Sommeil irrégulier, IA et premières cigarettes : ce que la science dit aujourd'hui.

Votre montre connectée détecte peut-être la dépression avant vous.

Ce n'est pas combien vous dormez qui prédit la dépression — c'est à quel point vos nuits sont irrégulières.

Une équipe de chercheurs de l'Université de Virginie et de Microsoft Research a construit CoDaS — Co-Data-Scientist — un système d'agents IA capable de fouiller des données de capteurs portables pour y trouver des signaux de santé mentale. Imaginez un cuisinier expérimenté qui goûte un bouillon et repère automatiquement quels ingrédients font défaut — sans qu'on lui ait dit lesquels chercher. CoDaS fait ça avec vos pas, votre fréquence cardiaque au repos, vos heures de coucher. Sur 9 279 participants, le système a identifié 41 candidats-biomarqueurs pour la santé mentale. Le plus convaincant : la variabilité de la durée du sommeil. Pas combien vous dormez — mais à quel point vos nuits sont irrégulières d'un jour à l'autre. Cette irrégularité s'est révélée corrélée à la dépression dans deux cohortes indépendantes, DWB et GLOBEM, ce qui la rend nettement plus crédible qu'un résultat isolé. Ce qui impressionne ici, c'est autant la méthode que le résultat. CoDaS génère des hypothèses, les teste statistiquement, les soumet à une validation adversariale — c'est-à-dire qu'il cherche activement à se réfuter lui-même — puis les confronte à la littérature. Quinze experts ont évalué CoDaS à l'aveugle et lui ont donné les meilleurs scores face aux systèmes concurrents. Le hic ? On reste dans les corrélations. L'irrégularité du sommeil et la dépression s'accompagnent souvent — mais laquelle précède l'autre ? CoDaS ne répond pas à ça. Ces 41 biomarqueurs restent des candidats : aucun n'est encore validé cliniquement pour poser un diagnostic. Un vrai pas en avant dans la découverte automatisée de signaux, mais le chemin vers un outil médical est encore long.

Utiliser l'IA pour ses devoirs ou pour se confier : le cerveau ne réagit pas pareil.

Même outil, deux usages radicalement différents — et des cerveaux qui ne se ressemblent pas.

Une équipe de l'Université Heinrich Heine de Düsseldorf a scanné le cerveau de 222 étudiants et les a interrogés sur leur usage de l'IA générative. Résultat net : ce n'est pas combien vous utilisez l'IA qui compte, c'est pourquoi. Les étudiants qui utilisent l'IA pour des tâches fonctionnelles — rédiger, résumer, chercher de l'information — obtiennent de meilleures notes et présentent un volume plus important de matière grise dans le cortex préfrontal dorsolatéral, une région clé pour la planification et le raisonnement. Leur réseau hippocampique — pensez à l'hippocampe comme à votre GPS interne pour la mémoire et la navigation — montre aussi une organisation locale plus efficace. À l'inverse, les étudiants qui utilisent l'IA de façon socio-émotionnelle — pour se confier, chercher du soutien, discuter de leurs angoisses — présentent des scores plus élevés de dépression et d'anxiété sociale, et un volume réduit dans des régions liées au traitement émotionnel. Soyons honnêtes sur la limite principale. C'est une étude transversale : tout a été mesuré au même moment, sur les mêmes personnes. On ignore donc si l'usage socio-émotionnel de l'IA provoque des difficultés psychologiques — ou si des personnes déjà fragilisées se tournent naturellement vers l'IA pour un soutien émotionnel. La direction de la causalité n'est pas établie. Autre point : seulement 6,8 % des participants utilisaient fréquemment l'IA de façon socio-émotionnelle. Le signal existe, mais concerne une minorité.

Ce qui prédit la première cigarette d'un enfant de dix ans.

À neuf ans et demi, le destin d'un enfant face aux drogues est déjà en partie lisible — mais pas inévitable.

Des chercheurs ont suivi 11 868 enfants américains pendant quatre ans dans le cadre de l'étude ABCD, la plus grande étude longitudinale sur le développement cérébral de l'enfant aux États-Unis. Objectif : comprendre ce qui prédit qu'un enfant va essayer alcool, cannabis ou nicotine tôt. La question n'est pas morale — elle est épidémiologique. Au bout de quatre ans, 36,5 % avaient essayé l'alcool et près de 40 % une substance quelconque. Ce n'est pas anecdotique. L'équipe a combiné deux types de prédicteurs. D'abord, des facteurs environnementaux : l'impulsivité de l'enfant, la surveillance parentale, la consommation de caféine, le fonctionnement scolaire. Ensuite, des scores de risque génétique — pensez à ça comme à un bulletin météo qui estime votre prédisposition biologique à développer une dépendance. Dans les analyses causales, un niveau élevé de surveillance parentale réduit le risque d'initiation de 36 à 67 % selon la substance. C'est un levier concret, modifiable, qui ne coûte rien. Le résultat le plus frappant côté génétique : le score de risque lié à la dépendance à la nicotine prédit non seulement la première cigarette, mais aussi la première consommation d'alcool. Les gènes ne font pas de cases propres. Le hic important : ces scores de risque génétique sont calculés sur des populations entières. Ils ne vous disent rien de précis sur un enfant en particulier. Et l'étude est nord-américaine — les contextes culturels et familiaux varient. À ne pas jeter le bébé avec l'eau du bain : la génétique est une information parmi d'autres, pas une fatalité.

Ces trois études parlent, chacune à leur façon, du même problème : on commence à mesurer sérieusement ce qui se passe avant que les troubles s'installent. CoDaS cherche des signaux précoces dans nos poignets. L'étude de Düsseldorf regarde comment nos usages numériques quotidiens modèlent — ou révèlent — notre état mental. Et l'ABCD Study traque les précurseurs de la dépendance dès l'enfance. Ce n'est pas un hasard si ces trois travaux convergent vers la prévention plutôt que vers le traitement. La psychiatrie a longtemps attendu la crise pour intervenir. La recherche actuelle pose une question différente : peut-on voir venir ? La réponse est prudemment oui — mais avec un bémol que ces trois papiers partagent : la corrélation ne fait pas la causalité, et le signal statistique ne prédit pas le destin d'une personne. Mesurer mieux ne suffit pas. Il faut encore comprendre ce qu'on mesure, et pour qui.

Sur CoDaS, l'étape suivante est une validation clinique prospective — on attend de voir si ces biomarqueurs tiennent la route quand on les teste en conditions réelles, pas juste sur des données rétrospectives. Pour l'étude ABCD, une nouvelle vague de données (release 6.0) est attendue ; elle permettra de suivre ces enfants jusqu'à l'adolescence avancée, là où les trajectoires divergent vraiment. La question ouverte qui m'intéresse : est-ce que l'irrégularité du sommeil détectée par montre connectée prédit la rechute en dépression aussi bien que les biomarqueurs sanguins ? Personne ne l'a encore testé sérieusement.

• Site officiel de l'étude ABCD — présentation et données ouvertes
• INSERM — Dossier sur les troubles du sommeil et santé mentale
• Wikipedia — Score de risque polygénique (article de référence)