Les troubles mentaux, tels que la dépression, les troubles anxieux, la schizophrénie ou encore les troubles bipolaires, sont souvent diagnostiqués tardivement, une fois les symptômes bien installés. Pourtant, des études montrent que des signes avant-coureurs peuvent être détectés des mois, voire des années, avant l’apparition du trouble à proprement parler. Aujourd’hui, les chercheurs s’appuient de plus en plus sur l’intelligence artificielle (IA) pour améliorer cette détection précoce. Mais où en est réellement la recherche ? Quelles sont les technologies utilisées, et quels résultats ont-elles donné jusqu’ici ?
Qu’entend-on par détection précoce des troubles mentaux ?
La détection précoce consiste à repérer des signes avant la survenue complète d’un trouble mental, souvent à un stade dit « prodromique ». Cela permet d’intervenir plus tôt, d’atténuer la sévérité de l’évolution, voire de prévenir l’apparition du trouble.
Cependant, ces signaux précoces sont rarement spécifiques, et varient énormément d’un individu à l’autre. C’est là que l’IA intervient : en analysant de très larges volumes de données complexes, elle est capable d’identifier des modèles subtils invisibles aux cliniciens.
Les types de données utilisées dans la recherche
Les projets scientifiques s’appuyant sur l’IA utilisent une grande variété de données pour entraîner les algorithmes :
-
Données textuelles : messages sur les réseaux sociaux, journaux personnels, réponses à des questionnaires
-
Données vocales : tonalité, débit, pauses, prosodie
-
Comportements numériques : usage du téléphone, géolocalisation, rythme d’activité
-
Imagerie cérébrale : IRM structurelles ou fonctionnelles
-
Données biologiques : génomique, biomarqueurs
La combinaison de ces données multimodales permet de créer des modèles prédictifs plus puissants.
Les progrès récents dans la recherche
Détection de la dépression et de l’anxiété
Plusieurs études ont montré que l’IA peut détecter des signes de dépression avec une précision allant de 70 % à 90 %, en analysant par exemple le langage utilisé dans des publications sur Twitter ou Facebook. Des applications expérimentales permettent également de suivre l’évolution de l’humeur au fil du temps, en se basant sur les changements de comportement numérique.
Prédiction de la psychose
L’un des domaines les plus avancés est la prédiction du risque de psychose chez les jeunes adultes. Des chercheurs ont utilisé des analyses de discours combinées à des modèles d’apprentissage automatique pour prédire le passage à la psychose avec des taux de réussite prometteurs. Ces résultats ouvrent la voie à des programmes de surveillance proactive chez les populations à risque.
IA et neuroimagerie
L’utilisation conjointe d’imagerie cérébrale et d’IA permet de repérer des altérations neurologiques précoces associées à certaines pathologies mentales. Des travaux ont notamment réussi à différencier, via IRM, des individus atteints de troubles bipolaires ou de schizophrénie dès les premières phases de la maladie.
Des applications concrètes, mais encore limitées
Bien que les résultats soient prometteurs, la majorité des projets de recherche restent confinés au laboratoire. Quelques initiatives pilotes ont vu le jour :
-
Des applications mobiles de suivi de l’humeur utilisent déjà des modèles d’IA pour détecter des signes précoces de rechute.
-
Certains chatbots de soutien psychologique, intégrant des outils de détection émotionnelle, sont utilisés dans des contextes expérimentaux.
-
Des algorithmes d’aide au diagnostic commencent à être testés dans des services hospitaliers, notamment en psychiatrie de l’adolescent.
Cependant, ces outils ne remplacent en aucun cas l’évaluation clinique. Ils sont considérés comme des aides à la décision, et non comme des substituts au diagnostic médical.
Les limites et enjeux éthiques à surmonter
Malgré l’engouement, plusieurs défis importants freinent l’adoption à grande échelle :
-
La généralisation des modèles est encore problématique : un algorithme performant dans un contexte peut échouer dans un autre (langue, culture, tranche d’âge…).
-
Les biais dans les données peuvent fausser les résultats, par exemple en négligeant certaines minorités.
-
Le respect de la vie privée est une préoccupation majeure, surtout quand il s’agit de données sensibles (géolocalisation, discours privés).
-
L’acceptabilité par les professionnels de santé reste variable. Certains s’inquiètent du manque de transparence (effet de boîte noire) et du risque de surdiagnostic.
L’avenir : vers une psychiatrie préventive augmentée par l’IA ?
À mesure que les modèles deviennent plus précis, plus interprétables et plus respectueux des données personnelles, l’intégration de l’IA dans les stratégies de détection précoce devient de plus en plus plausible. Les chercheurs s’orientent vers des outils combinant plusieurs sources d’information, adaptés à chaque patient, pour proposer une psychiatrie préventive, personnalisée et proactive.
Un champ de recherche en pleine effervescence
La recherche scientifique sur la détection précoce des troubles mentaux par l’intelligence artificielle progresse rapidement, portée par les avancées en neurosciences, en informatique et en science des données. Si l’IA ne remplace pas la relation thérapeutique, elle peut devenir un allié précieux pour repérer plus tôt les premiers signes de souffrance mentale. Toutefois, pour passer du laboratoire à la clinique, ces technologies devront répondre à des critères rigoureux de validité, de sécurité et d’éthique.