Un changement d’apparence a suscité l’émoi dans l’industrie, mais il a récemment été découvert que l’intelligence artificielle peut déterminer avec une précision de 94 % si une personne se sent seule.
Selon des rapports, des chercheurs américains en IA ont utilisé des outils d’analyse comme le supercalculateur IBM Watson pour évaluer la solitude chez les personnes âgées.
En analysant les mots, les expressions et les pauses lors d’entretiens, l’IA a évalué les symptômes de solitude presque aussi précisément que les questionnaires auto-administrés. Elle a également constaté que les personnes seules mettaient plus de temps à répondre aux questions directes sur la solitude et exprimaient plus de tristesse.
L’étude suggère que la plupart des recherches se contentent de demander : « À quelle fréquence vous sentez-vous seul ? », ce qui peut biaiser les réponses. Cette étude a utilisé le traitement du langage naturel—une mesure quantitative objective des émotions exprimées—combiné à des outils d’évaluation traditionnels.
Ce qui rend cet outil intéressant, c’est qu’il ne se limite pas aux mots spécifiques indiquant la peur, mais examine les schémas linguistiques dans les réponses.
Les experts notent que les États-Unis font face à une « épidémie » de solitude ces dernières années, marquée par l’augmentation des suicides, de l’usage d’opioïdes, la baisse de productivité, les coûts de santé et la mortalité. Une étude a révélé que 85 % des résidents âgés en autonomie souffrent de solitude modérée à sévère.
La pandémie de COVID-19 et les confinements ont aggravé la situation. Les chercheurs ont voulu explorer comment le traitement du langage naturel et les modèles d’apprentissage automatique pouvaient prédire la solitude chez les seniors.
L’étude a porté sur 80 résidents autonomes âgés de 66 à 94 ans (moyenne : 83 ans). Des entretiens semi-structurés ont été menés entre avril 2018 et août 2019 (avant la COVID-19).
Les participants ont répondu à 20 questions de l’échelle de solitude UCLA, notant sur 4 points des affirmations comme : « Vous sentez-vous souvent exclu ? » ou « Faites-vous souvent partie d’un groupe d’amis ? ».
Ces thèmes ont aussi été abordés en conversations privées, enregistrées et transcrites. Les transcriptions ont été analysées avec des outils comme IBM Watson Natural Language Understanding (WNLU) pour quantifier l’expression émotionnelle.
WNLU utilise l’apprentissage profond pour extraire mots-clés, catégories, sentiments, grammaire et métadonnées. Le machine learning permet d’examiner systématiquement de longs entretiens pour identifier des marqueurs linguistiques subtils de solitude.
L’analyse humaine des émotions peut être incohérente et nécessite une formation poussée. En revanche, l’IA a prédit la solitude avec 94 % de précision par rapport à l’échelle UCLA.
L’IA a prédit la solitude auto-déclarée à 94 % et quantifié la solitude (basée sur l’échelle UCLA) à 76 %. Les personnes seules répondaient plus lentement et exprimaient plus de tristesse.
L’étude a aussi révélé des différences de genre : les femmes avouaient plus facilement leur solitude, tandis que les hommes utilisaient plus de mots liés à la peur et à la joie, suggérant une intensité émotionnelle accrue.
Des nuances genrées sont apparues dans l’expression de la solitude. La recherche souligne les écarts entre évaluations et expériences subjectives, que l’IA peut aider à identifier.
Les chercheurs suggèrent l’existence d’un « langage de la solitude » pour mieux détecter ce sentiment chez les seniors, améliorant ainsi les évaluations cliniques et familiales—surtout en période d’isolement.
Des recherches actuelles explorent comment les traits linguistiques de la solitude corrèlent négativement avec la sagesse : les personnes plus sages pourraient se sentir plus seules. Les données verbales pourraient être combinées à des évaluations cognitives, motrices, du sommeil et de santé mentale pour mieux comprendre le vieillissement.
L’étude a comparé la précision de l’IA avec la solitude auto-déclarée. Bien que les échelles de solitude ne reflètent pas toujours les vraies émotions, combiner IA et auto-évaluations pourrait améliorer la précision diagnostique.
Bien que l’échelle UCLA reste populaire pour éviter le mot « solitude » et minimiser les biais de genre, les chercheurs visent à développer des outils d’évaluation plus précis.
