L'IA peut-elle prédire l'orientation sexuelle d'une personne à partir de l'analyse de textes écrits ?

La capacité de l'IA à déduire des traits personnels sensibles à partir de données non structurées a soulevé d'importantes préoccupations en matière de vie privée. Des modèles récents prétendent prédire avec précision l'orientation sexuelle à partir de motifs linguistiques, ce qui pourrait être utilisé de manière discriminatoire. Cette capacité remet en question les notions d'autonomie et de consentement dans les espaces numériques. Les protections juridiques contre de telles inférences sont pratiquement inexistantes.

Les systèmes d'IA actuels peuvent analyser des textes écrits et déduire l'orientation sexuelle d'une personne avec des taux de précision significativement supérieurs au hasard, mais ces estimations restent probabilistes et non définitives. Des études utilisant de grands modèles de langage et des caractéristiques stylométriques ont montré des corrélations entre les motifs linguistiques — tels que le choix des mots, la syntaxe et les structures sémantiques — et l'orientation sexuelle auto-identifiée, en particulier dans des contextes où les individus abordent des sujets personnels ou des relations. Cependant, la fiabilité de ces prédictions est limitée par de petits échantillons, des biais culturels et linguistiques dans les données d'entraînement, et le risque de renforcer les stéréotypes. Les préoccupations éthiques concernant la vie privée, le consentement et l'utilisation abusive potentielle restent des obstacles majeurs à un déploiement pratique dans des applications sensibles.

— Enriched 12 mai 2026 · Source : Wang, Y. & Kosinski, M. (2018). "Deep neural networks can detect sexual orientation from facial images." *Journal of Personality and Social Psychology*, 114(2), 287–298. — https://doi.org/10.1037/pspa0000105