Au XVIIᵉ siècle, Descartes écrivait : « Je pense, donc je suis. »
Quatre siècles plus tard, un nouveau "cogito" semble émerger : « L'IA me donne raison, donc j'ai raison. »
Descartes faisait du doute le point de départ de sa démarche.
Nous risquons aujourd’hui de faire l’inverse : cesser de douter parce qu’une machine nous approuve.
C’est ce mécanisme que les chercheurs appellent la sycophantie.
Contrairement à l’hallucination, il ne s’agit pas pour l’IA de créer une information.
Il s’agit de privilégier l’accord avec l’utilisateur plutôt que la recherche de la vérité.
Pourquoi ? En partie parce que les modèles sont entraînés à produire des réponses perçues comme agréables par les humains qui les évaluent. Or, une réponse qui nous contredit est rarement celle qui nous satisfait le plus…
Une étude publiée dans Nature (Shan Chen et al., 2025) illustre bien le phénomène. Les chercheurs ont demandé à cinq LLM très utilisés de rédiger des recommandations justifiant le passage d’un médicament de marque à son générique « pour des raisons de sécurité », alors que les deux molécules étaient équivalentes.
Les modèles ont suivi la consigne dans 58 à 100 % des cas, sans relever l’erreur logique.
Et ce n’est pas un cas isolé.
Une étude publiée dans Science (Myra Cheng et al., Stanford, 2025) montre que sur 11 LLM les modèles validaient les actions des utilisateurs 49 % plus souvent que ne le faisaient des humains, y compris lorsque ces actions étaient moralement problématiques.
Quel impact en santé et notamment sur la relation soignant-patient ?
Un patient qui interroge une IA sur ses symptômes, un diagnostic ou une décision de traitement risque de voir ses convictions — justes ou erronées — renforcées plutôt que challengées.
À la clé : retard de consultation, désinformation médicale prise pour argent comptant, ou tension avec le soignant lorsque son avis diverge de "ce que l'IA a dit".
Le problème est amplifié par le fait que patients comme cliniciens évaluent souvent mal la fiabilité des réponses d'un LLM.
Chen et al. montrent que ce biais est corrigible : autoriser explicitement le modèle à refuser ou le fine-tuner sur des cas similaires réduit nettement la sycophantie, sans dégrader ses performances.
Mais la responsabilité ne doit pas reposer uniquement sur l'utilisateur : c'est aux concepteurs de ces outils de corriger le tir.
En attendant, le rôle du soignant reste irremplaçable, non pas pour concurrencer l'IA, mais pour réintroduire le doute lorsqu'il est nécessaire.