Votre montre sait, l'IA se trompe, et personne ne s'en rend compte.

Une IA fouille vos données de montre connectée pour détecter la dépression.

Votre montre connectée sait peut-être que vous allez mal avant que vous le réalisiez vous-même.

C'est l'hypothèse derrière CoDaS, un système d'IA développé pour analyser les données de capteurs portables de près de 9 300 personnes et y chercher des signaux numériques de dépression. L'idée centrale est simple. Au lieu d'un questionnaire ou d'un médecin, on laisse un agent automatisé fouiller les données de votre bracelet — pas pour détecter un événement isolé, mais pour repérer des irrégularités de rythme. Pensez à la météo : ce n'est pas une seule journée de pluie qui inquiète les prévisionnistes, c'est quand les jours de pluie deviennent imprévisibles, sans patron clair. CoDaS a trouvé que la variabilité de la durée de sommeil — les soirs où vous dormez huit heures, suivis de nuits à quatre heures, sans raison apparente — est associée à la dépression dans deux cohortes indépendantes. Des corrélations modestes mais statistiquement solides : ρ=0,252 et ρ=0,126 respectivement. Le système fonctionne en plusieurs phases : il génère des hypothèses, les teste statistiquement, joue l'avocat du diable contre ses propres résultats, puis synthétise tout dans un rapport. Évalué par quinze experts humains à l'aveugle, CoDaS a obtenu les meilleures notes parmi tous les systèmes comparés. Le hic ? Une corrélation n'est pas une cause. Dormir irrégulièrement peut précéder la dépression, l'accompagner, ou simplement coïncider avec elle. Et l'amélioration de prédiction que CoDaS apporte reste modeste : un gain de ΔR²=0,04 sur une dépression déjà partiellement prédite par d'autres variables. C'est un vrai signal. Ce n'est pas un diagnostic.

Un algorithme détecte la dépression en écoutant le chercheur, pas le patient.

Imaginez un examen où l'IA corrige les copies en lisant uniquement les questions du professeur — et obtient quand même 98 % de bonnes réponses.

C'est exactement ce qu'une équipe de chercheurs a découvert dans les outils automatiques de détection de la dépression. Dans les entretiens cliniques standardisés utilisés pour entraîner ces modèles, l'interviewer suit un script fixe : mêmes questions, même ordre, mêmes positions dans la conversation. L'équipe a eu l'idée simple mais dérangeante de n'entraîner les modèles d'IA que sur les tours de parole de l'interviewer — et non du patient. Résultat sur le dataset ANDROIDS : un score de 0,98 sur 1. Contre 0,79 quand on donne au modèle les réponses du patient. L'IA a appris à reconnaître les patients dépressifs à partir du comportement du chercheur qui les interrogeait. Le problème est structurel. L'interviewer adapte — consciemment ou non — son rythme, ses relances, sa façon de rebondir à l'état de la personne en face. L'IA n'a pas appris à détecter la dépression. Elle a appris à détecter comment un humain entraîné se comporte face à quelqu'un de dépressif. C'est un biais qui traverse trois datasets distincts (anglais nord-américain et italien) et deux architectures de modèles différentes. Le hic : l'effet n'est pas uniforme. Sur le dataset E-DAIC, le modèle entraîné sur l'interviewer fait légèrement moins bien que celui entraîné sur le patient. Ce n'est pas une loi universelle. Mais la leçon reste entière : avant de déployer un outil de détection automatique de la dépression, demandez-vous ce que votre modèle a vraiment appris à reconnaître.

Les IA qui jouent des patients psychiatriques sonnent juste — mais mentent sur les chiffres.

Les grands modèles de langage sont de très bons acteurs — mais de mauvais statisticiens.

C'est ce que révèle PsychBench, un audit mené par une équipe de chercheurs qui ont demandé à quatre IA — GPT-4o-mini, DeepSeek-V3, Gemini-3-Flash, GLM-4.7 — de simuler 28 800 profils de patients psychiatriques, puis ont comparé ces profils aux données de population réelles américaines. Prenez un photographe qui reproduit chaque portrait à la perfection, mais qui, sur l'ensemble d'un album de famille, efface systématiquement tous les grands-parents et tous les bébés. Chaque photo est convaincante. L'album, lui, ment. C'est ce que font ces LLMs — grands modèles de langage — avec la maladie mentale : chaque patient simulé est cliniquement cohérent (zéro violation de critères diagnostiques sur 28 714 cas évalués), mais la distribution globale est aplatie. DeepSeek-V3 compresse la variance jusqu'à 62 % : les cas très légers et très sévères disparaissent, tout le monde converge vers un profil moyen. Plus troublant encore : 36,66 % des patients simulés changent de catégorie diagnostique entre deux passages du même test — alors que les corrélations entre les deux passages restent supérieures à 0,90. La simulation semble stable en surface. Elle est instable en profondeur. Le hic est double. D'abord, ces LLMs servent souvent à générer des données d'entraînement ou des patients de synthèse pour tester des outils cliniques — si les données sont biaisées, les outils le seront aussi. Ensuite, les biais suivent des lignes démographiques concrètes : les personnes transgenres, par exemple, sont dramatiquement sous-représentées dans les scores de détresse simulés. Ce n'est pas un détail technique. C'est une erreur qui a des conséquences.

Voilà ce que ces trois papiers disent ensemble : nous construisons une infrastructure de mesure automatique de la dépression — capteurs, modèles de langage, entretiens codifiés — avant d'avoir résolu les questions de base sur ce que ces outils mesurent vraiment. CoDaS trouve de vrais signaux dans vos données de sommeil. C'est encourageant. Mais le papier sur les biais d'interviewer nous rappelle que les données sur lesquelles on entraîne ces systèmes sont truffées de raccourcis cachés. Et PsychBench montre que quand on essaie de compenser le manque de données réelles avec des données synthétiques générées par des LLMs, on introduit des biais de population qui ne se voient pas au premier coup d'œil. Soyons honnêtes : ce n'est pas une raison de jeter le bébé avec l'eau du bain. Ces limitations sont identifiées, documentées, publiées. C'est exactement ce que la science est censée faire. Mais si quelqu'un vous présente un outil de dépistage automatique de la dépression comme une solution prête à l'emploi, posez-lui ces trois questions : sur quoi a-t-il été entraîné, qui a vérifié les biais, et à quelle population se compare-t-il ?

Le vrai test pour CoDaS sera de voir si ces biomarqueurs de sommeil tiennent dans un cadre prospectif — c'est-à-dire si la variabilité de sommeil prédit une dépression future et pas seulement une dépression déjà présente. Sur le front des LLMs en psychiatrie, attendez-vous à voir d'autres audits du type PsychBench sur des modèles non anglophones : le problème de représentation démographique pourrait être encore plus prononcé hors du contexte américain.

• INSERM — Dossier Depression
• Wikipedia — Biomarqueur numérique