EMDR et intelligence artificielle : état des lieux de la recherche 

Mis à jour le 20 février 2026

Une revue descriptive des études publiées à l’intersection EMDR-IA

Cet article recense et analyse les études publiées qui portent spécifiquement sur l’utilisation de l’intelligence artificielle dans le cadre de la thérapie EMDR. Pour chaque étude, il décrit la méthode, la population, les résultats rapportés et les limites méthodologiques identifiées par les auteurs eux-mêmes ou par la littérature secondaire. Cet article ne formule pas de recommandations cliniques et ne procède à aucune extrapolation au-delà des données rapportées. 

Avertissement. L’intelligence artificielle en santé mentale est un champ en transformation constante : de nouvelles études, réglementations et technologies émergent chaque mois. Cet article constitue un point de repère solide à la date de sa publication, mais la meilleure protection pour vos patients reste votre engagement dans une veille scientifique et une formation continue. 

Introduction et périmètre 

L’intégration de l’intelligence artificielle (IA) en santé mentale fait l’objet d’une littérature croissante. Cruz-Gonzalez et al. (2025), dans une revue systématique publiée dans Psychological Medicine couvrant les publications jusqu’en février 2024, ont identifié 85 études portant sur l’IA appliquée au diagnostic, au monitoring et à l’intervention en santé mentale. Une analyse bibliométrique de la littérature sur l’IA et le TSPT (Behavioural Sciences, 2025) a identifié 431 articles originaux dans le Web of Science Core Collection pour la période 1999-2023.

Cependant, le champ spécifique combinant IA et thérapie EMDR est considérablement plus restreint. Le présent article a pour objet de recenser les études publiées qui portent directement sur cette intersection : des travaux où un système d’IA est utilisé dans le cadre d’un protocole EMDR ou en lien direct avec le déroulement d’une thérapie EMDR.

Le périmètre inclut les études dans lesquelles l’IA (machine learning, réseaux de neurones, traitement du langage naturel, chatbots) est utilisée pour assister, optimiser ou délivrer un protocole EMDR. Il exclut les études sur l’IA en santé mentale ne mentionnant pas l’EMDR, les études sur l’EMDR à distance sans composante IA, et les articles théoriques ou éditoriaux ne rapportant pas de données originales.

Méthode d’identification des études

Les études ont été identifiées par une recherche croisée dans les bases PubMed, Google Scholar, Semantic Scholar et les références de revues systématiques récentes (Li et al., 2023 ; Cruz-Gonzalez et al., 2025 ; Wang et al., 2025), complétée par une recherche dans les bases de l’EMDR International Association (EMDRIA). Les termes de recherche combinés étaient : EMDR AND (artificial intelligence OR machine learning OR chatbot OR neural network OR NLP). La recherche couvre les publications jusqu’à décembre 2025.

Cette méthode d’identification ne constitue pas une revue systématique au sens des critères PRISMA. Elle vise à être aussi exhaustive que possible, mais d’autres études, notamment non publiées en anglais ou en français, ou parues dans des revues non indexées, peuvent ne pas avoir été identifiées.

Résultat de la recherche. Six études publiées rapportant des données originales à l’intersection EMDR-IA ont été identifiées. Un chapitre d’ouvrage supplémentaire (Khan et al., 2025), qui décrit l’architecture d’un système mais ne rapporte pas de données cliniques, a été identifié et est mentionné séparément. Une étude portant sur l’EMDR auto-administré par application (Waterman & Cooper, 2020) est incluse car elle évalue des applications intégrant des fonctionnalités automatisées, bien que la présence d’IA au sens strict soit limitée dans les outils évalués.

Analyse de 6 études identifiées

Goga et al. (2022) 

Référence. Goga, N., et al. (2022). An Efficient System for Eye Movement Desensitization and Reprocessing (EMDR) Therapy: A Pilot Study. Healthcare, 10.

Objet. Développement et test d’un système d’assistant virtuel EMDR fondé sur des actionneurs vidéo, tactiles et audio, intégrant un chatbot d’intelligence artificielle. Le système est conçu pour fonctionner de manière autonome, sans intervention d’un clinicien formé.

Méthode. Étude pilote, 31 participants. Le système reproduit les huit phases du protocole EMDR de Francine Shapiro. L’interaction avec l’utilisateur inclut la communication écrite et audio. Le chatbot IA guide l’utilisateur à travers les phases du protocole.

Résultats rapportés. Les auteurs rapportent une réduction de l’anxiété, de la détresse et des cognitions négatives associées au souvenir traumatique. Les auteurs présentent ce système comme le premier de ce type rapporté dans la littérature.

Limites méthodologiques. Absence de groupe contrôle. Échantillon de 31 participants (taille non spécifiée en détail par sous-groupe). Absence de randomisation. Pas de mesure de suivi post-traitement. Le système est conçu pour fonctionner sans clinicien, mais l’étude ne rapporte pas de données sur la sécurité de cette utilisation autonome. Revue Healthcare (MDPI), facteur d’impact modéré.

Fiani, Russo & Napoli (2023)

Référence. Fiani, F., Russo, S., & Napoli, C. (2023). An Advanced Solution Based on Machine Learning for Remote EMDR Therapy. Technologies, 11(6), 172.

Objet. Étude préliminaire proposant des interfaces virtuelles pour la psychothérapie à distance. Le système combine plusieurs techniques de machine learning : détection de distance, calibration de caméra et suivi oculaire (eye tracking), assemblées pour créer un environnement virtuel d’exécution d’un protocole de pleine conscience. Les auteurs précisent que ce protocole est applicable à la phase de désensibilisation de l’EMDR.

Méthode. Étude préliminaire (preliminary study). Le système exécute une stimulation bilatérale visuelle via une barre lumineuse virtuelle, suivie par un algorithme de vision par ordinateur qui génère la trajectoire du regard du sujet et la compare à la trajectoire attendue. L’étude compare ce protocole à une tâche contrôle (remplissage d’un questionnaire).

Résultats rapportés. Les auteurs rapportent que le protocole de pleine conscience en environnement virtuel améliore la concentration et réduit le stress par rapport à la tâche contrôle.

Limites méthodologiques. Il s’agit d’une étude préliminaire, centrée sur un protocole de pleine conscience, pas sur le retraitement d’un souvenir traumatique par EMDR. La taille de l’échantillon n’est pas précisée dans le résumé. Absence de mesures cliniques standard du TSPT (PCL-5, IES-R). Le comparateur est une tâche non thérapeutique (questionnaire). Revue Technologies (MDPI), facteur d’impact limité.

Russo, Fiani & Napoli (2024)

Référence. Russo, S., Fiani, F., & Napoli, C. (2024). Remote Eye Movement Desensitization and Reprocessing Treatment of Long-COVID- and Post-COVID-Related Traumatic Disorders: An Innovative Approach. Brain Sciences, 14(12), 1212.

Objet. Évaluation de l’efficacité de la thérapie EMDR à distance via une plateforme IA pour le traitement de troubles traumatiques liés au COVID long, avec comparaison à l’EMDR en présentiel.

Méthode. 160 participants répartis en deux groupes de 80. Le groupe expérimental a reçu l’EMDR via la plateforme distancielle à support IA (la même équipe technique que Fiani et al., 2023). Le groupe contrôle a reçu l’EMDR classique en présentiel. Le thérapeute EMDR était activement présent dans les deux groupes. Trois mesures principales : SUDs (Subjective Units of Disturbance), PCL-5 (PTSD Checklist for DSM-5) et IES-R (Impact of Event Scale-Revised), évaluées en pré-traitement et en post-traitement. Analyse statistique par ANOVA.

Résultats rapportés. Les deux groupes ont montré des réductions significatives des scores SUDs, PCL-5 et IES-R entre le pré-traitement et le post-traitement. L’analyse statistique n’a montré aucune différence significative entre les deux groupes (plateforme IA vs. présentiel) pour les trois mesures, en pré-traitement, en post-traitement et en variation. Les auteurs concluent que la plateforme à support IA démontre une efficacité comparable au présentiel.

Limites méthodologiques. L’étude n’est pas décrite comme un essai contrôlé randomisé : le texte ne précise pas la méthode d’allocation aux groupes. La population est spécifique (troubles traumatiques liés au COVID long), ce qui limite la généralisabilité. Absence de suivi à long terme. Le groupe contrôle reçoit un traitement actif (EMDR en présentiel), ce qui est un point méthodologique fort pour la comparaison, mais l’absence de randomisation affaiblit l’interprétation. Les trois publications de cette équipe (2023, 2024 et Goga et al., 2022 qui cite les mêmes collaborateurs) proviennent du même laboratoire (Sapienza, Rome), ce qui concentre l’ensemble de la base de preuves sur un seul groupe de recherche. Revue Brain Sciences (MDPI), facteur d’impact modéré.

Suh, Chang & Park (2025)

Référence. Suh, J., Chang, S., & Park, H. (2025). Optimization of Video Stimuli Parameters in EMDR Therapy Using Artificial Neural Networks for Enhanced Treatment Efficacy. Applied Sciences, 15(2), 934.

Objet. Utilisation de réseaux de neurones artificiels pour optimiser les paramètres des stimuli vidéo utilisés en EMDR (vitesse, amplitude, fréquence de la stimulation bilatérale visuelle).

Méthode. Étude technique. Le réseau de neurones est entraîné pour identifier les combinaisons optimales de paramètres vidéo en fonction des réponses des participants. Il s’agit d’une approche d’optimisation paramétrique, pas d’un essai clinique.

Résultats rapportés. Les auteurs rapportent que le réseau de neurones permet d’identifier des paramètres de stimulation personnalisés susceptibles d’améliorer l’efficacité thérapeutique.

Limites méthodologiques. Il s’agit d’une étude technique d’optimisation, pas d’un essai clinique. Aucune mesure de résultats cliniques (symptômes TSPT, anxiété, dépression). L’étude démontre la faisabilité technique de l’optimisation paramétrique, pas son impact sur les résultats thérapeutiques. Revue Applied Sciences (MDPI), facteur d’impact modéré.

Waterman & Cooper (2020)

Référence. Waterman, L. Z., & Cooper, M. (2020). Self-Administered EMDR Therapy: Potential Solution for Expanding the Availability of Psychotherapy for PTSD or Unregulated Recipe for Disaster? BJPsych Open.

Objet. Évaluation d’applications d’EMDR auto-administré disponibles sur les magasins d’applications. L’étude évalue la faisabilité et les résultats préliminaires de l’auto-administration, ciblant explicitement les populations pour lesquelles l’accès au thérapeute est limité (notamment les réfugiés).

Méthode. Étude exploratoire, 15 participants. L’auto-administration se fait via une application proposant une stimulation bilatérale sans présence de thérapeute. Les applications évaluées incluent des fonctionnalités automatisées (guidage textuel ou vocal), mais la présence d’IA au sens technique (machine learning, traitement du langage naturel) est limitée ou non décrite.

Résultats rapportés. Les auteurs rapportent des améliorations pour certains participants. Ils rapportent également un taux d’attrition de 4 participants sur 15 et identifient un risque d’expériences très perturbantes pendant l’auto-administration sans supervision.

Limites méthodologiques. Très petit échantillon (N=15). Absence de groupe contrôle. Absence de randomisation. Taux d’attrition élevé (26,7 %). Pas de mesure de suivi post-traitement. La présence d’IA dans les applications évaluées n’est pas décrite en détail.

Burback et al. (2024)

Référence. Burback, L., et al. (2024). Web-Based Eye Movement Desensitization and Reprocessing for Adults With Suicidal Ideation: Randomized Controlled Trial. JMIR Research Protocols / Journal of Medical Internet Research.

Objet. Essai contrôlé randomisé évaluant l’EMDR délivré par internet avec thérapeute pour des adultes présentant des idéations suicidaires. C’est la seule étude identifiée dans le corpus qui cible une population à haut risque.

Méthode. ECR, EMDR via plateforme web avec supervision active du thérapeute tout au long du protocole. La plateforme web facilite la délivrance distancielle mais l’IA n’est pas la composante centrale — c’est la supervision humaine à distance qui constitue le modèle testé.

Résultats rapportés. L’étude démontre la faisabilité de l’EMDR distanciel avec supervision clinique active pour une population habituellement exclue des protocoles numériques pour des raisons de sécurité.

Limites méthodologiques. La composante IA est limitée : il s’agit principalement d’un outil de délivrance distancielle, pas d’un système d’IA au sens technique. Inclusion dans cette revue justifiée par le caractère distanciel et la pertinence pour la question du numérique en EMDR.

Khan, Madihie & Khan (2025) — chapitre d’ouvrage

Référence. Khan, A., Madihie, A., & Khan, R. U. (2025). Unlocking the Healing Potential of Internet Psychotherapy: Harnessing Artificial Intelligence to Enhance Online EMDR Therapy Experience. In V. V. Kumar, P. F. Katina, & J. Zhao (Eds.), Convergence of Internet of Medical Things (IoMT) and Generative AI. IGI Global.

Objet. Description de l’architecture, des composants de design et du processus de développement logiciel d’un système EMDR en ligne fondé sur l’IA. Le système intègre des algorithmes de traitement du langage naturel (NLP) pour l’analyse de sentiment, la synthèse de texte, la tokenisation et l’analytique descriptive.

Limites. Il s’agit d’un chapitre d’ouvrage décrivant la conception d’un système, pas d’une étude rapportant des données cliniques. Aucun résultat empirique n’est rapporté. Le système est décrit au stade de la conception, pas du test clinique.

Tableau synoptique des études

Tableau 1. Études publiées à l’intersection EMDR-IA : caractéristiques méthodologiques et résultats

BLS = bilateral stimulation ; ML = machine learning ; NLP = natural language processing ; ECR = essai contrôlé randomisé ; N/A = non applicable.

Constats factuels

L’examen des études identifiées permet de poser cinq constats factuels.

Le nombre d’études est très restreint

Six études rapportant des données originales ont été identifiées. Ce chiffre contraste avec les 431 articles identifiés par l’analyse bibliométrique sur l’IA et le TSPT (Behavioural Sciences, 2025) et les 85 études recensées par Cruz-Gonzalez et al. (2025) sur l’IA en santé mentale au sens large. Le champ spécifique EMDR + IA représente une fraction très réduite de cette littérature.

La base de preuves est concentrée

Trois des six études (Goga et al., 2022 ; Fiani et al., 2023 ; Russo et al., 2024) proviennent du même laboratoire (Sapienza, Université de Rome) ou de collaborateurs directs. Aucune réplication indépendante de ces résultats n’a été publiée à la date de cette revue.

Aucun ECR ne porte sur un système EMDR + IA

Parmi les six études, Burback et al. (2024) est la seule à suivre un design ECR, mais la composante IA y est limitée (plateforme de délivrance distancielle). Les études qui testent un système combinant EMDR et IA à proprement parler (Goga et al., 2022 ; Fiani et al., 2023 ; Russo et al., 2024) utilisent des designs exploratoires, préliminaires ou comparatifs sans randomisation décrite.

Les échelles cliniques standard ne sont utilisées que dans une étude

Seule l’étude de Russo et al. (2024) utilise des mesures cliniques standardisées du TSPT (PCL-5, IES-R, SUDs) avec un comparateur actif (EMDR en présentiel). Les autres études utilisent des mesures non standardisées, des mesures de faisabilité technique, ou ne rapportent pas de données cliniques.

Aucune étude ne rapporte de données de suivi à long terme

Aucune des six études n’inclut de mesure de suivi post-traitement à 3, 6 ou 12 mois. L’ensemble des résultats rapportés concernent des évaluations immédiatement post-traitement.

Matrice des lacunes de recherche

Le tableau ci-dessous croise les axes de recherche identifiés avec la présence ou l’absence d’études dans le périmètre EMDR + IA.

Tableau 2. Matrice des lacunes de recherche à l’intersection EMDR-IA

Contexte : l’IA en santé mentale au sens large

Les six études identifiées s’inscrivent dans un champ plus large de recherche sur l’IA en santé mentale. Cette section situe factuellement les études EMDR + IA dans ce contexte, sans en tirer de conclusions sur leur transposabilité.

Chatbots en santé mentale

Li et al. (2023) ont conduit une méta-analyse systématique de 35 études (15 ECR) sur les agents conversationnels IA en santé mentale. Les résultats montrent une réduction significative des symptômes de dépression (g de Hedges = 0,64 [IC 95 % : 0,17-1,12]) et de détresse (g de Hedges = 0,70 [IC 95 % : 0,18-1,22]). Ces études portent sur la dépression, l’anxiété et le bien-être général ; aucune ne porte sur le TSPT traité par EMDR.

IA générative

Heinz et al. (2025) ont publié dans le NEJM AI le premier ECR d’un chatbot fondé sur l’IA générative (Therabot) pour le traitement de la dépression, de l’anxiété et des troubles alimentaires (N=210). Les tailles d’effet rapportées sont modérées à larges. Cet essai ne porte pas sur l’EMDR.

IA et TSPT (hors EMDR)

L’analyse bibliométrique publiée dans Behavioural Sciences (2025) identifie 431 articles sur IA et TSPT (1999-2023), couvrant la prévention, le diagnostic, le traitement, l’autogestion et le développement de médicaments. Les applications d’IA dans le TSPT concernent principalement le diagnostic automatisé (classification par machine learning) et le monitoring (détection de symptômes par analyse de données physiologiques). Han et al. (2021) ont développé PTSDialogue, un agent conversationnel spécifiquement conçu pour le TSPT, au stade du design participatif (pas d’ECR publié).

Effets indésirables de l’EMDR

Van Schie et Van Veen (2025), dans Current Opinion in Psychology, qualifient l’étude des effets indésirables de l’EMDR de domaine négligé mais urgent. Les effets rapportés incluent l’aggravation transitoire des symptômes, les épisodes dissociatifs et la réactivation traumatique non contenue. Cette littérature concerne l’EMDR en général, pas l’EMDR + IA spécifiquement, mais constitue un contexte factuel pertinent.

Limites de cet article

Cet article n’est pas une revue systématique au sens des critères PRISMA. La méthode d’identification des études est transparente mais ne garantit pas l’exhaustivité : des études publiées dans des revues non indexées, dans des langues autres que l’anglais et le français, ou sous forme de communications de congrès, peuvent ne pas avoir été identifiées.

L’évaluation méthodologique de chaque étude repose sur les informations disponibles dans les publications elles-mêmes et dans les bases de données accessibles. L’accès au texte intégral de certaines publications (notamment Khan et al., 2025, chapitre d’ouvrage) peut révéler des informations supplémentaires non rapportées dans les résumés.

La frontière entre « EMDR avec IA » et « EMDR distanciel avec technologie numérique » est parfois floue. L’inclusion de Waterman & Cooper (2020) et de Burback et al. (2024) repose sur un critère d’inclusion large (composante automatisée ou distancielle dans un protocole EMDR) ; d’autres auteurs pourraient définir un périmètre plus restrictif.

Conclusion

La recherche à l’intersection de l’EMDR et de l’intelligence artificielle est à un stade précoce. Six études rapportant des données originales ont été identifiées. La plus importante en termes de taille d’échantillon et de rigueur méthodologique (Russo et al., 2024, N=160) montre l’absence de différence significative entre l’EMDR délivré via une plateforme IA et l’EMDR en présentiel. Cependant, cette étude n’a pas été répliquée indépendamment et ne suit pas un design ECR.

Les lacunes de recherche sont considérables : aucune étude publiée ne porte sur la sécurité et les effets indésirables spécifiques de l’EMDR + IA, sur l’impact de ces outils sur l’alliance thérapeutique, sur les résultats à long terme, sur les populations pédiatriques ou gériatriques, ni sur les biais algorithmiques des systèmes utilisés.

Le champ plus large de l’IA en santé mentale dispose d’une base de preuves plus étoffée (Li et al., 2023 ; Heinz et al., 2025 ; Cruz-Gonzalez et al., 2025), mais ces données portent sur d’autres thérapies (principalement la TCC) et d’autres troubles (principalement la dépression et l’anxiété), et ne peuvent être transposées au contexte EMDR sans études dédiées.

En savoir plus 

L’intelligence artificielle en santé mentale est un champ en transformation constante : de nouvelles études, réglementations et technologies émergent chaque mois. Cet article constitue un point de repère solide à la date de sa publication, mais la meilleure protection pour vos patients reste votre engagement dans une veille scientifique et une formation continue. 

Références citées dans l’article 

• Behavioural Sciences (2025). Current Status and Future Directions of Artificial Intelligence in Post-Traumatic Stress Disorder: A Literature Measurement Analysis. Behavioural Sciences, 15(1), 27. https://doi.org/10.3390/bs15010027
• Burback, L., et al. (2024). Web-Based Eye Movement Desensitization and Reprocessing for Adults With Suicidal Ideation: Randomized Controlled Trial. JMIR Research Protocols.
• Cruz-Gonzalez, P., He, A. W.-J., Lam, E. P. P., et al. (2025). Artificial intelligence in mental health care: A systematic review of diagnosis, monitoring, and intervention applications. Psychological Medicine, 55. https://doi.org/10.1017/S0033291725000376
• Fiani, F., Russo, S., & Napoli, C. (2023). An Advanced Solution Based on Machine Learning for Remote EMDR Therapy. Technologies, 11(6), 172. https://doi.org/10.3390/technologies11060172
• Goga, N., et al. (2022). An Efficient System for Eye Movement Desensitization and Reprocessing (EMDR) Therapy: A Pilot Study. Healthcare, 10. https://doi.org/10.3390/healthcare10010049
• Han, H. J., Jaworski, B. K., & Owen, J. E. (2021). PTSDialogue: Designing a conversational agent to support individuals with post-traumatic stress disorder. In Proceedings of the 2021 CHI Conference Extended Abstracts (pp. 198–203). https://doi.org/10.1145/3460418.3479332
• Heinz, M. V., Mackin, D. M., Trudeau, B. M., et al. (2025). Randomized Trial of a Generative AI Chatbot for Mental Health Treatment. NEJM AI, 2(4). https://doi.org/10.1056/AIoa2400802
• Khan, A., Madihie, A., & Khan, R. U. (2025). Unlocking the Healing Potential of Internet Psychotherapy: Harnessing Artificial Intelligence to Enhance Online EMDR Therapy Experience. In V. V. Kumar, P. F. Katina, & J. Zhao (Eds.), Convergence of Internet of Medical Things (IoMT) and Generative AI. IGI Global. https://doi.org/10.4018/979-8-3693-6180-1.ch005
• Li, H., Zhang, R., Lee, Y., Kraut, R., & Mohr, D. (2023). Systematic review and meta-analysis of AI-based conversational agents for promoting mental health and well-being. NPJ Digital Medicine, 6, 236. https://doi.org/10.1038/s41746-023-00979-5
• Russo, S., Fiani, F., & Napoli, C. (2024). Remote Eye Movement Desensitization and Reprocessing Treatment of Long-COVID- and Post-COVID-Related Traumatic Disorders: An Innovative Approach. Brain Sciences, 14(12), 1212. https://doi.org/10.3390/brainsci14121212
• Suh, J., Chang, S., & Park, H. (2025). Optimization of Video Stimuli Parameters in EMDR Therapy Using Artificial Neural Networks for Enhanced Treatment Efficacy. Applied Sciences, 15(2), 934. https://doi.org/10.3390/app15020934
• Van Schie, K., & Van Veen, S. (2025). Adverse effects of Eye Movement Desensitization and Reprocessing therapy: A neglected but urgent area of inquiry. Current Opinion in Psychology, 67, 102155. https://doi.org/10.1016/j.copsyc.2025.102155
• Wang, X., Zhou, Y., & Zhou, G. (2025). The application and ethical implication of generative AI in mental health: Systematic review. JMIR Mental Health, 12, e70610. https://doi.org/10.2196/70610
• Waterman, L. Z., & Cooper, M. (2020). Self-Administered EMDR Therapy: Potential Solution for Expanding the Availability of Psychotherapy for PTSD or Unregulated Recipe for Disaster? BJPsych Open.

Aller plus loin 

Formation(s) : L’usage des intelligences artificielles par les patients : enjeux cliniques, éthiques et thérapeutiques