Peut-on induire la dépression dans une IA ?

Des chercheurs ont provoqué sept troubles psy dans un agent IA

Imaginez qu'on puisse donner l'anxiété à un robot — et observer exactement quel réglage l'a déclenchée.

Une équipe de chercheurs a réussi à induire sept troubles psychiatriques — anxiété, dépression, TOC, manie, addiction, impulsivité, PTSD — dans des agents d'apprentissage par renforcement, en tournant un seul curseur à la fois. Voici comment. Ces agents apprennent à se déplacer dans un environnement simplifié, un peu comme dans un vieux jeu vidéo en vue du dessus. Chaque agent reçoit un signal de récompense qui guide ses décisions. Les chercheurs ont distordu ce signal de façon ciblée : exagérer la peur de la punition, gonfler l'anticipation du gain, altérer la mémoire des événements passés. Résultat : des comportements reconnaissables. L'agent anxieux évite le risque à l'excès. L'agent déprimé ne cherche plus les récompenses. L'agent TOC vérifie en boucle. Ce qui est frappant, c'est la logique de dose-réponse : plus on tourne le curseur, plus le trouble est marqué — et ce résultat tient sur plus de 1 000 expériences avec des intervalles de confiance rigoureux. Autre surprise : manie et anxiété occupent des positions symétriques dans l'espace comportemental de l'agent, comme si elles partageaient une mécanique sous-jacente commune, simplement inversée. Le hic — et il est de taille. Ces agents se déplacent dans un carré de 7×7 cases. Ce n'est pas un cerveau, et il serait franchement dangereux de lire ces résultats comme une explication de la dépression humaine. Ce que ça ouvre, c'est une façon de tester des hypothèses computationnelles dans un environnement contrôlé avant d'aller vers des patients. Un vrai pas de méthode. Pas encore un pas vers la clinique.

187 000 conversations ChatGPT révèlent les traces numériques de la dépression

Que font les personnes déprimées sur ChatGPT à 2h du matin — et est-ce que ça se voit dans les données ?

766 personnes recrutées via la plateforme Prolific (États-Unis, Royaume-Uni, Canada) ont accepté de partager l'intégralité de leur historique ChatGPT avec des chercheurs — soit près de 187 000 conversations. Chacune a aussi rempli le PHQ-8, un questionnaire clinique standard pour évaluer les symptômes dépressifs. L'idée : comparer les habitudes d'usage entre ceux qui présentent des symptômes significatifs et ceux qui n'en présentent pas. Les résultats sont nets. Les utilisateurs avec un score de dépression élevé (PHQ ≥ 10) recourent significativement plus souvent à ChatGPT pour des conversations sur la santé mentale, la solitude, ou la recherche de soutien émotionnel. Ils se connectent davantage la nuit. Leur langage contient plus de pronoms à la première personne — « je », « moi » — et plus de formulations absolues du type « jamais », « toujours », « personne ». Ce profil linguistique ressemble à ce qu'on observe dans d'autres contextes cliniques. Mais voici le hic, et il est central. Prédire la dépression d'un individu à partir de son historique ChatGPT ne fonctionne pas encore bien : la performance du meilleur modèle de prédiction atteint un AUROC de 0,59 — à peine au-dessus du hasard pur (0,50). Inutilisable en clinique. Deuxième point troublant : ChatGPT ne redirige pas plus souvent vers des professionnels de santé les utilisateurs qui en auraient le plus besoin. Le chatbot ne fait pas la distinction. Ce papier ne dit pas que ChatGPT est dangereux. Il dit qu'on n'en sait pas encore assez — et que la question mérite d'être posée sérieusement.

Un score unique de rythme de vie prédit la dépression aussi bien que dix mesures séparées

Et si quatre habitudes du quotidien — sommeil, sieste, sport, vie sociale — se condensaient en un seul chiffre pour prédire votre risque de dépression ?

Une équipe a analysé les données de 15 233 adultes chinois de plus de 45 ans, issues d'une grande étude longitudinale nationale (CHARLS). Objectif : construire un score unique — le Circadian Rhythm Score, ou CRS — qui condense en un seul indicateur quatre dimensions comportementales : durée du sommeil nocturne, sieste, activité physique et activité sociale. Pensez à un smoothie. Vous avez quatre ingrédients. La question n'est pas de savoir si chacun est bon isolément, mais quelle proportion donne le meilleur résultat pour l'objectif visé. L'algorithme cherche exactement ça : la combinaison optimale qui prédit le mieux la présence d'une dépression, en s'assurant que chaque ingrédient joue dans le bon sens (plus de sport améliore le score, pas l'inverse). Résultat : ce score unique prédit la dépression presque aussi bien que l'ensemble des indicateurs séparés, avec une performance de classification (AUC) de 0,82 à 0,83 selon les tranches d'âge. L'analyse identifie aussi des seuils concrets et parlants : environ 300 minutes d'équivalent-marche par semaine comme dose minimale d'exercice, 65 minutes de sieste comme durée optimale pour les personnes en déficit de sommeil, 6 heures comme fenêtre protectrice de sommeil nocturne. Le hic — important. Cette étude est observationnelle : elle montre des associations, pas des causes. Dormir 6 heures ne protège pas forcément de la dépression ; peut-être que les personnes déjà déprimées dorment différemment. L'échantillon est uniquement chinois et senior, ce qui limite la généralisation. Ces seuils sont des pistes intéressantes, pas des prescriptions médicales.

Ces trois papiers ne parlent pas exactement du même sujet, et pourtant ils tirent dans la même direction. La recherche en santé mentale apprend à modéliser ce qu'elle ne peut pas encore guérir. Les agents RL avec troubles psychiatriques, c'est la tentative de mettre en équation quelque chose d'aussi flou que l'anxiété ou la dépression — non pas pour remplacer la clinique, mais pour y réfléchir autrement. Le travail sur les historiques ChatGPT, c'est l'observation de ce que les gens font quand ils n'ont personne d'autre à qui parler à 2h du matin. Et le score circadien, c'est la conversion de nos habitudes les plus ordinaires en signal prédictif. Ce qui manque encore partout, c'est le passage à l'intervention. On décrit, on prédit, on modélise. Mais transformer ces signaux en soins — accessibles, équitables, validés — reste un chantier entier. Soyons honnêtes : on en est encore loin. Ces papiers avancent la compréhension. Pas encore la solution.

À surveiller dans les semaines qui viennent : l'essai clinique sur la luminothérapie transcranienne testé sur des étudiants insomniaques (arxiv:2606.24668v1) mérite un suivi — les effets à long terme ne sont pas encore publiés. Plus généralement, la question ouverte qui m'intéresse : quand un de ces modèles de détection sera-t-il testé en conditions réelles, avec de vrais patients et de vrais cliniciens dans la boucle — pas seulement sur des datasets académiques ?

• Wikipédia — Rythme circadien (bien fait, en français)
• Wikipédia — Dépression (psychiatrie)
• Wikipédia — Apprentissage par renforcement