Votre voix et votre téléphone savent-ils que vous allez mal ?

Un algorithme détecte dépression et anxiété en écoutant votre voix

Pas ce que vous dites — comment vous le dites : le souffle court, les pauses, le débit qui ralentit.

Imaginez un médecin qui pose son stéthoscope sur votre poitrine. Il ne vous demande pas comment vous vous sentez — il écoute les bruits que votre corps fait malgré vous. C'est exactement ce que fait ce modèle : il analyse la mécanique de votre parole, pas son contenu. Des chercheurs ont entraîné un réseau de neurones — basé sur Whisper, l'outil de transcription vocale d'OpenAI — sur environ 65 000 enregistrements issus de 34 000 personnes différentes. L'objectif : prédire leur score au PHQ-9 et au GAD-7, deux questionnaires standard pour mesurer dépression et anxiété. Résultat : 71 % de sensibilité et 71 % de spécificité sur un échantillon de test de 5 000 personnes. Autrement dit, sur cent personnes en détresse, le modèle en repère 71 — et il ne se trompe pas à tort sur les 100 autres dans les mêmes proportions. Pourquoi ça compte ? Un dépistage vocal pourrait s'intégrer dans un appel téléphonique, une consultation à distance, ou une application — sans questionnaire, sans rendez-vous. Pour les populations qui consultent peu ou tard, c'est une ouverture réelle. Mais voici le hic, et il est sérieux : la population testée était déjà cliniquement élevée — elle avait des scores de dépression et d'anxiété au-dessus de la moyenne. On ne sait pas encore si le modèle tient aussi bien sur la population générale, où les signaux sont plus discrets. Et les étiquettes viennent de questionnaires auto-remplis, pas de diagnostics posés par un clinicien. Un 71 % prometteur, mais à confirmer dans des conditions plus représentatives.

Un agent IA surveille les survivants du cancer pour détecter les crises émotionnelles

Quand vous êtes trop épuisé pour cocher une case, votre téléphone continue de vous observer, lui.

Les survivants du cancer traversent souvent des périodes de détresse émotionnelle intense — anxiété, dépression, sentiment de perte de contrôle. Mais c'est précisément dans ces moments-là qu'ils remplissent le moins les journaux de bord que les chercheurs leur demandent. C'est le paradoxe du journal de bord : vous avez le plus besoin d'aide quand vous avez le moins envie de le signaler. Une équipe a développé PULSE, un système qui contourne ce problème. Plutôt que d'attendre que la personne réponde à une alerte, un agent — un programme doté d'un modèle de langage et d'une série d'outils — interroge automatiquement les données passives du téléphone : déplacements, usage de l'écran, sommeil, communications. Il pose ses propres questions à ces données, en une dizaine de secondes, et prédit si la personne est dans un moment propice à une intervention. Sur 50 survivants du cancer participant à une étude longitudinale, cet agent a atteint une précision équilibrée de 0,743 pour prédire le désir de réguler ses émotions — contre 0,52 à 0,60 pour les meilleures approches existantes. Une vraie progression. Pourquoi ça compte ? C'est une brique vers les interventions « juste à temps » : envoyer une ressource psychologique exactement quand la personne en a besoin, ni trop tôt, ni quand elle n'est plus disponible. Le hic est évident : 50 participants, c'est petit. Le système a été testé sur une population spécifique — des survivants du cancer — et il reste à voir si les performances tiennent sur des cohortes plus larges et plus diverses. L'agent met 45 secondes et environ 5 appels d'outils par prédiction : praticable, mais pas encore validé en déploiement réel.

Protéger vos données de santé mentale coûte cher en précision — voici combien

La question n'est plus « peut-on détecter la dépression sur les réseaux sociaux ? » — c'est « à quel prix de confidentialité ? »

Imaginez cinq cuisiniers qui doivent préparer le même plat sans jamais se passer la recette. Chacun s'entraîne de son côté, dans sa propre cuisine, et ils ne partagent que les réglages de leurs fourneaux — pas les ingrédients. C'est l'idée de l'apprentissage fédéré : entraîner un modèle de détection de la dépression sur les publications d'utilisateurs Twitter ou Reddit, sans jamais centraliser leurs textes sur un serveur unique. Une équipe a testé cette approche sur environ 4 000 utilisateurs pour la dépression et 1 100 pour la détection de crise suicidaire. Verdict encourageant : le modèle fédéré atteint un score F1 de 83,16 contre 85,63 pour le modèle centralisé — un écart de 2,5 points, non significatif statistiquement. La vie privée ne coûte presque rien, jusqu'ici. Mais ajoutez une couche de confidentialité différentielle — une technique mathématique qui injecte du bruit dans les données pour rendre impossible l'identification d'un individu — et l'histoire change brutalement. Le score chute de jusqu'à 27 points de F1, même avec un niveau de protection modéré. Pourquoi ? Parce que les mots qui signalent la dépression sont rares mais décisifs : « fatigue », « désespoir », « sans valeur ». Le bruit les noie en premier. Soyons honnêtes sur ce que cette étude ne dit pas : la fédération est simulée, pas déployée sur de vrais réseaux d'hôpitaux ou de plateformes. Et les données d'entraînement restent des publications publiques sur Twitter et Reddit — pas des données médicales sensibles. Le vrai test reste à faire.

Les trois papiers d'aujourd'hui racontent la même ambition sous trois angles différents : déplacer l'évaluation de la santé mentale hors du cabinet médical, dans le flux ordinaire de la vie. Votre voix au téléphone, vos déplacements captés par votre smartphone, vos mots sur les réseaux sociaux — tout cela devient matière à diagnostic. C'est une direction cohérente, et elle a un vrai potentiel pour les personnes qui consultent trop tard ou pas du tout. Mais FedMental pose la question que les deux autres n'adressent pas : à qui appartiennent ces signaux, et à quel prix de confidentialité les exploite-t-on ? La réponse est inconfortable : l'apprentissage fédéré protège bien, mais la confidentialité différentielle — le seul outil qui offre des garanties mathématiques solides — détruit précisément les signaux les plus informatifs. On ne peut pas jeter le bébé avec l'eau du bain. Il va falloir choisir, ou inventer mieux. Ce n'est pas un problème technique mineur : c'est le nœud central de toute cette génération d'outils.

À surveiller dans les semaines qui viennent : si des équipes publient des validations des biomarqueurs vocaux sur des populations non-cliniques — c'est le test qui manque pour savoir si la technologie tient hors du labo. Côté réglementation, le Parlement européen discute encore des conditions d'utilisation des données de santé mentale dans le cadre de l'AI Act : les arbitrages entre innovation et protection des données pourraient redessiner ce qui est légalement déployable, indépendamment de ce qui est techniquement possible.

• INSERM — Dossier dépression : causes, symptômes, traitements
• Wikipédia FR — Apprentissage fédéré