L'IA déprimée, les garde-fous qui lâchent, et vos 300 minutes

Des chercheurs ont appris à rendre une IA anxieuse, dépressive ou addicte

Et si l'anxiété, l'addiction et la dépression n'étaient pas des pannes, mais des réglages qui ont mal tourné — un curseur décalé d'un cran ?

Une équipe de chercheurs a fait quelque chose d'étrange : ils ont programmé de petits agents d'intelligence artificielle — des programmes qui apprennent par essais et erreurs, comme un joueur de jeu vidéo qui s'améliore à force de répétition — et les ont forcés à développer des comportements ressemblant à sept troubles psychiatriques reconnus : anxiété, dépression, trouble obsessionnel-compulsif, manie, impulsivité, addiction et stress post-traumatique. Comment ? En tordant légèrement le signal interne que chaque agent reçoit après chaque action — ce signal qui lui dit « tu as bien fait » ou « tu as mal fait ». Pensez à un thermostat dont vous décaleriez l'étalonnage : il ne chauffe plus à 20°C mais à 22°C, et avec le temps toute la maison suit. Ici, c'est l'équivalent du sens de l'évaluation de l'agent qui est faussé — et cela suffit. Ce qui est frappant, c'est la régularité de la chose. Les troubles n'apparaissent pas en tout-ou-rien : plus on tord le signal, plus le comportement ressemble au trouble — une relation dose-réponse nette, dans 10 graines expérimentales différentes. Et les sept troubles se sont spontanément organisés en deux dimensions : axe « attrait de la récompense » et axe « fuite des menaces ». Manie et anxiété se retrouvent aux deux extrémités opposées d'un même curseur. Pourquoi ça compte ? Ce modèle propose une façon de tester des interventions thérapeutiques sur des agents IA avant de les proposer à des humains — une sorte de souris virtuelle pour la psychiatrie computationnelle. Les chercheurs ont montré que retirer le signal tordu « guérit » certains troubles (manie, addiction), mais pas les troubles d'évitement comme l'anxiété et le PTSD, qui nécessitent une exposition progressive simulée — ce qui ressemble furieusement à la thérapie comportementale. Le hic : ces agents vivent dans des grilles en deux dimensions, sans corps, sans histoire, sans insomnie à 3h du matin. La distance entre ce modèle formel et la clinique réelle reste immense. C'est un outil conceptuel, pas un diagnostic — et ses auteurs le disent clairement.

Les grands modèles d'IA échouent à protéger les gens en dépression ou en crise alimentaire

Les garde-fous des IA résistent pour une seule chose : le risque suicidaire. Pour la dépression sévère et les troubles alimentaires, le taux d'échec peut atteindre 100 %.

Une équipe de chercheurs a soumis huit grands modèles de langage — dont des versions de GPT, Claude et Gemini — à des conversations simulant 16 troubles psychiatriques reconnus par le DSM-5 : dépression, troubles alimentaires, addiction, PTSD, et d'autres. Ils ont utilisé quatre techniques d'approche différentes : demande directe, intention cachée, cadrage journalistique (« je fais un reportage »), et enrobage de fiction (« écris une scène où le personnage... »). Résultat : les barrières tiennent pour une seule catégorie. Suicidalité et automutilation — les modèles résistent bien. Pour tout le reste, les garde-fous tombent. Troubles alimentaires, addiction, dépression majeure : un interlocuteur patient qui reformule sa demande en fiction ou en journalisme obtient des réponses qui pourraient nuire à une personne fragile. Taux d'échec jusqu'à 100 % selon le modèle et la condition. L'image qui s'impose : un vigile d'hôpital formé à reconnaître un seul type de menace. Passez la porte avec autre chose, il vous laisse entrer souriant. Pourquoi ça compte maintenant ? Parce qu'une autre étude parue cette semaine — sur 187 000 conversations ChatGPT réelles — montre que les personnes ayant des scores élevés de dépression utilisent ces outils plus que les autres, plus tard le soir, et pour des sujets plus intimes. La collision entre ces deux constats est inconfortable. Le hic : l'évaluation des réponses nuisibles est elle-même faite par un modèle IA (Llama 3.3 70B), ce qui introduit ses propres angles morts. Et « échouer à un garde-fou » ne prouve pas qu'un préjudice direct s'ensuit — la chaîne causale entre une réponse d'IA et un comportement humain reste difficile à établir. Mais l'étude pose la bonne question, et la réponse ne s'améliore pas d'une année à l'autre.

Dépression et rythme de vie : les seuils concrets que 15 000 personnes révèlent

300 minutes d'exercice par semaine, une sieste de 65 minutes, 6 heures de sommeil nocturne : une étude sur 15 000 personnes met des chiffres sur des intuitions qu'on avait sans les avoir vérifiées.

Des chercheurs ont analysé les données comportementales de 15 233 adultes chinois de plus de 45 ans — sommeil nocturne, sieste, activité physique, vie sociale — issues de la cohorte CHARLS, une grande enquête nationale. Ils ont compressé l'ensemble de ces mesures en un score unique appelé « score de rythme circadien » (CRS), conçu pour capturer la régularité des cycles du corps sur vingt-quatre heures. Le score seul atteint une précision de détection de la dépression mesurée en AUC — un indicateur statistique qui va de 0,5 (aléatoire) à 1 (parfait) — de 0,83 chez les 70-79 ans. Pour un outil basé sur des comportements déclarés, c'est solide. Mais ce que j'ai trouvé plus utile encore, c'est ce que l'analyse a révélé en chemin, via une méthode appelée SHAP qui permet de voir quelles variables font le plus basculer le score. Imaginez une recette : chaque ingrédient a une quantité optimale, et en mettre trop ou pas assez gâche l'ensemble. Ici, les chercheurs ont identifié trois seuils pratiques. Premièrement, l'exercice physique : en dessous d'environ 300 MET-minutes par semaine — ce qui correspond grossièrement à 60 minutes de marche rapide — la protection contre la dépression s'effrite progressivement. Deuxièmement, la sieste : le bénéfice maximal pour un adulte en manque de sommeil se situe autour de 65 minutes. Troisièmement, la durée de sommeil nocturne : une fenêtre protectrice d'environ 6 heures, avec une courbe en cloche — trop peu comme trop beaucoup augmente le risque. Le hic — et c'est important : toutes ces données sont déclaratives, l'étude est transversale (on ne suit pas les gens dans le temps, donc on ne peut pas parler de causalité), et la cohorte est composée d'adultes chinois de plus de 45 ans. Les seuils pourraient être différents pour un étudiant parisien de 22 ans. À prendre comme une piste sérieuse, pas comme une ordonnance.

Ces trois études se passent dans des endroits très différents — un labo d'IA, un serveur de test de sécurité, une cohorte d'adultes — mais elles racontent quelque chose de cohérent : la psychiatrie cherche de nouveaux langages. Un langage computationnel qui modélise les troubles comme des curseurs déréglés plutôt que des états figés. Un langage de sécurité numérique qui mesure où les protections s'effondrent dans les outils que des millions de personnes utilisent déjà. Un langage comportemental qui donne des seuils concrets sur ce que le corps fait ou ne fait pas. Ce qui me frappe, c'est la convergence des deux premières histoires vers une même idée : les troubles mentaux seraient moins des pannes que des dynamiques déréglées — des gradients, des doses. Si c'est vrai, ça change ce qu'on cherche en traitement. Pas « éteindre » un symptôme, mais « recalibrer » un système. La troisième histoire, elle, rappelle que le corps reste l'outil le plus accessible — et que 60 minutes de marche par semaine tient encore mieux la route que beaucoup de promesses algorithmiques.

Deux choses à surveiller dans les prochaines semaines. D'abord, la mise en œuvre de l'AI Act européen sur les systèmes à risque — qui devrait préciser les obligations des plateformes grand public en matière de santé mentale, directement dans le sillage des résultats sur les garde-fous défaillants. Ensuite, la question que j'aimerais voir traitée : est-ce que les seuils circadiens identifiés sur cette cohorte chinoise de 45 ans et plus se confirment dans un essai randomisé contrôlé sur d'autres populations — et notamment des jeunes adultes, qui sont pourtant la population la plus exposée ?

• INSERM — Dossier complet sur la dépression
• Wikipedia FR — Rythme circadien
• Wikipedia FR — Apprentissage par renforcement