Sous-diagnostiqués, mal compris, stigmatisés : l’IA peut-elle réparer la psychométrie ? – Dr Arthur Trognon – Symposium Metz 2026
Président et directeur scientifique de CLINICOG, le Dr Arthur Trognon dresse un constat saisissant : la prévalence estimée du TDAH est de 5 % dans l’enfance et jusqu’à 14 % en intégrant les présentations adultes, soit près de deux millions d’adultes non diagnostiqués en France. Le diagnostic effectif plafonne à 0,3 %. Pour l’autisme, la prévalence atteint 2 %, avec deux tiers d’individus non diagnostiqués. Les filles paient le prix le plus élevé de ce sous-diagnostic, leurs symptômes étant plus discrets en classe, et les conséquences sont lourdes : 22 % des enfants TDAH deviennent sans-abri à l’âge adulte, contre 5 % en population générale. Les plans de la HAS, ambitieux sur le papier, butent sur la réalité du terrain : maternités saturées, IRM inaccessibles, délais d’accès aux Centres Ressources Autisme passés de 465 jours en 2017 à deux ou trois ans aujourd’hui.
L’intervention met également en lumière une rupture de communication structurelle entre les quatre corps de métier qui gravitent autour du bilan neuropsychologique. Le psychologue produit un rapport technique de quatorze pages avec scores bruts, indices composites et charges factorielles que le médecin n’a ni le temps ni les codes pour exploiter. Le patient n’y voit qu’un tampon médical. L’éducateur en attend des recommandations pédagogiques rarement adaptées. Cette confusion alimente une défiance publique de plus en plus visible (« arnaque », « surdiagnostic », « pseudo-experts »), alors même que les données scientifiques pointent un sous-diagnostic massif.
Arthur Trognon propose une refondation de la chaîne diagnostique par l’IA, en s’appuyant sur sept ans de recherche. Première étape : rebrand de la psychométrie dans le langage du machine learning (sensibilité, spécificité, prédiction). Deuxième étape : déployer des questionnaires courts de repérage en amont, comme en cancer colorectal, à intégrer en médecine de ville, médecine du travail ou plateformes en ligne, pour désengorger le goulot d’étranglement de la première consultation. Troisième étape : utiliser des LLM pour générer instantanément des comptes-rendus traduits dans le langage du médecin, du patient et de l’enseignant, en divisant par six le délai actuel de production (sept heures et demie de travail pour deux heures et demie de bilan). Une étude publiée en 2025 dans npj montre déjà, sur la maladie d’Alzheimer, que la simple analyse par deep learning du récit d’un souvenir au téléphone atteint 95 % de précision pour évaluer le risque – ouvrant la voie à un changement complet de pipeline diagnostique, passant d’un système réactif à un système proactif.
Si vous souhaitez voir la présentation liée à ce document, voici le lien : https://welink.care/wlc-videos/sous-diagnostiques-mal-compris-stigmatises-lia-peut-elle-reparer-la-psychometrie-dr-arthur-trognon-metz-2026/