Écouter au-delà des mots
– Alban Voppel –
La parole peut en dire beaucoup sur l’état d’une personne, et c’est vrai pour les personnes vivant avec la schizophrénie. Dans une étude récente menée au Centre d’excellence en santé mentale des jeunes (CESMJ), nous avons utilisé l’intelligence artificielle (IA) pour analyser de courts extraits de parole de personnes vivant ou non avec des troubles du spectre de la schizophrénie, et nous avons découvert que l’IA n’avait pas besoin d’analyser ce que les gens disaient, mais simplement la façon dont leur voix sonnait.
Imaginez que vous demandiez à quelqu’un : « Comment vas-tu ? » Cette personne répond : « Ça va. » Le mot lui-même vous apprend très peu de choses. Mais la voix peut en révéler davantage. La réponse était-elle monotone ? Y a-t-il eu une longue pause avant de répondre ? La voix montait-elle et descendait-elle naturellement ou restait-elle presque inchangée ?
Dans la vie quotidienne, nous percevons constamment ce type de signaux et pouvons souvent deviner si quelqu’un est triste ou heureux. Mais un ordinateur pourrait-il apprendre à reconnaître ces mêmes schémas ?
En 2025, avec Gleb Melshin et d'autres chercheurs du CEYMH, nous avons analysé les voix de plus de 300 personnes atteintes de troubles du spectre de la schizophrénie, ainsi que des volontaires en bonne santé, et avons montré que notre modèle d'IA identifiait correctement les personnes atteintes de ces troubles dans 88 % des
Ces troubles peuvent s'accompagner de symptômes difficiles à percevoir, même pour les personnes qui en sont atteintes. Prenons l’émoussement affectif, par exemple. Il s'agit de l'un des symptômes les plus sévères de la maladie, et il correspond à une diminution de l’expression émotionnelle. Pourtant la personne elle-même peut ne pas remarquer que sa voix est plus monotone ou qu’elle parle moins, tandis que ses proches peuvent simplement sentir que « quelque chose a changé », sans savoir quoi. Les cliniciens peuvent observer ces signes lors d’un entretien, mais il peut être difficile de les distinguer d’une dépression ou de symptômes plus généraux.
Comment l'IA analyse-t-elle la voix ?
Nous avons divisé les enregistrements en segments de 10 secondes, assez longs pour contenir une phrase, et transformé chaque segment en une image appelée un spectrogramme. C'est un peu comme une empreinte digitale de la parole, il montre comment les sons de la voix évoluent au fil du temps. Chaque façon de parler produit différentes images, permettant aux ordinateurs de repérer des caractéristiques subtiles, difficiles à remarquer.
Certaines formes d’IA sont particulièrement performantes dans l’analyse d’images. Plutôt que d’apprendre à reconnaître des objets comme des voitures ou des chats, le modèle a été entraîné à détecter des schémas cachés dans la parole humaine.
Mais peut-on être certain que l’ordinateur ne se trompe pas ?
Vérifier que l’IA écoute les bonnes choses
L’IA peut parfois apprendre des informations qui ne sont pas pertinentes. Par exemple, elle pourrait accidentellement se concentrer sur des bruits de fond, la qualité de l’enregistrement ou d’autres éléments sans rapport avec la voix de la personne. Dans cette étude, nous avons effectué des analyses supplémentaires afin de comprendre quelles caractéristiques le modèle avait apprises. Les résultats suggèrent qu’il se concentrait principalement sur les zones du spectrogramme correspondant aux fréquences de la parole humaine plutôt que sur des caractéristiques audios non pertinentes.
Cela indique que le modèle a effectivement appris des informations issues de la parole humaine, notamment des schémas liés à l’émoussement affectif ainsi qu’au diagnostic.
Un résultat particulièrement surprenant est que le modèle ne semblait pas simplement détecter une maladie de manière générale, il recherchait des indices différents dans la voix selon le symptôme étudié. Cela suggère que la voix contient différents types d’informations selon ce que l’on cherche à comprendre, et qu’un modèle informatique peut apprendre à les reconnaître.
Certaines limites importantes demeurent toutefois. Toute la parole analysée dans cette étude était en anglais, et l’approche devra donc être testée dans d’autres langues afin de vérifier si elle fonctionne de manière similaire. De plus, les médicaments, le stade de la maladie et les conditions d’enregistrement peuvent également influencer la voix. Le modèle devra être évalué dans de nouvelles cliniques et dans des contextes réels avant que son utilité pratique puisse être pleinement établie.
Demain, votre voix pourrait devenir un outil clinique
Ces résultats ne signifient pas qu’un ordinateur peut diagnostiquer la schizophrénie à partir de la voix d’une personne, ni qu’il devrait être utilisé de cette façon. Le diagnostic en santé mentale est complexe et dépend de l’expérience vécue, du comportement, du fonctionnement quotidien et du contexte clinique de chaque individu. Un enregistrement vocal ne constitue qu’une source d’information parmi d’autres, mais il pourrait devenir un outil très utile. On peut le comparer à un thermomètre : il ne remplace pas un médecin et n’explique pas pourquoi une personne est malade, mais il fournit une mesure claire qui peut aider à détecter une maladie ou à suivre son évolution. À l’avenir, l’analyse de la parole pourrait aider les cliniciens à suivre l’évolution des symptômes au fil du temps, à repérer une aggravation des symptômes ou à mesurer des symptômes difficiles à décrire.
Grâce à ces nouvelles recherches, les ordinateurs pourraient nous aider à écouter avec davantage de précision et de constance la manière dont une personne s’exprime. Non pas pour remplacer les soins humains, mais pour les soutenir, en particulier pour des symptômes faciles à manquer ou difficiles à détecter. Grâce à une écoute attentive appuyée par une technologie responsable, ces travaux pourraient un jour contribuer à des soins plus personnalisés, à des interventions plus précoces et à de meilleurs résultats pour les personnes vivant avec une psychose.
Car au final, la réponse à la question « Comment vas-tu ? » pourrait en révéler bien plus que nous ne l'imaginions.
Découvrez l'article scientifique original
Taking a look at your speech: identifying diagnostic status and negative symptoms of psychosis using convolutional neural networks
NPP-Digital Psychiatry and Neurosciences, 2025
À propos de l'auteur
Le Dr Alban Voppel est professeur adjoint à l'Université McGill et coordinateur de recherche sur le projet MOTS+ au CESMJ, au sein du Centre de recherche Douglas.
Ses travaux portent sur la manière dont la parole, le langage et l’intelligence artificielle peuvent nous aider à mieux comprendre la psychose et les symptômes associés aux troubles de santé mentale.
Lexique
Troubles du spectre de la schizophrénie: ensemble de troubles de la santé mentale pouvant s'accompagner d'hallucinations, de pensées désorganisées ou de changements dans la motivation et l'expression des émotions
Spectrogramme : image qui représente la voix, montrant comment elle évolue dans le temps (plus grave ou plus aiguë, plus forte ou plus douce)
Émoussement affectif : réduction de l'expression émotionnelle, caractérisée par une voix monotone et peu expressive ainsi que par une diminution des expressions faciales, même dans des situations qui susciteraient normalement une réaction émotionnelle