Joshua Curtiss, professeur adjoint en psychologie appliquée et chercheur en santé mentale à l'Université Northeastern, explore une question novatrice : peut-on prévoir les émotions humaines à l'aide de l'intelligence artificielle ? Inspiré par les méthodes de prédiction utilisées en météorologie ou en économie, il utilise des modèles d'apprentissage automatique pour anticiper les états émotionnels futurs des individus. L'objectif de cette recherche est de transformer la prise en charge des troubles mentaux comme la dépression et l'anxiété. Actuellement, les interventions thérapeutiques reposent souvent sur des approches uniformes qui ne tiennent pas compte de la diversité humaine. En identifiant les schémas émotionnels spécifiques à chaque personne, les professionnels de santé pourraient offrir un soutien proactif et personnalisé. L'étude pilote menée par Curtiss a impliqué 34 participants diagnostiqués avec un trouble émotionnel. Au cours de deux semaines, ils ont dû évaluer leur niveau de contentement, de joie, de tristesse ou d'anxiété à six reprises par jour, sur une échelle de sept points. Ces données ont été analysées par plusieurs modèles d'apprentissage automatique, allant de l'utilisation des moyennes passées à des réseaux de neurones complexes, avec pour objectif de prédire l'état émotionnel d'un jour à l'autre. Les résultats préliminaires montrent que les modèles individuels surpassent les prédictions basées sur la moyenne du groupe. Pour les émotions comme le contentement et la joie, un modèle basé sur la performance passée s'est avéré le plus précis. En revanche, pour la tristesse et l'anxiété, un modèle d'ensemble, combinant les résultats de plusieurs algorithmes, a donné les meilleurs résultats. Toutefois, la recherche souligne que l'efficacité d'un modèle varie d'une personne à l'autre, renforçant la nécessité de solutions véritablement individualisées. Bien que cette technologie en soit encore au stade de la preuve de concept, ses implications potentielles sont vastes. Elle pourrait permettre de prévenir les épisodes de détresse en avertissant les utilisateurs de l'état émotionnel anticipé, leur offrant ainsi la possibilité d'adapter leurs habitudes ou de mettre en place des stratégies d'adaptation. Don Robinaugh, également professeur adjoint en psychologie appliquée, souligne que cette approche reconnaît la complexité humaine. Les facteurs qui entraînent la détresse sont uniques à chaque individu, et des modèles sur mesure sont nécessaires pour mieux soutenir la santé mentale. Cependant, des défis demeurent, notamment la difficulté de prédire les événements imprévisibles de la vie, tels que des nouvelles de santé ou des changements professionnels, qui peuvent altérer l'humeur. Curtiss compare cette prédiction à la météo : il ne s'agit pas d'une certitude absolue, mais d'une estimation utile sur le court terme, idéale pour une prévision à une ou deux semaines. Comme l'effet de papillon peut rendre le comportement futur chaotique, même avec des données parfaites, la prudence est de mise. L'équipe de recherche prévoit d'élargir l'étude à plus de participants et d'intégrer des données provenant de technologies portables pour améliorer la précision des prédictions, tout en restant responsable face aux limites inhérentes à cette technologie.