L'IA lit votre dépression dans la voix, le texte, le cerveau — mais…

Détecter la dépression dans la voix sans révéler votre genre

Votre façon de parler trahit votre humeur — mais aussi votre genre, votre âge, et tout ce que vous préféreriez garder pour vous.

Des chercheurs ont développé un système baptisé InfoShield pour résoudre un paradoxe embarrassant : analyser la voix pour détecter une dépression, c'est potentiellement utile ; mais cette même voix révèle le genre de la personne avec 92,6 % de précision, et son âge avec 55,7 %. Autrement dit, vous confiez un signal médical et livrez en prime une carte d'identité. Pensez à un filtre à café. Vous voulez garder l'arôme — les marqueurs vocaux de dépression — et retenir les résidus — les informations démographiques. InfoShield fait ça par des mathématiques : il minimise la quantité d'information partagée entre le signal vocal et les attributs sensibles, tout en préservant ce qui permet de repérer une dépression. Résultat : la précision d'inférence du genre tombe de 92,6 % à 55,5 % — à peine au-dessus du hasard. L'âge passe de 55,7 % à 30,3 %. Et la classification de la dépression ? Elle s'améliore légèrement, avec un score F1 — une mesure équilibrée de précision et de rappel, sur une échelle de 0 à 1 — de 0,784 contre 0,723 pour les méthodes précédentes. Le hic : InfoShield n'a été testé que sur un seul jeu de données, l'Androids Corpus, dans un contexte de recherche contrôlé. On ne sait pas encore si ça tient avec d'autres langues, d'autres accents, ou dans les conditions d'un vrai enregistrement téléphonique dans une pièce bruyante. C'est une preuve de concept solide et honnête — pas encore un outil déployable. Mais la question posée est exactement la bonne.

Les LLM dépistent la dépression — et se trompent plus souvent chez les femmes

Donnez à un grand modèle de langage la transcription d'un entretien clinique et demandez-lui de diagnostiquer une dépression : il s'en sort… à peu près.

Une équipe de chercheurs aux États-Unis a soumis cinq modèles de langage — GPT-4.1 Mini, GPT-5 Mini, GPT-4o Mini, LLaMA 3, DeepSeek — à un exercice de dépistage psychiatrique. En entrée : 555 entretiens semi-structurés de patients réels, avec des diagnostics certifiés comme référence (dépression, anxiété, PTSD). La question posée aux modèles : présence de trouble — oui ou non ? La précision varie de 0,49 à 0,86 selon le modèle et le trouble. Pour vous donner une boussole : GPT-4.1 Mini et GPT-5 Mini s'en sortent le mieux. Mais le MCC — le Matthews Correlation Coefficient, une mesure plus robuste que la simple précision car elle pénalise les erreurs symétriquement — se situe entre 0,16 et 0,38. Zéro, c'est aléatoire. Un, c'est parfait. On est donc clairement au-dessus du hasard, mais loin d'un clinicien humain. Deux observations frappent. Première : les modèles détectent la dépression plus précisément chez les hommes que chez les femmes. Probablement parce qu'ils ont été nourris d'une littérature clinique qui elle-même reproduit ce biais. Deuxième : quand une personne mentionne des ressources — famille présente, emploi stable, bon entourage — le modèle a tendance à ignorer les symptômes réels. Comme si « vous semblez vous en sortir » effaçait la souffrance. Le hic honnête : l'étude travaille sur des transcriptions écrites dans un contexte de recherche. La clinique réelle est bien plus bruyante. Et les modèles évolueront vite — ces chiffres pourraient être dépassés dans six mois. C'est utile de les connaître aujourd'hui quand même.

Les IA qui lisent le cerveau vous reconnaissent, pas votre maladie

Un modèle d'IA censé détecter la dépression dans vos ondes cérébrales obtient 90 % de précision — sauf que ce qu'il reconnaît, c'est vous, pas votre maladie.

Des chercheurs ont conduit un audit systématique — ils appellent leur outil FMScope — sur trois grands modèles entraînés sur des signaux EEG, les enregistrements des ondes électriques du cerveau : LaBraM, CBraMod, et REVE. Leur question : qu'est-ce que ces modèles ont vraiment appris ? Imaginez un sommelier qui prétend évaluer la qualité d'un vin à l'aveugle, mais qui en réalité reconnaît le vigneron à la forme de la bouteille. C'est le piège identitaire que ces chercheurs ont mis en évidence : dans tous les cas testés — douze combinaisons modèle-jeu de données — la variation entre individus est 13 à 89 fois supérieure à un niveau aléatoire de référence. Ces modèles « connaissent » votre cerveau à vous, bien mieux qu'ils ne connaissent votre état clinique. Pire : quand on affine le modèle sur une tâche clinique spécifique, la reconnaissance de l'identité augmente encore de 10 à 63 points de pourcentage. Le modèle apprend à vous reconnaître encore mieux, pas à mieux détecter la dépression. Mais la correction est possible. Les chercheurs montrent que si on efface mathématiquement cet « axe d'identité » — une sorte de couche parasite dans la représentation apprise — la classification clinique s'améliore de 6 à 27 points de pourcentage selon les jeux de données. Le hic : ce travail est un diagnostic, pas une cure. Il révèle que beaucoup d'études publiées avec des précisions impressionnantes (jusqu'à 90 %) ne séparaient pas correctement les participants entre entraînement et test. Ces chiffres sont probablement gonflés. Soyons honnêtes — c'est inconfortable à entendre, mais c'est exactement ce genre d'audit dont le domaine a besoin.

Ces trois papiers racontent la même histoire sous trois angles. Nous construisons des outils pour détecter la souffrance mentale dans des signaux que nous produisons sans y penser — notre voix, nos mots, nos ondes cérébrales. Et nous découvrons, à chaque fois, que ces signaux contiennent bien plus que ce que nous cherchions. La voix révèle l'identité démographique. Le modèle de langage reflète les biais du corpus clinique qui l'a nourri. L'IA d'EEG reconnaît la personne plutôt que la maladie. Ce n'est pas une raison de jeter le bébé avec l'eau du bain — les corrélations entre ces signaux et la santé mentale sont réelles et mesurables. Mais chaque outil utile porte en lui un risque de discrimination ou d'illusion de précision. Ce qui me frappe dans la recherche de ce moment, c'est qu'elle s'audite elle-même. InfoShield, l'étude sur les LLM, FMScope — ce sont des travaux de vérification et de correction, pas de surenchère. C'est un signe de maturité. Le domaine ne fait pas semblant que tout va bien.

Sur le front des LLMs psychiatriques, il faudra surveiller si des études de réplication avec des cliniciens humains comme ligne de base émergent — c'est le vrai test manquant. Pour les modèles EEG, la question ouverte est de savoir si les benchmarks publics seront révisés à la lumière du piège identitaire — ou si la communauté fera comme si de rien n'était. Et sur InfoShield, la vraie épreuve sera une évaluation multilingue : le français, l'arabe, le mandarin n'ont pas les mêmes corrélats vocaux de dépression.

• ArXiv — InfoShield : protection de la vie privée dans l'analyse vocale
• ArXiv — Le piège identitaire dans les modèles EEG
• ArXiv — Biais des LLMs dans le dépistage psychiatrique