Note ABES Explanatory study of the psychological factors behind French Web Searcher's Health Information Search Navigation Behaviour on SERP in purview of G-AI Étude explicative des facteurs psychologiques à l'origine du comportement de navigation des internautes français en matière de recherche d'informations sur la santé sur les SERP dans le cadre de G-AI Comportement de recherche d'informations sur la santé en français IA générative dans la recherche d'informations sur la santé sur les moteurs de recherche Classification des intentions de recherche Psychologie du marketing de recherche sur le Web Modélisation RNN-BiGRU Analyse prédictive par apprentissage automatique supervisé Analyse de similarité sémantique IA explicable dans le marketing de la santé en français French Health Information Search Behaviour Generative AI in Health Information Search on Search Engines Search Intent Classification Web Search Marketing Psychology RNN-BiGRU Modelling Supervised Machine Learning Predictive Analytics Semantic Similarity Analysis Explainable AI in French Health Marketing Recherche de l'information Moteurs de recherche sur Internet Santé Marketing Marketing Psychologie Marketing digital Apprentissage automatique Apprentissage profond Psychologie cognitive Intelligence artificielle générative Traitement automatique du langage naturel Cette thèse présente une étude explicative et exploratoire des facteurs psychologiques, cognitifs, de compréhension, de pertinence, d'intention, de personnalisation et émotionnels qui sous-tendent le comportement de recherche d'informations de santé des utilisateurs francophones (HISB) sur les pages de résultats des moteurs de recherche (SERP). L'accent a été mis sur le développement d'un profilage psycho-cognito de nos participants au test, puis sur la classification des intentions de recherche en deux catégories. La recherche adopte une approche mixte, intégrant des tests de suivi du comportement de recherche des utilisateurs par vidéographie et une analyse de la perception basée sur les commentaires. Au total, 160 participants francophones ont créé 2 884 requêtes de recherche uniques liées à la santé, selon 4 scénarios de test avec une moyenne de 4 requêtes par scénario, ce qui a permis de générer 627 enregistrements vidéo valides. Ces enregistrements vidéo ont été transcrits et divisés en 9 330 échantillons de texte valides et logiques, soit l'équivalent de 815 430 jetons de données humaines réelles, ainsi que la création d'un autre ensemble de commentaires d'utilisateurs YouTube. En parallèle, 165 872 échantillons de texte simulés par l'IA (17 773 761 jetons) ont été générés à l'aide d'API (Application Programming Interface) de grands modèles de langage (LLM) ; en utilisant des invites textuelles basées sur des règles sous des capacités et des caractéristiques d'utilisation contrôlées. Les données humaines réelles et les données générées par l'IA ont été analysées à l'aide d'un modèle d'apprentissage automatique supervisé basé sur un réseau neuronal récurrent (RNN) personnalisé et de la méthode BiGRU (Bidirectional Gated Recurrent Unit) développée en Python. Cette étude assimilée du traitement cognitif, de l'engagement émotionnel et de la compréhension sémantique offre également des perspectives cruciales sur les expériences de recherche futuristes médiées par l'IA et la prise de décision marketing dans le contexte des soins de santé français. Cette recherche contribue aux domaines croisés du marketing numérique, de l'informatique de santé grand public et de l'interaction homme-machine en proposant un cadre comportemental raffiné pour la recherche influencée par l'IA. Elle fait également progresser le discours méthodologique sur la manière de comparer systématiquement la cognition humaine à l'intelligence générative dans ce contexte. This thesis presents an explanatory and exploratory investigation into the psychological, cognitive, understanding, relevance, intent, personalization and emotional factors underlying French-speaking User’s Health Information Search Behaviour (HISB) on Search Engine Result Pages (SERPs) with prime focus on developing Psycho-Cognito Profiling of our test-participants and then doing dual-category Search Intents Classification. The research adopts a mixed-methods design, incorporating testing of user’s search behavioural tracking through videography, and commentary-based perception analysis. A total of 160 French speaking participants created 2,884 unique health-related search prompts; under 4-test scenario with average 4 prompts per scenario; using which generating 627 valid video recordings were created. These video recordings were transcribed and divided into 9330 valid and logical text samples, equivalent of 815,430 tokens of real-human data, along with creating another set of YouTube user comments. In parallel, 165, 872 AI-simulated text samples (17, 773, 761 tokens) were generated using APIs (Application Programming Interface) of Large Language Models (LLMs); using rule-based text-prompts under controlled capacities and usage features. Both real-human data and AI-generated-data were analysed using a custom-built Recurrent Neural Network (RNN) based Supervised Machine Learning Model and BiGRU (Bidirectional Gated Recurrent Unit) method developed in Python to present an assimilated study of cognitive processing, emotional engagement, and semantic understanding alongside offering critical insights into futuristic AI-mediated search experiences and marketing decision making in French healthcare contexts. This research contributes to the intersecting fields of digital marketing, consumer health informatics, and human-computer interaction by proposing a refined behavioural framework for AI-influenced search. It also advances methodological discourse on how to systematically compare human cognition with generative intelligence in the context. Electronic Thesis or Dissertation Text Image en PDF 24259854 https://pepite-depot.univ-lille.fr/LIBRE/EDSJPG/2025/2025ULILD025.pdf http://www.theses.fr/2025ULILD025/abes https://theses.hal.science/tel-05466862 https://theses.hal.science/tel-05466862 https://theses.hal.science/tel-05466862 Kumar Phool 1980-11-02 IN 292819455 0CSP5U0BN15 121492 https://theses.fr/2025ULILD025 2025ULILD025 https://doi.org/10.70675/e1df3ae7z5d76z4da1z9905zc46275eb98a9 2025-12-19 Gestion Université de Lille (2022-....) 259265152 Doctorat Docteur es non oui Crié Dominique MADS_DIRECTEUR_DE_THESE_1 068721439 Martin-Salerno Annabel MADS_DIRECTEUR_DE_THESE_2 077127072 Benavent Christophe MADS_PRESIDENT_DU_JURY 070226032 Calciu Mihai MADS_MEMBRE_DU_JURY_1 059922516 Coussement Kristof MADS_RAPPORTEUR_1 156277670 Steils Nadia MADS_RAPPORTEUR_2 197221203 École doctorale des Sciences Juridiques, Politiques et de Gestion (Lille ; 1992-....) MADS_ECOLE_DOCTORALE_1 74 050154788 LUMEN - Lille University Management MADS_PARTENAIRE_DE_RECHERCHE_1 1071874 264260171 ddc:650 Crié Dominique Martin-Salerno Annabel Benavent Christophe Calciu Mihai Coussement Kristof Steils Nadia École doctorale des Sciences Juridiques, Politiques et de Gestion (Lille ; 1992-....) LUMEN - Lille University Management PDF 24259854