L'IA lit vos conversations et prend votre température émotionnelle

Une IA estime votre niveau de dépression en lisant vos conversations

Imaginez que votre appli de santé mentale connaisse votre score de dépression — sans jamais vous avoir posé la question directement.

C'est exactement ce qu'une équipe d'Ash AI a tenté de faire avec un grand modèle de langage. Concrètement, les chercheurs ont pris Qwen3.5-27B — un modèle d'IA très large, comparable à ce qui fait tourner des assistants vocaux avancés — et ils l'ont entraîné à prédire le score PHQ-9 d'un utilisateur à partir des transcriptions de ses conversations avec une appli de soutien psychologique. Le PHQ-9, c'est le questionnaire standard en clinique pour mesurer la sévérité de la dépression : neuf questions, score de 0 à 27. L'IA ne pose pas ces questions. Elle les déduit de ce que vous avez dit. Résultat sur 842 utilisateurs réels : une corrélation de 0,80 entre le score prédit et le score réel, et un AUC de 0,91 pour repérer les personnes au-dessus du seuil clinique. Pour vous donner un repère, 0,91 c'est ce qu'on appelle « excellent » dans les outils de dépistage médical — nettement au-dessus des modèles précédents sur des jeux de données comparables. Un détail sur la méthode qui mérite attention : les chercheurs n'avaient que 3 111 vrais scores PHQ-9 annotés. Pas assez pour entraîner un aussi grand modèle. Ils ont utilisé Claude Opus pour générer des « pseudo-étiquettes » supplémentaires et doubler la taille de leur dataset. C'est une technique valide — mais elle introduit une dépendance à un autre modèle, dont les erreurs se propagent. Le hic, et il est important : tout cela a été testé sur les utilisateurs d'une seule plateforme commerciale américaine. On ne sait pas si le modèle tiendrait sur des populations différentes, d'autres langues, ou des contextes cliniques plus complexes. C'est un résultat prometteur. Ce n'est pas encore un outil validé pour la clinique.

Une montre connectée aide des vétérans à gérer leur PTSD pendant un raid cycliste

Treize vétérans, des centaines de kilomètres à vélo, et une montre qui essaie de détecter les crises d'anxiété en temps réel — voilà l'essai clinique le plus humain que j'ai lu ce mois-ci.

Pendant l'événement Project Hero — un raid cycliste longue distance réservé aux vétérans américains — treize participants ont accepté de jouer le rôle de cobayes. Certains portaient un smartwatch standard. D'autres portaient le même appareil, connecté cette fois à un système d'alerte en temps réel conçu pour repérer les épisodes d'hyperéveil — ce moment où le système nerveux s'emballe brusquement, caractéristique du PTSD. L'hyperéveil, c'est comme un détecteur d'incendie hypersensible : le cerveau interprète des signaux neutres comme des menaces imminentes. La montre combinait rythme cardiaque et données de mouvement pour détecter ces épisodes et alerter l'utilisateur sur le moment, lui permettant d'intervenir consciemment. L'équipe a suivi l'évolution des symptômes semaine après semaine avec des questionnaires validés (GAD-7, PHQ-8, PCL-5) et des modèles statistiques adaptés aux trajectoires non linéaires. Résultat : le groupe avec intervention numérique a stabilisé ses symptômes d'hyperéveil sur la durée, alors que le groupe cyclisme seul a connu une escalade en fin d'étude. Les deux groupes ont amélioré leurs symptômes pendant l'événement lui-même — ce qui confirme que l'effort physique intense aide. Mais c'est après que les trajectoires divergent. Soyons honnêtes sur les limites. Ce pilote comptait 13 participants randomisés, dont seulement 7 dans le groupe intervention. C'est minuscule. Certains ont trouvé les alertes peu précises. Et beaucoup auraient voulu plus de soutien après l'alerte — ce que le système ne proposait pas encore. Ce qu'on retient : c'est faisable, certains signaux positifs sont là, et l'essai à grande échelle mérite d'être fait. Un petit pas — mais un vrai.

Pourquoi l'IA complexe perd souvent contre la statistique simple en médecine

Si vous vous êtes déjà demandé pourquoi les réseaux de neurones ne « révolutionnent » pas encore le diagnostic médical, voici la réponse mathématique — et elle est inconfortable.

Une équipe a développé un cadre théorique rigoureux, vérifié formellement par un assistant de preuve logicielle appelé Lean, pour expliquer un phénomène agaçant : les modèles d'apprentissage automatique complexes — réseaux de neurones profonds, forêts d'arbres de décision — ne battent presque jamais la simple régression linéaire sur des données biomédicales en tableau. L'analogie : imaginez que vous essayez de distinguer deux saveurs très proches dans un verre de vin, mais avec un fort rhume. Peu importe la finesse habituelle de votre palais — si le signal d'entrée est dégradé, vos capacités avancées ne servent à rien. En médecine, chaque mesure est imparfaite : les capteurs ont du bruit, les questionnaires sont remplis de façon variable, les biomarqueurs biologiques fluctuent. Ce bruit de mesure est quantifié par un coefficient de « fiabilité » (noté ρ), entre 0 et 1. Pour un signal simple, l'atténuation causée par ce bruit est proportionnelle à ρ. Mais pour une interaction entre deux variables — par exemple, la combinaison de votre niveau de cortisol et de votre qualité de sommeil — l'atténuation est ρ², c'est-à-dire bien pire. Trois variables ? ρ³. Les modèles complexes dépendent justement de ces interactions entre variables. Le bruit les détruit avant même l'analyse. L'équipe a validé ce cadre sur 140 tâches de prédiction dans la UK Biobank. La conclusion la plus inconfortable : ajouter plus de données ne règle pas le problème. Un plus grand échantillon vous donne une meilleure estimation de la « fonction bruitée » — il ne restaure pas la fonction originale. Pour la psychiatrie computationnelle, le message est clair : avant de chercher des algorithmes plus sophistiqués, il faut d'abord améliorer la qualité des mesures elles-mêmes.

Ces trois papiers, pris ensemble, racontent quelque chose de cohérent sur l'état du terrain. Nous sommes dans une période de test réel : les modèles de langage passent des benchmarks académiques aux plateformes de soin (histoire 1), les montres connectées quittent les labos pour les chemins forestiers parcourus par des vétérans (histoire 2), et les mathématiciens commencent à nous expliquer pourquoi certaines promesses prennent plus de temps que prévu (histoire 3). Ce qui m'intéresse, c'est la tension entre ces trois directions. On développe des outils de plus en plus sophistiqués pour mesurer et prédire l'état mental — et simultanément, on découvre que la qualité des données d'entrée est peut-être le vrai goulot d'étranglement. Autrement dit : avant de construire des IA plus complexes pour détecter la dépression, il vaudrait peut-être mieux investir dans de meilleures mesures. Ce n'est pas un argument pour ralentir — c'est un argument pour creuser au bon endroit.

Côté LLM pour la santé mentale, les prochaines semaines devraient voir plusieurs équipes tenter de répliquer le type de résultats d'Ash AI sur des populations non anglophones — ce sera le vrai test de généralisation. Sur le front des essais cliniques de thérapies digitales pour vétérans, la question ouverte que j'aimerais voir répondue : est-ce que l'alerte en temps réel fonctionne mieux quand elle est couplée à une réponse humaine immédiate, ou suffit-elle seule à déclencher une autorégulation efficace ?

• INSERM — Dossier complet sur la dépression
• Wikipédia — Questionnaire PHQ-9 (en français)