Quand des citoyens interrogent un chatbot pour comprendre un symptôme, vérifier un traitement ou trancher un doute sur un vaccin, ils ne consultent plus seulement « Internet » : ils dialoguent avec une machine qui répond avec aplomb, parfois à côté. Dans une tribune publiée par « The Conversation », Karen Nuvoli et Gilbert Faure, chercheurs à l'Université de Lorraine, défendent une idée simple mais largement absente des plans publics : on ne pourra pas lutter contre la désinformation en santé sans intégrer explicitement les IA conversationnelles au débat. Ni les diaboliser, ni les sanctifier — mais les regarder pour ce qu'elles sont devenues : un point de passage massif vers l'information médicale.

Une défiance qui ne date pas d'hier

La désinformation en santé n'est pas née avec les réseaux sociaux. Elle prospère sur un terrain préparé de longue date : la charge émotionnelle des sujets médicaux, qui touchent au corps, à la peur et à la mort, et une série de crises sanitaires — sang contaminé, vache folle, Covid-19 — qui ont durablement entamé la confiance dans les institutions. Quand la parole officielle a déçu, la parole alternative devient crédible.

Sur ce terrain, les plateformes numériques ont joué le rôle d'accélérateur. Leur logique privilégie ce qui circule vite — l'émotion, l'indignation, la promesse simple — au détriment de ce qui est exact mais nuancé. Le résultat est un écosystème où une fausse information spectaculaire voyage plus loin qu'une mise au point prudente. Plusieurs travaux convergent par ailleurs vers un constat préoccupant : les personnes qui s'informent principalement par Internet présentent en moyenne un niveau de connaissances sanitaires plus faible, comme le rappellent les auteurs de la tribune.

L'IA conversationnelle : nouvel intermédiaire de masse

À cette équation déjà instable s'ajoute désormais une variable nouvelle. Les agents conversationnels — ChatGPT, mais aussi des déclinaisons spécialisées comme ChatGPT Santé ou Claude for Healthcare — sont devenus pour beaucoup un premier réflexe avant, ou à la place, d'une recherche classique. Le phénomène ne concerne pas que le grand public : selon les chiffres relayés par les chercheurs lorrains, environ 62 % des médecins généralistes utiliseraient ponctuellement ChatGPT dans leur pratique, et 45 % des Français approuveraient un tel usage médical de l'IA.

Or ces outils ne sont pas de simples moteurs de recherche améliorés. Comme le souligne une étude publiée dans la revue « BMJ Open » et reprise par l'Agence Science-Presse, les grands modèles de langage ne consultent pas de base de données médicale en temps réel : ils génèrent leurs réponses en inférant des régularités statistiques, en prédisant la suite de mots la plus probable. Cette mécanique produit un effet redoutable : un discours fluide, assuré, qui donne « l'illusion de l'autorité » tout en pouvant être faux.

Près d'une réponse sur deux jugée problématique

Le chiffre le plus marquant de cette littérature récente vient justement de l'étude « BMJ Open ». En testant cinq IA génératives grand public — Gemini, DeepSeek, Meta AI, ChatGPT et Grok — sur des questions de santé fondées sur des données scientifiques solides, les chercheurs ont jugé environ la moitié des réponses « parfois » ou « souvent » problématiques : inexactes, incomplètes ou trompeuses.

Deux mécanismes aggravent le risque. D'abord, ces modèles sont entraînés sur d'immenses corpus publics ; il suffit qu'une petite proportion de données biaisées ou erronées s'y glisse pour contaminer les réponses. Ensuite, ils peuvent citer des sources inexactes — voire totalement inexistantes —, ce qui ruine la traçabilité et donne au lecteur l'illusion d'une vérification. Dans le champ médical, où une mauvaise interprétation d'un symptôme peut orienter vers un automédication dangereuse ou un renoncement aux soins, la marge d'erreur est étroite.

La tribune pointe d'autres écueils spécifiques aux usages cliniques : erreurs d'interprétation des situations, biais vers des diagnostics rares, et questions éthiques lourdes sur le traitement des données personnelles de santé. Autant de raisons de ne pas confondre un agent conversationnel avec un avis médical.

Le même outil, vecteur et remède

Faut-il pour autant chasser les IA du champ sanitaire ? C'est là que la réflexion des chercheurs lorrains se distingue. Car le même outil capable de propager une erreur peut aussi servir de médiateur entre une information validée et un citoyen qui ne lirait jamais une publication scientifique. Bien encadrée, adossée à un corpus contrôlé, une IA conversationnelle peut traduire un savoir complexe dans un langage accessible, répondre à une inquiétude à 2 heures du matin, désamorcer une rumeur.

Cette ambivalence est précisément ce qui rend la question politique. Tout dépend de la source à laquelle on branche la machine : un modèle généraliste laissé à lui-même reproduit le bruit du web ; un modèle restreint à des références validées peut devenir un canal de confiance. La différence ne tient pas à la technologie, mais à sa gouvernance.

Une stratégie nationale qui commence à en tenir compte

La France a posé un premier cadre. Un rapport remis au gouvernement le 12 janvier 2026, signé des épidémiologistes Mathieu Molimard, Dominique Costagliola et Hervé Maisonneuve, formule neuf recommandations pour une stratégie nationale. Plusieurs touchent directement à notre sujet : promouvoir l'éducation à l'esprit critique et aux médias dès le plus jeune âge, créer un « Info-Score Santé » inspiré du Nutri-Score pour noter la fiabilité des sources, mettre en place un dispositif d'info-vigilance pour repérer les vagues de désinformation, et instaurer un observatoire de l'information en santé.

Détail notable : cet observatoire prévoit explicitement de s'appuyer sur une IA conversationnelle adossée à un corpus validé, avec différents niveaux de langage. Autrement dit, l'État envisage de retourner l'outil — d'en faire non plus le problème, mais une partie de la réponse. C'est exactement la voie que défendent Nuvoli et Faure, à condition que la formation aux usages responsables de ces agents soit elle aussi inscrite dans la stratégie, et pas seulement leur version institutionnelle.

Littératie en santé : le maillon décisif

Reste le fond du problème, que nul algorithme ne réglera seul. L'Organisation mondiale de la santé insiste depuis des années sur la littératie en santé : la capacité de chacun à comprendre, évaluer et utiliser l'information médicale pour faire des choix éclairés. Lutter contre la désinformation ne se résume pas à corriger les fausses nouvelles une à une ; il s'agit d'outiller intellectuellement les citoyens pour qu'ils s'orientent seuls dans un environnement informationnel saturé.

C'est le point d'articulation entre les deux moitiés du débat. Une IA bien conçue peut abaisser la barrière d'accès au savoir ; mais sans esprit critique, le même citoyen restera vulnérable à la première réponse confiante venue, qu'elle émane d'un forum ou d'un chatbot. La technologie peut servir de béquille, jamais de substitut au jugement — un constat qui rejoint les interrogations plus larges sur notre rapport à ces outils et le défi de continuer à penser par soi-même.

Ce qu'il faut retenir

Le mérite de la tribune lorraine est de nommer un angle mort. Les plans publics contre la désinformation en santé pensent encore largement en termes de réseaux sociaux et de fact-checking, alors qu'un nouvel intermédiaire — l'agent conversationnel — s'est déjà installé entre le citoyen et l'information médicale. Cet intermédiaire est à la fois un risque documenté, avec près d'une réponse sur deux jugée problématique dans les tests, et une opportunité si on l'adosse à des sources fiables. Le choix n'est pas d'accueillir ou non l'IA dans le débat : elle y est déjà. Il est de décider à quelles données on la branche, et avec quel niveau de littératie on arme ceux qui l'interrogent.

Sources : The Conversation ; Agence Science-Presse / étude « BMJ Open » ; vih.org — neuf recommandations pour une stratégie nationale.