Les modèles de langage savent dans quel sens les troubles mentaux présentent des écarts selon le sexe, et les exagèrent Dernière étude
LLM Bias · 2026

Les modèles de langage savent dans quel sens les troubles mentaux présentent des écarts selon le sexe, et les exagèrent

Nous avons demandé à 54 modèles de langage, dans quatre langues, d’inventer une personne atteinte d’un trouble mental, 118 800 fois. Ils indiquent correctement le sens des différences selon le sexe, mais en exagèrent l’ampleur : le trouble borderline est présenté comme concernant une femme dans 99 % des cas. Jeu de données ouvert.

54
modèles, 4 langues
118,800
réponses
2.4×
amplification des ratios selon le sexe (log-odds)
99%
femmes pour le trouble borderline (réf. ~70 %)
Lire le rapport complet

Comment nous travaillons

Nous montrons comment nous travaillons.

Nous étudions le biais et les limites des modèles de langage dans le contexte clinique, mesurons la qualité de la conceptualisation CBT assistée par IA, vérifions la sécurité des données des patients, et perfectionnons les notes de séance et l'automatisation de la documentation thérapeutique.

Chaque étape est documentée ouvertement — méthodologie, données brutes, code et conclusions sont publiés intégralement. Thérapeutes, chercheurs et cliniciens peuvent regarder dans notre atelier et voir sur quoi nous fondons les décisions produit.

Vous voulez collaborer avec nous ? Écrivez-nous.

Biais & éthique
Modèles LLM en clinique
Sécurité
Données patients
Clinique CBT
Conceptualisation, notes
Contactez-nous

Publications

Toutes les études

Rapports, expériences, notes techniques — tous publiés ouvertement.

Les modèles de langage savent dans quel sens les troubles mentaux présentent des écarts selon le sexe, et les exagèrent
LLM Bias · 2026 LLMBiaisDonnées ouvertes

Les modèles de langage savent dans quel sens les troubles mentaux présentent des écarts selon le sexe, et les exagèrent

Nous avons demandé à 54 modèles de langage, dans quatre langues, d’inventer une personne atteinte d’un trouble mental, 118 800 fois. Ils indiquent correctement le sens des différences selon le sexe, mais en exagèrent l’ampleur : le trouble borderline est présenté comme concernant une femme dans 99 % des cas. Jeu de données ouvert.

Lire le rapport
Petit modèle, pipeline soigneusement conçu : réduire l’écart avec les LLM de pointe
Autoresearch · 2026 LLMEvaluationMethodology

Petit modèle, pipeline soigneusement conçu : réduire l’écart avec les LLM de pointe

Une boucle de recherche automatisée, évaluée par des modèles, a permis à un modèle de langage peu coûteux d’atteindre un niveau comparable à celui d’une référence de pointe pour la synthèse longue de plusieurs documents. Résultats observés sur des comptes rendus pré-séance élaborés à partir des transcriptions de deux patients synthétiques ; évaluation par modèles uniquement.

Lire le rapport
Comment les LLM voient-ils un patient polonais ?
LLM Bias · 2026 BiasLLMMethodology

Comment les LLM voient-ils un patient polonais ?

Une analyse expérimentale du biais de six modèles de langage lors de la génération de patients fictifs atteints de quatre troubles mentaux. 240 requêtes · 6 modèles · 4 troubles.

Lire le rapport
Anna Graniczna a 31 ans, a peur de l'abandon, et n'existe pas
Synthetic Patients · 2026 Synthetic DataSchema TherapyMethodology

Anna Graniczna a 31 ans, a peur de l'abandon, et n'existe pas

Comment nous construisons des patients synthétiques pour la recherche et les tests sans mettre en danger la vie privée de personnes réelles. 20 séances de thérapie des schémas, une fiche patient ouverte, et l'anatomie d'un bon input pour un LLM.

Lire le rapport

Therapy Support · Commencez dès aujourd'hui

Reprenez du temps pour vous
et vos Patients

Vous êtes thérapeute TCC ?
Découvrez comment la plateforme soutient votre travail quotidien.
Des résumés de séance qui organisent le matériel clinique. Une administration qui ne gêne pas.