L’orientation en santé mentale se heurte aujourd’hui à plusieurs barrières : la peur du jugement, la stigmatisation sociale, le coût des soins ou encore difficulté d’accès à des professionnels (De Freitas et al., 2023 ; Farrell et al., 2024). Dans ce contexte, les intelligences artificielles (IA) conversationnelles apparaissent progressivement comme des outils capables de faciliter un premier pas vers la demande d’aide.
L’un des principaux atouts de ces systèmes est d’offrir un espace d’échange moins intimidant qu’une interaction avec un être humain. De nombreux utilisateurs déclarent se sentir plus à l’aise pour exprimer des émotions difficiles ou des symptômes sensibles face à une IA, notamment parce qu’elle est perçue comme dépourvue de jugement social (Gelbrich et al., 2025 ; Gupta et al., 2025). Cette impression de sécurité psychologique peut favoriser une verbalisation plus spontanée de la souffrance, notamment chez des personnes qui hésitent à consulter un professionnel.
Certaines recherches montrent également que le design de l’interface joue un rôle important dans cette dynamique. Des avatars ou agents conversationnels dont l’apparence reste légèrement stylisée, plutôt qu’hyperréaliste, peuvent renforcer le sentiment d’anonymat et réduire l’inconfort lié à l’auto-divulgation (Miao et al., 2022). L’utilisateur peut alors avoir le sentiment déchanger dans un cadre plus neutre, moins risqué émotionnellement.
La disponibilité permanente de ces outils constitue un autre levier clé : une IA conversationnelle est accessible à tout moment et peut offrir une forme de soutien immédiat lors de moments de détresse ou d’isolement, sans attente ni contrainte logistique (Gupta et al., 2025 ; Patil et al., 2026). Cette accessibilité favorise un engagement progressif dans une démarche d’aide, notamment pour les personnes qui éprouvent des difficultés à verbaliser leurs ressentis auprès d’un professionnel.
L’efficacité de ces interactions repose aussi sur des mécanismes psychologiques plus subtils. Lorsque l’IA adopte un ton empathique ou personnalise ses réponse, l’utilisateur se sent compris (Hartmann et al., 2023 ; Patil et al., 2026). Ce sentiment de sécurité renforce la confiance et facilite l’engagement dans une démarche d’aide. Certaines caractéristiques de l’interface, comme un ton conversationnel chaleureux ou des éléments anthropomorphiques modérés, peuvent également rendre l’interaction plus accessible pour l’utilisateur (Borau et al., 2021 ; Li et al., 2025).
Un usage responsable reste essentiel pour éviter toute confusion entre soutien technologique et relation humaine (De Freitas et al., 2023 ; Koli Patil et al., 2026). Ces outils ne doivent pas remplacer les professionnels : leur rôle est d’agir comme un premier espace de parole pour orienter l’utilisateur vers une prise en charge adaptée (Arora et al., 2024 ; Patil et al., 2026). Plusieurs limites importantes peuvent être notées. Le fonctionnement parfois opaque des algorithmes peut entrainer des réponses inadaptées ou une mauvaise identification de situation de détresse aiguë (De Freitas et al., 2023). Certains travaux évoquent également les risques d’attachement excessif à l’IA ou de réduction des interactions sociales réelles (Gupta et al., 2025 ; Pentina et al., 2023).
La question de la confiance reste enfin centrale. Les utilisateurs attendent une transparence forte concernant l’utilisation de leurs données personnelles et la confidentialité des échanges. Sans garanties claires, l’interaction peut rapidement susciter un sentiment d’intrusion ou de malaise (Li et al., 2025 ; Rajaobelina et al., 2021).
Ainsi, lorsqu’elle est conçue de manière responsable, une IA d’orientation en santé mentale peut agir comme un médiateur précieux entre l’utilisateur et le système de soin. En proposant un environnement facilement accessible et perçu comme non-jugeant, elle peut contribuer à réduire certains freins psychologiques à la demande d’aide et faciliter une transition progressive vers un accompagnement professionnel (Pentina et al., 2023).
Bibliographie
Arora, N., Chakraborty, I., & Nishimura, Y. (2025). AI–Human Hybrids for Marketing Research: Leveraging Large Language Models (LLMs) as Collaborators. Journal of Marketing, 89(2), 43-70.
Borau, S., Otterbring, T., Laporte, S., & Fosso Wamba, S. (2021). The most human bot: Female gendering increases humanness perceptions of bots and acceptance of AI. Psychology & Marketing, 38, 1052–1068.
De Freitas, J., Uğuralp, A. K., Oğuz-Uğuralp, Z., & Puntoni, S. (2024). Chatbots and mental health: Insights into the safety of generative AI. Journal of Consumer Psychology, 34, 481–491.
Farrell, J. R., Machin, J., Mirabito, A. M., Drenten, J., Chan-Park, C., Crosby, E., & Adkins, N. R. (2024). Mental illness and marketing: A 50-year scoping review and future research framework. Psychology & Marketing, 41, 2555–2573.
Gelbrich, K., Roschk, H., Miederer, S., & Kerath, A. (2026). Automated Versus Human Agents: A Meta-Analysis of Customer Responses to Robots, Chatbots, and Algorithms and Their Contingencies. Journal of Marketing, 90(2), 1-26.
Gupta, S., Saxena, S., & Kataria, S. (2026). The Dual Impact of AI Emotional Intelligence on Users: Are Social Chatbots Promoting Psychological Wellbeing or Deteriorating Social Wellbeing? Psychology & Marketing, 43, 886–907.
Hartmann, J., Bergner, A., & Hildebrand, C. (2023). MindMiner: Uncovering linguistic markers of mind perception as a new lens to understand consumer–smart object relationships. Journal of Consumer Psychology, 33, 645–667.
Li, B., Lai, E. Y., & Wang, X. (Shane). (2026). From Tools to Agents: Meta-Analytic Insights into Human Acceptance of AI. Journal of Marketing, 90(3), 13-33.
Miao, F., Kozlenkova, I. V., Wang, H., Xie, T., & Palmatier, R. W. (2022). An Emerging Theory of Avatar Marketing. Journal of Marketing, 86(1), 67-90.
Patil, R. K., Rice, D. H., & Janiszewski, C. (2026). Human–AI partnerships: Living and working with AI Assistants, AI Agents, and AI Companions. Journal of Consumer Psychology, 00, 1–28.
Pentina, I., Xie, T., Hancock, T., & Bailey, A. (2023). Consumer–machine relationships in the age of artificial intelligence: Systematic literature review and research directions. Psychology & Marketing, 40, 1593–1614.
Rajaobelina, L., Prom Tep, S., Arcand, M., & Ricard, L. (2021). Creepiness: Its antecedents and impact on loyalty when interacting with a chatbot. Psychology & Marketing, 38, 2339–2356.
A propos
Marie Kerekes est enseignante-chercheuse en marketing à l‘ESSCA School of Management (France). Elle est titulaire d’un doctorat en sciences de gestion de l’Université Paris Dauphine-PSL. Elle a été doctorante invitée à l’Université de Fribourg (Suisse) et a travaillé à l’ESSEC Business School (France) en tant que chercheuse postdoctorale, enseignante et responsable de laboratoire expérimental. Ses recherches portent sur le comportement du consommateur, avec un intérêt particulier pour les interactions entre humains et entités non humaines, telles que les robots sociaux et l’intelligence artificielle. Elle s’intéresse notamment à la manière dont ces technologies influencent les émotions, les perceptions et les relations humaines.
Partager cet article
