en 2036, avec un CAGR de 20,1 %. D'autres analyses dans le même domaine montrent même des croissances plus agressives : des estimations pour l'IA dans la santé mentale allant de 0,92 milliard USD en 2023 à 14,89 milliards USD en 2033, avec un CAGR de 32,1 %, le traitement du langage naturel représentant près de 39,6 % du marché. D'autres prévisions vont également dans ce sens : grand, rapide et avec le NLP comme moteur.
Cependant, le business ne se définit pas seulement par le CAGR. Il se définit par l'actif sous-jacent, et ici, l'actif est délicat : “santé mentale” n'est pas une variable mesurable aussi simplement qu'une pression artérielle. En finance, si l'instrument de mesure est bruyant, on ne renforce pas la position ; on réduit l'exposition ou on couvre les risques. Dans le cas des chatbots de santé mentale, une mesure bruyante se transforme en risque opérationnel, réglementaire et réputationnel.
L'opportunité existe, mais ce n'est pas un contrôle médical : c'est un produit d'adhérence
Le marché croît pour une raison fondamentale : l'offre insuffisante de soins humains, une grande demande, et un format conversationnel qui diminue la friction et le stigma. Le NLP domine le secteur car il transforme du texte libre en signaux exploitables : états d'humeur, motifs de langage, intention. Cela permet la scalabilité et la personnalisation, qui sont les deux leviers classiques du logiciel.
Les chiffres de marché donnent un aperçu de la manière dont la valeur est capturée. Dans plusieurs estimations, le format SaaS concentre environ 65,7 % de part de marché dans les modèles d'IA pour la santé mentale, précisément parce qu'il permet de déployer la même infrastructure sur de grandes populations à faibles coûts marginaux. La personnalisation apparaît également comme un segment pertinent, avec des chiffres avoisinant 39,02 % pour certains segments. L'industrie signale, avec des chiffres, que l'argent se trouve dans la vente d'un “accompagnement configurable” plutôt que de simplement “contenu”.
Parallèlement, il existe des preuves cliniques préliminaires qui alimentent l'enthousiasme. Un essai contrôlé randomisé avec 210 adultes a rapporté qu'un chatbot de thérapie avec IA générative a réduit les symptômes dépressifs, avec une amélioration du PHQ-9 de −6,13 contre −2,63 pour le groupe témoin en quatre semaines, avec des tailles d'effet élevées (d d'environ 0,845–0,903) et également des améliorations concernant l'anxiété (d d'environ 0,794–0,840). Les méta-analyses mentionnées dans le briefing montrent des bénéfices d'intensité petite à modérée en détresse (DS ~ −0,35).
La traduction pour les décideurs est concrète : il existe des signaux d'efficacité dans des fenêtres temporelles courtes et dans des conditions limitées, suffisants pour entraîner des pilotes, des achats d'entreprise et des partenariats avec des assureurs ou des programmes de bien-être. Un pilote cité avec Wysa démontre le comportement du produit : 88 % des utilisateurs sont revenus à deux sessions ou plus et 83 % le considèrent utile. Cela ne prouve pas la causalité clinique à long terme, mais cela prouve quelque chose qui m'importe davantage pour comprendre l'industrie : la rétention.
Le “contrôle annuel” est, en réalité, une excuse de distribution. C'est une narrative pour transformer un outil d'utilisation sporadique en un habitude récurrente. Dans les marchés financiers, cela ressemble davantage à la vente d'un plan d'apport périodique qu'à la vente d'un produit ponctuel. Un comportement récurrent est plus défendable qu'un comportement ponctuel, mais amplifie également toute erreur systématique.
L'asymétrie des risques repose sur le cadrage : détection préventive vs. promesse thérapeutique
Le principal risque commercial n'est pas que le chatbot “se trompe”. Tous les systèmes font des erreurs. Le risque réside dans le type de promesse implicite lorsque l'on évoque un contrôle annuel. Un contrôle annuel, dans l'esprit de l'utilisateur, évoque un diagnostic préventif et des seuils clairs. Cela élève le standard de la responsabilité perçue.
Si le produit est vendu comme un bien-être général, le seuil de tolérance à l'erreur est plus élevé. Si vendu comme un dépistage annuel, le système entre dans un territoire de sensibilité et de spécificité, faux positifs et faux négatifs. Dans la pratique, un faux positif entraîne des consultations inutiles, une anxiété supplémentaire et des coûts. Un faux négatif est pire : il génère une fausse calme. Dans les portefeuilles, cela ressemble à un modèle de risque qui sous-estime la volatilité ; cela fonctionne jusqu'à ce que cela ne fonctionne plus, et quand cela s'effondre, cela se produit brutalement.
Les preuves disponibles dans le briefing soutiennent les bénéfices en dépression et en anxiété sur des périodes courtes, mais ne décrivent pas de critère pour un “contrôle annuel” à l'échelle de la population, ni sa performance longitudinale, ni sa stabilité par segments. Cet écart entre la preuve et la narrative est souvent là où apparaît la fumée corporative : transformer “il y a des preuves prometteuses” en “cela pourrait devenir routinier”. Je n'ai pas besoin de supposer de mauvaises intentions pour mettre en évidence cet écart ; il suffit d'observer les incitations. La routine annuelle est un moteur de revenus récurrents.
Le raisonnement rationnel pour une entreprise consiste à moduler l'étendue. Au lieu de vendre un “contrôle annuel”, vendre un “check-in structuré” avec une sortie explicite pour les recommandations et des limites claires. Ce n'est pas de la sémantique : c'est une conception des risques. Lorsque le résultat est un “résultat”, l'utilisateur l'interprète comme un verdict. Lorsque le résultat est une “carte des signaux” et une recommandation de prochaines étapes, les attentes sont réencadrées et le risque diminue.
Et ici apparaît une règle de survie en entreprise : les produits touchant à la santé mentale doivent inclure des limites comme partie intégrante, et non comme un simple avertissement légal. L'avertissement ne prévient pas de dommages à la réputation si le produit est perçu comme un substitut aux soins.
L'économie unitaire suggère une marge, mais la bonne structure est des coûts variables et de petites expériences
Les prévisions de croissance sont alléchantes. Elles l'ont aussi été pour de nombreuses courbes d'adoption dans d'autres cycles technologiques. Le problème n'est pas de croître ; le problème est d'établir les coûts comme si la croissance était une certitude.
Le schéma que je vois se répéter est le même que dans le domaine technologique lorsque la conquête de clients est subventionnée : beaucoup d'expansion, peu de discipline sur les économies unitaires, et ensuite une correction due aux coûts fixes. Dans la santé mentale avec l'IA, l'équivalent de la subvention est de promettre trop rapidement pour capturer la distribution : intégrer dans les programmes d'entreprise, lancer des “check-ups” massifs, élargir géographiquement. Cela exige du soutien, de la conformité, des modèles d'évaluation et des équipes de réponse aux incidents. Si la structure devient trop rigide, le business devient fragile.
Les données du briefing favorisent une approche plus froide : maintenir l'opération aussi variable que possible et transformer l'apprentissage en avantage. Le marché des chatbots de santé mentale pourrait atteindre 17,5 milliards USD d'ici 2036 selon certaines estimations, mais la dispersion entre les prévisions indique également quelque chose : la portée du marché n'est pas stabilisée. Lorsque la portée est instable, le coût fixe est un véritable adversaire.
Une architecture sensée, sur le plan des risques, ressemble à un portefeuille barbell. Un noyau rentable et contrôlé, et de petites explorations avec un potentiel asymétrique. Pour un fournisseur, le noyau pourrait être un produit d'accompagnement comme la TCC et le journaling avec des parcours de référence clairs. L'exploration pourrait être le “check-in annuel” comme fonctionnalité optionnelle, et non comme promesse principale. On teste des cohortes, on mesure l'engagement, on mesure le taux de recommandation, on mesure l'abandon après alertes. Il n'est pas nécessaire d'inventer de nouvelles métriques pour évaluer si le modèle est sain ; il faut de la discipline pour ne pas confondre croissance avec qualité.
Il y a aussi un point géographique à prendre en compte. L'Amérique du Nord apparaît comme le marché dominant dans plusieurs études, et l'Asie-Pacifique comme le plus rapide en croissance. En Chine, le briefing mentionne des chiffres énormes de dépression et d'anxiété. Ce volume est attrayant, mais volume ne veut pas dire monétisation. Dans n'importe quel marché, si le pouvoir de tarification est faible ou la régulation stricte, le volume se transforme en coût.
Le véritable fossé n'est pas le modèle de langage : c'est la gouvernance du produit et sa capacité à absorber les chocs
Quasiment tout concurrent peut avoir accès à des capacités avancées en NLP. Le fossé concurrentiel, s'il existe, se trouvera dans la gouvernance : comment on définit les limites, comment on enregistre les incidents, comment on prouve la cohérence, comment on intègre les références, et comment on maintient les audits sans que le coût ne détruise la marge.
Les preuves cliniques préliminaires aident, mais ne constituent pas un bouclier. L'industrie va faire face à un trade-off pratique, sans romantisme : plus elle se rapproche d'un dépistage clinique, plus elle devra investir dans des processus, validation et gestion des risques. Cela augmente le coût par utilisateur. Si en plus le marché pousse les prix vers le bas, l'équation se resserre.
Les pilotes avec une bonne rétention sont un signe de produit. Mais la rétention peut aussi être un double tranchant si l'utilisation intensive émerge dans des segments dont la sévérité est plus élevée, là où le chatbot peut ne pas suffire. Un design responsable doit inclure des parcours d'escalade clairement définis. Encore une fois, ce n'est pas par altruisme : c'est pour la stabilité du business. Dans la sélection naturelle d'entreprise, les espèces qui survivent sont celles qui ajustent leur métabolisme à leur environnement ; celles qui promettent une vitesse infinie avec des ressources finies finissent par imploser.
Pour moi, la stratégie gagnante sur le “contrôle annuel” n'est pas d'empaqueter un rituel et de le promouvoir par le marketing. C'est de construire un système modulaire qui permet d'ajuster le niveau d'intervention en fonction des signaux, avec des coûts variables et des limites explicites. Cela réduit le risque de promesse excessive et maintient l'option de croître lorsque les preuves et la régulation le permettent.
Ce qui reste, c'est un produit scalable si traité comme une infrastructure légère, et non comme un substitut clinique
Le marché des chatbots de santé mentale est en pleine expansion et bénéficie de preuves initiales soutenant leur utilité pour des symptômes de dépression et d'anxiété sur de courtes périodes, ainsi que des signaux d'engagement dans des pilotes. La thèse du “contrôle annuel” fonctionne comme un mécanisme de distribution et de récurrence, mais introduit un risque si elle est interprétée comme équivalente à un contrôle médical.
La survie commerciale de cette catégorie dépend de la capacité à maintenir une architecture de coûts variable, à limiter l'étendue de la promesse et à concevoir une gouvernance opérationnelle capable d'absorber les erreurs sans les transformer en événements systémiques.
