Votre voix, votre téléphone, et l'IA qui diagnostique.

Votre voix peut signaler une dépression — et ça marche sur 34 000 personnes.

Cinquante-six secondes de parole, et une IA vous dit si vous êtes susceptible de souffrir de dépression — sans vous poser une seule question.

Une équipe de Sonde Health a entraîné un système d'intelligence artificielle sur plus de 65 000 enregistrements vocaux issus de plus de 34 000 personnes différentes. L'objectif : détecter, à partir de la voix seule, si quelqu'un souffre de dépression ou d'anxiété. Imaginez un sommelier capable de deviner le millésime d'un vin à l'aveugle — mais ici, le « vin », c'est votre voix. La machine analyse la texture sonore, le rythme, les micro-variations dans votre façon d'articuler. Elle ne s'intéresse pas à ce que vous dites — uniquement à comment vous le dites. Résultat : le système atteint 71 % de sensibilité et de spécificité sur un groupe test de 5 000 personnes. Traduction concrète : sur 100 personnes réellement déprimées, il en identifie correctement 71. Ce n'est pas parfait — un bon médecin avec un questionnaire standardisé fait souvent mieux — mais c'est automatisable, rapide, et ça ne demande qu'une minute d'enregistrement. Pourquoi ça compte ? La dépression reste massivement sous-diagnostiquée. Beaucoup de gens ne consultent jamais. Un filtre vocal discret, intégré à une appli, pourrait signaler qu'il vaut la peine de parler à quelqu'un. Le hic : les données viennent d'une seule entreprise, calibrées sur une population américaine. On ne sait pas si ça tient dans d'autres langues, d'autres cultures, ou chez des personnes ayant des pathologies vocales chroniques. Et 71 %, c'est aussi 29 % d'erreurs. Personne ne devrait recevoir un diagnostic basé là-dessus seul.

Les IA diagnostiquent parfois bien — mais ratent les gens qui « font bonne figure ».

Vous décrivez vos symptômes à une IA — mais si vous ajoutez que vous avez des amis et que vous allez encore au bureau, elle risque de conclure que vous allez bien.

Une équipe de chercheurs a soumis cinq grands modèles de langage — dont GPT-4o Mini, GPT-4.1 Mini et GPT-5 Mini — à un test simple : lire des entretiens semi-structurés conduits avec 555 personnes, et décider si elles souffrent de dépression, d'anxiété, de PTSD, ou d'un autre trouble. Les réponses de référence, elles, venaient de cliniciens utilisant un protocole diagnostique rigoureux. Pensez à un jury qui doit rendre un verdict en lisant uniquement un dossier écrit, sans avoir assisté aux plaidoiries. La précision des modèles varie de 0,49 à 0,86 selon le trouble et le modèle. GPT-4.1 Mini et GPT-5 Mini s'en sortent le mieux. Mais le chiffre révélateur, c'est le MCC — une mesure d'accord statistique qui corrige le hasard — qui ne dépasse pas 0,38 : « mieux que le hasard », mais loin d'être fiable. Le résultat le plus intéressant est ailleurs. Quand les modèles se trompent en disant « pas de trouble » à tort, c'est souvent parce que la personne décrivait des symptômes réels… mais aussi une vie sociale préservée, des mécanismes d'adaptation, un soutien familial. L'IA interprète « je fonctionne encore » comme « je vais bien ». Ce qu'un psychiatre expérimenté déconstruirait en cinq minutes. Pourquoi ça compte ? Des entreprises déploient déjà des chatbots de santé mentale à grande échelle. Comprendre exactement où ces modèles échouent — et pourquoi — est une question de sécurité, pas d'académisme. Le hic : les modèles sont testés sans ajustement spécifique (ce qu'on appelle « zero-shot »). Un système entraîné sur cet usage précis pourrait faire mieux. Et l'étude porte sur des transcriptions, pas sur une vraie interaction.

Un système traduit vos données de téléphone en mots pour prédire votre anxiété.

Vos données de téléphone — mouvements, sommeil, temps d'écran — peuvent prédire votre anxiété, même si le modèle ne vous a jamais « rencontré » avant.

Une équipe a développé TimeSRL, un système à deux étapes. Première étape : prendre les données brutes de capteurs de smartphone — accéléromètre, GPS, usage d'écran, qualité du sommeil — et les traduire en langage naturel : « cette semaine, l'utilisateur a peu bougé, ses nuits étaient courtes et fragmentées, l'usage des réseaux sociaux a augmenté ». Deuxième étape seulement : faire une prédiction sur le niveau d'anxiété ou de dépression. Imaginez demander à un interprète de transformer un tableau de bord de voiture en compte-rendu lisible, puis de demander à un médecin de le lire. Deux étapes au lieu d'une — mais le médecin comprend infiniment mieux le compte-rendu que le tableau de chiffres bruts. Cette traduction n'est pas programmée à la main : elle est apprise par renforcement, c'est-à-dire que le système est récompensé quand ses résumés mènent à de bonnes prédictions. Et le vrai test est sévère — les chercheurs entraînent le modèle sur plusieurs études, puis le testent sur une étude entièrement nouvelle qu'il n'a jamais vue. Résultat : l'erreur de prédiction baisse de 3 à 10 % par rapport aux meilleurs modèles classiques, et de 27 à 57 % par rapport aux LLM utilisés directement sur les chiffres bruts. Pourquoi ça compte ? La plupart de ces outils s'effondrent dès qu'on les déplace vers une nouvelle population ou un nouveau protocole d'étude. TimeSRL généralise mieux — c'est le vrai verrou à sauter avant tout déploiement réel. Le hic : les scores cibles restent des auto-questionnaires (PHQ-4), qui ont leurs propres biais de déclaration. Et « 3 à 10 % de mieux » est réel mais modeste — on n'est pas encore à un outil clinique opérationnel.

Ces trois papiers lus ensemble nous disent quelque chose de précis sur l'état du terrain. Les machines apprennent à capter des signaux de détresse là où on ne cherchait pas : dans la voix, dans les entretiens écrits, dans le mouvement quotidien. C'est réel, ce n'est pas de la hype. Mais les trois études butent sur le même mur : le signal n'est pas le diagnostic, et le diagnostic n'est pas la prise en charge. On peut détecter 71 % des dépressions avec une voix. On peut voir qu'un LLM rate les personnes qui « fonctionnent encore ». On peut prédire l'anxiété depuis un téléphone sur une population qu'on n'a jamais vue. Ce qu'aucun de ces papiers n'aborde, c'est : et après ? Qui reçoit l'alerte ? Qui est responsable de l'erreur sur les 29 % restants ? La prochaine frontière n'est pas technique — elle est organisationnelle. Ces outils arrivent dans des systèmes de soin qui manquent déjà de bras humains.

À surveiller : la FDA américaine et le marquage CE européen commencent à préciser leurs cadres pour les logiciels médicaux en santé mentale — les prochaines décisions réglementaires de 2026 vont conditionner lesquels de ces outils pourront être déployés légalement. La question ouverte que j'aimerais voir traitée : peut-on valider les biomarqueurs vocaux dans un essai prospectif où l'outil est réellement utilisé pour orienter des patients vers des soins — et pas seulement testé en laboratoire après coup ?

• INSERM — Dossier complet sur la dépression
• Wikipedia FR — Dépression (psychiatrie)