Cas d'étude: l'année où les notes de santé se sont enfin lues d'elles-mêmes.
Une personne, quatre années de données de santé éparses, et le sentiment que la réponse était déjà là. Voici ce qui a changé quand elle a cessé de les parcourir et a confié l'ensemble à un assistant capable de tout retenir en même temps — et pourquoi la partie utile restait la décision qu'elle a prise à la fin.
Les noms et détails présentés ici sont composites, tirés d’un schéma récurrent plutôt que d’une personne identifiable — mais la forme est réelle et commune. Appelons-la Maya. Quarante et un ans, deux enfants, un capteur qu’elle portait depuis quatre ans, un dossier de résultats de laboratoire en PDF remontant encore plus loin, et l’habitude de taper une ligne dans son application de notes les mauvaises nuits. Sur le papier, elle était la personne la plus mesurée qu’elle connaisse. En pratique, elle n’avait aucune idée de ce que tout cela signifiait. Les données étaient un journal intime écrit dans une langue qu’elle ne pouvait pas lire.
Elle avait essayé. Elle avait fait défiler les résumés de l’application, qui lui annonçaient des banalités joyeuses. Elle avait posé des questions ponctuelles à un chatbot et obtenu des réponses ponctuelles qui l’oubliaient dès qu’elle fermait l’onglet. Le problème n’a jamais été un manque d’informations. C’était qu’aucun être humain, elle y compris, ne pouvait retenir quatre ans de données en même temps et en tirer des conclusions.
Le contexte : mesurée, mais pas plus éclairée
Le tournant fut banal. Son énergie était faible depuis des mois, son sommeil semblait « bien » sur tous les tableaux de bord, et son médecin généraliste avait effectué les analyses standard et n’avait rien trouvé de dramatique. Tout le monde avait techniquement raison et elle se sentait toujours mal. La réponse, s’il y en avait une, se trouverait dans l’interaction entre les choses — le sommeil et le cycle et les repas tardifs et le seul chiffre qui avait dérivé si lentement qu’aucune lecture individuelle ne l’avait jamais signalé. C’est exactement le genre de motif qu’une personne ne peut pas voir et qu’un assistant avec une mémoire suffisante peut voir.
Le changement : de la navigation rapide au briefing
Au lieu de poser une autre question, elle a rédigé un briefing. Quatre paragraphes honnêtes : qui elle était, ce qu’elle essayait de changer, ce qu’elle faisait déjà et comment elle voulait qu’on lui parle — spécifique, sceptique, prête à dire quand les preuves étaient minces. Puis elle a rassemblé les preuves elles-mêmes. L’export des capteurs. Les PDF des laboratoires. Un copier-coller de deux ans de ces notes de fin de soirée. Elle a tout remis en une seule fois et a demandé une seule chose : quels motifs y a-t-il ici que je ne verrais jamais en parcourant ?
C’est ce qui distingue un assistant d’un chatbot. Elle ne lui demandait pas de raisonner sur sa santé telle qu’elle s’en souvenait. Elle lui transmettait les données de sa santé mesurée et le laissait les interpréter. Un modèle capable de retenir une année entière — ou quatre — dans un seul travail ne répond pas à la question posée. Il y répond dans le contexte de tout ce qu’il sait désormais.
L'approche : une seule pièce, un travail permanent
Elle ne s’est pas contentée d’une seule fois. Elle a construit un projet — une « pièce » qui gardait le brief et les fichiers en vue — afin de ne jamais avoir à se réexpliquer. Ensuite, elle a effectué les actions qui rendent ces outils honnêtes plutôt qu’agréables. Elle lui a demandé de l’interroger avant de conclure quoi que ce soit, ce qui a fait surgir les variables qu’elle avait failli omettre : l’heure de coucher réelle par rapport à l’heure souhaitée, la semaine de chaque mois où elle lâchait toujours prise. Elle lui a demandé de s’opposer à sa première lecture, de trouver où le motif était faible. Et elle a mis en place une tâche permanente : chaque dimanche, comparer cette semaine à la semaine précédente et signaler la seule chose qui méritait son attention.
“Elle a cessé de poser des questions au journal intime et a commencé à le faire parler. L’assistant a effectué la lecture qui lui aurait pris une semaine à mal faire. Ce qui lui restait, c’était l’heure qui importait vraiment.”
Le résultat observable : une liste restreinte, pas un verdict
Ce qui en est ressorti n’était pas un diagnostic, et elle a pris soin de ne pas le traiter comme tel. C’était une liste restreinte. L’assistant a mis en évidence une lente dérive d’une valeur de laboratoire qu’aucun test individuel n’avait signalée, une forte corrélation entre ses semaines de plus faible énergie et une série de dîners tardifs et copieux, et un schéma de sommeil qui semblait normal en moyenne et terrible la semaine spécifique où son cycle changeait. Rien de tout cela n’était une prescription. Tout cela constituait un ensemble de questions plus précises à poser à son médecin généraliste — ce qu’elle a fait, avec un résumé d’une page au lieu d’un haussement d’épaules.
Le changement mesurable n’était pas un chiffre sur un appareil portable. C’était qu’un rendez-vous de suivi qui durait cinq minutes vagues, est devenu quinze minutes utiles, parce qu’elle est arrivée avec un motif au lieu d’une sensation. La lecture qui était restée ignorée pendant quatre ans a finalement été lue.
La ligne qui protège cela
Rien de tout cela n’a fait du modèle son médecin, et elle n’a jamais prétendu que c’était le cas. Une mémoire peut retenir une erreur aussi fidèlement qu’un fait ; une corrélation n’est pas une cause ; un résumé confiant peut être confidentiellement erroné. Tout ce que l’assistant a produit était un contexte à soumettre à un clinicien, et non un verdict à suivre seul. L’outil a automatisé la lecture, le tri et la mémorisation — le travail fastidieux qui n’a jamais été le but. Le jugement sur ce que tout cela signifiait pour son corps est resté le sien. Cette division du travail est toute l’alphabétisation en santé de l’IA en une seule histoire.
Ce qu'il faut faire cette semaine
Vous avez presque certainement votre propre journal intime inexploré — une exportation, un dossier de résultats, une dispersion de notes. Faites ce que Maya a fait dans l’ordre : écrivez quatre paragraphes honnêtes de contexte, transmettez les données réelles en une seule fois, et demandez les motifs que vous manqueriez en parcourant. Lisez ce qui revient comme elle l’a fait — avec gratitude, scepticisme, et comme des questions pour un professionnel plutôt que des réponses que vous écrivez pour vous-même.