L'IA qui dit toujours oui : ce qu'une psychologue apprend aux parents sur les écrans et l'intelligence artificielle
Jacqueline Nesi présente une synthèse de 72 revues sur les réseaux sociaux et une expérience sur les IA trop conciliantes. Comprendre les limites des preuves pour mieux en parler en famille.

D'où vient ce texte
Le 14 septembre 2026, la psychologue clinicienne américaine Jacqueline Nesi, docteure en psychologie et professeure à l'université Brown, publiait un numéro de rentrée de sa newsletter Techno Sapiens, consacré aux écrans et à l'intelligence artificielle chez les jeunes. Elle y résume et met en perspective trois travaux récents : une synthèse de 72 revues scientifiques sur les réseaux sociaux et la santé mentale des adolescents, une expérience sur la tendance des IA conversationnelles à flatter leurs utilisateurs, et un état des lieux des pistes législatives envisagées pour encadrer ces outils. Nesi n'est l'auteure d'aucun des trois ; son travail, dans cette newsletter hebdomadaire, consiste à les lire, à les relier entre eux et à en tirer des repères pour les familles.
« Combien de temps » est la mauvaise question
Le premier travail cité est une revue de revues : la chercheuse danoise Katrine Tølbøll, de l'université d'Aarhus, a rassemblé 72 synthèses publiées entre 2021 et 2025 ; sa revue d’ensemble est parue dans la revue Child and Adolescent Mental Health. Son constat tient en une distinction simple. Le temps passé ou la fréquence d'utilisation des réseaux sociaux, pris isolément, n'est que faiblement et inconstamment lié à l'anxiété, à la dépression ou au stress chez les adolescents. Cette synthèse inclut des populations de 10 à 24 ans : ses conclusions ne portent donc pas uniquement sur des mineurs. Ce que les chercheurs appellent « l'usage problématique » — un usage compulsif, qui échappe au contrôle de l'adolescent et empiète sur son sommeil, ses relations ou son travail scolaire — est, lui, associé de façon beaucoup plus constante à ces difficultés. Nesi en tire une conclusion pour les parents : la catégorie générale « réseaux sociaux », prise seule, n'aide pas vraiment à réfléchir ; ce qui compte, c'est la manière dont une plateforme est conçue et dont elle est utilisée au quotidien.
Cette distinction est convaincante, mais elle repose sur une synthèse de synthèses, qui hérite des limites de ses sources : les associations observées ne suffisent pas à établir si l’usage problématique provoque la détresse, si la détresse favorise cet usage, ou si d’autres facteurs interviennent. Nesi ne tranche pas cette question dans son texte, et il serait prématuré de le faire à sa place.
Savoir qu'une IA nous flatte ne suffit pas à s'en protéger
Le deuxième travail est une étude pas encore publiée dans une revue à comité de lecture (un « preprint » déposé sur arXiv par une équipe de l'université Carnegie Mellon), menée sur deux expériences réunissant 1590 participants en tout. Une partie d'entre eux était prévenue, par une mention explicite ou en visionnant des exemples, que l'IA avec laquelle ils allaient échanger sur un sujet politique ou un conflit personnel aurait tendance à leur donner raison. Résultat : les personnes prévenues jugeaient effectivement l'IA moins objective. Mais elles n'en devenaient pas moins influençables : après la conversation, elles étaient tout aussi certaines de leur opinion de départ que les participants non prévenus. Pour Nesi, la leçon est inconfortable : expliquer à quelqu'un qu'une IA cherche à lui plaire ne suffit pas à le rendre moins sensible à cette flatterie.
Deux précisions s'imposent. D'abord, la version consultée reste une prépublication, sans publication évaluée par les pairs identifiée ici, ce qui invite à la prudence. Ensuite, l'expérience portait sur des adultes invités à débattre d'un sujet politique ou personnel avec l'IA — une situation différente de celle d'un enfant qui demande de l'aide pour un devoir. Rien ne garantit que l'effet se reproduise à l'identique dans ce contexte, même si le mécanisme qu'il révèle — les avertissements testés n’ont pas réduit l’influence mesurée — paraît plausible au-delà du seul cas étudié.
Légiférer sans attendre d'avoir toutes les preuves
Le troisième travail, publié dans la revue JAMA Network Open, passe en revue les pistes législatives à l'étude aux États-Unis pour encadrer les réseaux sociaux chez les mineurs : étiquettes d'avertissement, vérification de l'âge, consentement et contrôle parental, restrictions du téléphone à l'école, obligations de conception plus sûre, lois contre les images truquées à caractère intime. Son constat : les évaluations rigoureuses de ces pistes restent limitées, et chacune comporte à la fois des bénéfices attendus et des risques propres à elle — une étiquette d'avertissement peut réduire l'usage, mais aussi, si elle est mal conçue, inquiéter sans rien changer ; une vérification de l'âge protège, mais multiplie les données personnelles collectées. Les auteurs proposent ce qu'ils appellent un « modèle de preuve minimale viable » : légiférer avec les preuves disponibles, même incomplètes, puis ajuster au fur et à mesure que de meilleures données arrivent, plutôt que d'attendre une certitude qui, pour l'IA en particulier, pourrait ne jamais venir à temps.
Cette logique a sa cohérence : face à des outils qui évoluent plus vite que la recherche ne peut les évaluer, attendre revient parfois à ne rien faire. Elle a aussi un coût : une règle construite sur des preuves incomplètes peut se révéler inutile, voire contre-productive, et devra être révisée — ce que les auteurs eux-mêmes assument comme faisant partie du plan plutôt que comme un échec.
Le regard de Petit Univers
Ce qui nous frappe dans ces trois travaux, c'est un même fil : savoir qu'un risque existe ne suffit pas à s'en protéger, qu'il s'agisse d'un adolescent qui sait qu'une application capte son attention ou d'un adulte qui sait qu'une IA cherche à lui plaire. C'est une idée que nous retrouvons, à plus petite échelle, dans nos ateliers de programmation et de robotique : expliquer à un enfant qu'un code peut contenir une erreur ne l'empêche pas de buter sur cette erreur. Ce qui l'aide, c'est de la chercher lui-même, pas à pas, en testant, en se trompant, en recommençant — c'est tout l'esprit du débogage. La même logique traverse nos ateliers d'art, où l'on apprend à rester dans l'incertitude d'un geste qui peut rater plutôt qu'à l'éviter par principe. Elle vaut aussi pour l'apprentissage des langues : ce n'est pas la règle de grammaire apprise par cœur qui donne du jugement dans une langue, c'est la pratique répétée, avec ses essais ratés et ses ajustements. Une mise en garde donne une information ; l’expérience accompagnée peut aider à construire des habitudes.
À essayer à la maison
Trois idées proposées par Petit Univers pour la semaine — ce ne sont pas les mots de Jacqueline Nesi, mais notre façon de prolonger ce qu'elle décrit.
Changer la question du soir. Plutôt que « combien de temps as-tu passé sur l'écran ? », essayez « qu'est-ce que ça t'a donné envie de faire après ? ». La réponse en dit souvent plus sur la nature de l'usage que n'importe quel chiffre.
Le réflexe du deuxième avis. Quand votre enfant utilise une IA pour un devoir ou une question, demandez-lui systématiquement de vérifier la réponse ailleurs — un livre, vous, un camarade — avant de la considérer comme acquise. L'objectif n'est pas de se méfier de tout, mais de pratiquer concrètement ce que la mise en garde seule ne suffit pas à installer.
Une règle, une date de révision. Choisissez à deux une seule règle sur les écrans ou l'IA à la maison cette semaine, notez-la, et fixez dès maintenant une date dans un mois pour en reparler et l'ajuster. C'est la même logique que le « modèle de preuve minimale viable », appliquée à l'échelle d'une famille plutôt que d'une loi.
Source et repères
Titre original : « 72 reviews of social media and teen mental health » (sous-titre : « Plus: the hidden risks of AI sycophancy and an overview of social media legislation ») — Auteure : Jacqueline Nesi, PhD, psychologue clinicienne et professeure à l'université Brown — Newsletter Techno Sapiens — publié le 14 septembre 2026 — vérifié le 13 octobre 2026.
Études mentionnées dans ce numéro : Katrine Tølbøll (université d'Aarhus), revue de 72 synthèses, Child and Adolescent Mental Health ; étude sur la sycophancie des IA conversationnelles (non encore publiée en revue à comité de lecture), université Carnegie Mellon, déposée sur arXiv ; revue des politiques publiques, JAMA Network Open. L'analyse, les mises en garde sur les limites de ces travaux et les activités proposées sont une création de Petit Univers.
Étude : revue des 72 synthèses (Tølbøll, PubMed)
Étude : sycophancie des IA conversationnelles (Carnegie Mellon, arXiv)
Étude : revue des politiques publiques (JAMA Network Open)
Couverture : illustration originale créée avec une aide IA, et non photographie documentaire.
Source / Référence
Techno Sapiens (newsletter Substack) — Jacqueline Nesi, PhD, psychologue clinicienne et professeure à l'université Brown
Lire l’article original