L'IA peut-elle détecter la dépression à partir de changements subtils dans les micro-expressions faciales lors d'appels vidéo ?

La reconnaissance des émotions à partir de vidéos a progressé rapidement grâce aux modèles d'apprentissage profond. Ces systèmes analysent des micromouvements faciaux que les humains oublient souvent de remarquer. Ils sont corrélés avec des échelles de dépression clinique et le suivi durable de l'humeur. Cette technologie soulève des questions éthiques concernant le consentement et la surveillance dans les interactions numériques.

Les systèmes actuels peuvent reconnaître les unités d'action faciale de base et les émotions grossières, mais la détection de la dépression à partir de micro-expressions subtiles et en temps réel lors d'appels vidéo ordinaires reste peu fiable dans les contextes cliniques. Les prototypes de recherche utilisant des maillages faciaux 3D, l'attention au niveau des images et des signaux multimodaux (voix, rythme de frappe) montrent des corrélations modestes avec les scores PHQ-9 dans des études contrôlées, mais la généralisation à des éclairages, angles et arrière-plans divers est médiocre. Les préoccupations liées à la vie privée, au consentement et à l'équité algorithmique limitent le déploiement à grande échelle, et aucun appareil certifié n'est approuvé pour un diagnostic basé uniquement sur la vidéo.