Votre voix, votre téléphone, vos mots : l'IA vous écoute.

Votre voix tremble légèrement — et ça en dit long sur votre santé mentale.

Votre moteur tousse — un mécanicien l'entend avant que vous ne le sentiez. La voix humaine fonctionne pareil.

Une équipe de chercheurs a analysé des enregistrements audio et des transcriptions d'entretiens pour chercher des traces acoustiques et linguistiques liées à la dépression, à l'anxiété et au TDAH. Deux types de signaux étaient à la loupe. D'abord, la texture de la voix : le jitter (de petites irrégularités dans la hauteur du son, comme un imperceptible tremblement) et le shimmer (des micro-variations dans le volume). Ensuite, les mots eux-mêmes — leur diversité, leur structure syntaxique, leur tonalité émotionnelle. Résultat : ces marqueurs vocaux montrent des associations stables avec la sévérité des symptômes, sur cinq jeux de données différents, dont un ensemble de données cliniques réelles. Le modèle utilisé — XGBoost avec SHAP pour l'explication des décisions — est conçu pour être lisible : on peut voir quelles caractéristiques ont pesé dans la prédiction. Dans un domaine où les boîtes noires posent problème, c'est un choix assumé. Pourquoi ça compte ? Parce qu'une analyse vocale de routine pourrait un jour s'intégrer dans un rendez-vous médical ordinaire, sans questionnaire supplémentaire. Votre voix dirait ce que vous n'avez pas les mots — ou le temps — de formuler. Le hic : « association » n'est pas « diagnostic ». Les mêmes irrégularités vocales peuvent venir de la fatigue, d'un rhume, ou d'une mauvaise nuit. Aucun de ces marqueurs ne fonctionne comme un test sanguin. Et les chercheurs ne rapportent pas les métriques de performance précises dans la version du texte disponible — on sait que ça marche dans leurs données, pas encore à quel point. La prochaine étape indispensable, c'est la validation prospective : tester ces marqueurs sur des patients avant qu'un clinicien ait posé son diagnostic.

L'IA rate le diagnostic quand vous avez l'air de vous en sortir.

Vous décrivez tous les symptômes d'un trouble anxieux — mais vous ajoutez que vos amis vous soutiennent. L'IA vous renvoie chez vous.

Une équipe a soumis 555 entretiens psychiatriques semi-structurés à cinq grands modèles de langage — dont GPT-4.1 Mini et GPT-5 Mini — avec une mission simple : détecter la présence de dépression, de trouble anxieux, ou de PTSD. Chaque entretien était associé à un diagnostic établi via SCID, le protocole clinique de référence. Les résultats globaux sont variables : la précision va de 0,49 à 0,86 selon les modèles et les troubles, avec des coefficients de corrélation de Matthews entre 0,16 et 0,38. Je simplifie, mais disons que c'est souvent modeste. Ce qui est vraiment frappant, c'est la nature des erreurs. Dans de nombreux faux négatifs pour l'anxiété et le PTSD — des cas manqués, donc — les symptômes étaient pourtant explicitement présents dans les transcriptions. Mais les modèles les ont sous-pondérés quand les patients évoquaient aussi des ressources : un réseau social solide, une capacité à faire face, une vie fonctionnelle. L'IA a fait ce que font parfois les soignants : elle s'est rassurée de voir quelqu'un debout. Autre résultat qui mérite attention : la précision de détection de la dépression est meilleure pour les hommes que pour les femmes dans les données analysées. Ce n'est pas un artefact marginal — c'est un biais de système. Le hic : ces modèles ne remplacent pas un clinicien — personne ne le prétend. Mais si on les déploie en pré-screening à grande échelle, il vaut mieux savoir qu'ils risquent de rater précisément les personnes qui ont l'air de tenir.

Un algorithme lit les données de votre téléphone et prédit votre dépression — même sans vous connaître.

Votre téléphone sait que vous dormez moins, bougez moins, regardez votre écran à 2h du matin — mais comment transformer ces chiffres en quelque chose d'utile pour un autre pays, un autre hôpital, une autre étude ?

C'est le vrai défi du domaine : entraîner un modèle sur une cohorte d'étudiants américains, et espérer qu'il fonctionne sur des patients japonais suivis par un autre protocole. La généralisation entre populations, ça ne va pas de soi. TimeSRL, développé par une équipe de chercheurs, propose une approche en deux étapes. D'abord, les données brutes des capteurs passifs du téléphone — mouvement, luminosité ambiante, durée de sommeil — sont traduites en résumés en langage naturel : « cette semaine, le participant a montré une réduction d'activité physique et une augmentation de l'usage nocturne de l'écran. » Ensuite, un grand modèle de langage prédit des scores de dépression et d'anxiété à partir de ces descriptions, pas directement à partir des chiffres. L'analogie : c'est comme traduire une recette en français avant de la cuisiner dans une autre cuisine. En passant par les mots, le modèle transfère ce qu'il a appris d'une étude à une autre, même si les téléphones et les protocoles étaient différents. Les résultats sont sérieux. Sur un protocole de validation rigoureux — chaque dataset est utilisé comme test pendant que le modèle est entraîné sur tous les autres — l'erreur absolue moyenne pour la dépression est réduite de 27 à 57 % par rapport aux autres approches basées sur des LLMs, et de 3 à 10 % par rapport aux meilleures méthodes classiques d'apprentissage automatique. Toutes les comparaisons sont significatives (p < 0,001). Le hic : toutes ces études restent dans des cohortes contrôlées. La vraie vie, c'est des téléphones différents, des gens qui désactivent le Bluetooth, des semaines qui ne ressemblent à rien. La validation en conditions réelles, c'est la prochaine marche.

Trois papiers, trois angles, un même mouvement de fond : la recherche en santé mentale cherche des signaux ailleurs que dans vos réponses à un questionnaire. La voix, les capteurs du téléphone, les transcriptions d'entretiens — tout devient matière à analyse. Ce qui est encourageant, c'est que ces approches commencent à tenir leurs promesses sur des benchmarks sérieux. Ce qui est utile, c'est que le papier sur le screening LLM vient tempérer l'enthousiasme : un algorithme performant en moyenne peut rater systématiquement les personnes qui ont l'air de bien aller — et c'est précisément celles qu'on voudrait attraper tôt. Le vrai enjeu collectif, c'est le fossé entre le labo et la clinique. Aucun de ces trois papiers ne valide ses résultats en conditions réelles, sur des patients qui ne savent pas qu'ils participent à une étude. C'est la prochaine marche — et elle est haute.

Le biais de genre identifié dans le paper sur le screening LLM — meilleure précision pour les hommes que pour les femmes dans la détection de la dépression — mérite un suivi. C'est le genre de résultat qu'on aimerait voir répliqué, ou contredit, rapidement. Plus généralement, la question ouverte des prochaines semaines est celle-ci : quand verra-t-on des essais cliniques prospectifs sur ces biomarqueurs vocaux et comportementaux, avec des cliniciens en aveugle ? Sans ça, on accumule des corrélations sans savoir si elles changent quoi que ce soit à la prise en charge réelle.

• Wikipedia — Dépression (psychiatrie), vue d'ensemble solide en français
• Wikipedia — Voice analysis, contexte technique en anglais
• Wikipedia — Federated learning, pour comprendre l'enjeu de confidentialité des données médicales