Qualité des preuves 4.88/5
Score d’évaluation en huit dimensions selon la grille de qualité . Chaque dimension notée de 1 à 5.
- D1 Ancrage des sources
- 5/5
- D2 Autorité des sources
- 5/5
- D3 Arithmétique
- 5/5
- D4 Incertitude
- 5/5
- D5 Portée
- 5/5
- D6 Prose
- 5/5
- D7 Honnêteté sur la perception
- 4/5
- D8 Complétude des réserves
- 5/5
Décisions que ce risque éclaire
Choix qui dépendent de ce risque : comment on pèse le compromis.
Choisir le comparé
La question que les parents veulent vraiment voir résolue — « le temps d’écran de mon ado va-t-il lui nuire ? » — n’a pas de chiffre associé, et la raison en est plus intéressante que l’habituel « il faut plus de recherche ». L’analyse par courbe de spécification d’Orben et Przybylski en 2019 portant sur 355 000 adolescents a testé toutes les façons défendables de découper les données et trouvé que l’utilisation totale de technologie numérique expliquait environ 0,4 pour cent de la variance du bien-être. Ce n’est pas zéro. C’est aussi plus petit que l’association entre le bien-être et la consommation régulière de pommes de terre.
Ce que les données soutiennent, avec une consistance inhabituelle, est une affirmation plus étroite : les écrans perturbent le sommeil des adolescents, et un sommeil perturbé nuit à presque tout ce qui en découle. La revue systématique de Hale et Guan de 2015 a trouvé que 90 pour cent de 67 études rapportaient des associations néfastes entre temps d’écran et sommeil. Le mécanisme est en partie physiologique (la lumière bleue supprime la mélatonine) et en partie mécanique (les écrans dans les chambres déplacent des minutes de sommeil).
Le résumé honnête en 2026 est que « temps d’écran des ados » comme catégorie monolithique de risque est un instrument trop grossier pour produire une probabilité de dommage significative. Un joueur compétitif, un consommateur compulsif de Netflix, un chercheur de devoirs et un insomniaque faisant du doomscrolling sont tous des ados à « temps d’écran élevé », mais leurs profils de risque partagent à peu près autant que leur connexion Wi-Fi.
Pour aller plus loin
36% des adolescents ayant accès à l'alcool sous supervision adulte ont subi des conséquences néfastes de la boisson dès la 4e (grade 9), contre 21% sous interdiction parentale stricte. L'approche de la gorgée encadrée n'a pas acheté la protection promise.
Il n'existe aucune probabilité fiable qu'une heure de temps d'écran nuise durablement à un adolescent. La recherche est corrélationnelle, les effets sont faibles et contestés, et le contenu et le contexte comptent plus que les heures d'écran brutes.
Registre des sources
Chaque chiffre ci-dessous correspond à ce que la source a rapporté, avec la citation textuelle sur laquelle nous nous sommes appuyés et la méthode de calcul. Cliquez sur un lien pour vérifier directement.
1/3 sources vérifiées de manière indépendante, mot pour mot, par rapport à la source citée
-
[1] Nature Human Behaviour (Orben & Przybylski 2019) — The association between adolescent well-being and digital technology use
The association between adolescent well-being and digital technology useSee all 2 Likelier entries citing this source →
- Statistique
Specification-curve analysis across three large datasets (N > 355,000 adolescents) found that all digital technology use — including TV, gaming, smartphones, and social media — was negatively associated with well-being at r = −0.035 to −0.04, explaining at most 0.4% of the variance; the effect was smaller than that of wearing glasses or eating potatoes- Extrait
“"The negative effect of technology use on adolescent well-being is small — explaining at most 0.4% of the variation in well-being." ”
- Données source de
- 2019-01-14
- Consulté le
- 2026-04-26 · copie archivée
- Calcul
- Orben & Przybylski 2019 is the most rigorous large-scale analysis of the association between digital technology use (broadly defined: TV, gaming, smartphones, social media) and adolescent well-being. The specification-curve approach tested all defensible analytic choices across three datasets (Understanding Society, YRBS, MCS). The headline finding — r ≈ −0.04 for all technology use combined — is statistically significant given the sample size but practically negligible. Critically, this study measures total digital technology use, not just social media, making it the primary anchor for this entry's broader "screen time" framing. The outcome is a continuous well-being scale, not a binary harm threshold, so no per-teen probability of serious harm can be derived. This source is the primary basis for the no_reliable_estimate designation.
- Indépendance
- Uses UK Understanding Society, YRBS, and MCS datasets. Fully independent of the Hale & Guan sleep review and the Paulus et al. neuroscience review.
-
[2] Sleep Medicine Reviews (Hale & Guan 2015) — Screen Time and Sleep among School-Aged Children and Adolescents: A Systematic Literature Review Vérifié
Screen Time and Sleep among School-Aged Children and Adolescents: A Systematic Literature Review- Statistique
A systematic review of 67 studies found that screen time — across TV, computers, video games, and mobile phones — was adversely associated with sleep outcomes in 90% of studies examined, with the most consistent finding being shortened sleep duration and delayed sleep onset among adolescents- Extrait
“"In 90% of studies, screen time was adversely associated with sleep outcomes — primarily shortened duration and delayed timing." ”
- Données source de
- 2015-06-01
- Consulté le
- 2026-04-26 · copie archivée
- Vérification
- Extrait récupéré et confirmé de manière indépendante, mot pour mot, par rapport à la source citée lors de notre audit de vérification.
- Calcul
- Hale & Guan 2015 reviewed 67 studies (1999-2014) covering all major screen types — TV, computers, video games, and mobile devices — in school-aged children and adolescents. The 90% figure refers to the proportion of studies finding a negative association between screen time and at least one sleep outcome. The review is included because it establishes sleep disruption as the most consistently documented mechanism linking screen time (broadly, not just social media) to adverse outcomes in teens. However, the review is correlational, and the authors note that causal direction is unconfirmed: teens who sleep poorly may also use screens more. No per-teen probability of harm can be derived from a systematic review of heterogeneous correlational studies with varying outcome definitions.
- Indépendance
- Independent review of 67 primary studies. No overlap with Orben & Przybylski 2019 datasets. Different outcome domain (sleep vs well-being).
-
[3] Journal of Mood and Anxiety Disorders (Paulus, Zhao, Potenza et al. 2023) — Screen media activity in youth: A critical review of mental health and neuroscience findings
Screen media activity in youth: A critical review of mental health and neuroscience findings- Statistique
A critical review of mental health and neuroscience evidence found that screen media activity has both immediate and long-term associations with sleep quality, mood, and anxiety in youth, but that effects are moderated by content type, context, and individual vulnerability, and the relationship is best understood within an ecological systems framework rather than as a simple dose-response toxin model- Extrait
“"The multifaceted relationship between SMA and various aspects of adolescent life is influenced by a wide range of environmental and contextual factors." ”
- Données source de
- 2023-08-01
- Consulté le
- 2026-04-26 · copie archivée
- Calcul
- Paulus et al. 2023 is included as the most comprehensive recent review that covers all screen media activity in youth — not just social media — integrating both mental health and neuroscience findings. The review explicitly adopts Bronfenbrenner's ecological systems framework, which positions screen time within a web of individual, family, school, peer, and environmental factors. Its key contribution to this entry is the finding that the screen-time-to-harm pathway is not a simple dose-response relationship: content type (passive vs interactive), context (solitary vs social), and pre-existing vulnerability all moderate effects substantially. This supports the no_reliable_estimate designation — a single population- level probability cannot capture such heterogeneity. No probability is derived.
