Test rapide pour détecter les déficiences du vision des couleurs rouge–vert à l’aide d’une tâche de nomination des couleurs assistée par réseau de neurones

Pourquoi cela compte dans la vie quotidienne

Des millions de personnes perçoivent les couleurs différemment sans le savoir, et les tests traditionnels de la vision des couleurs peuvent être longs, coûteux ou difficiles à utiliser pour les enfants, les personnes âgées ou celles à mobilité réduite. Cette étude présente une méthode rapide et simple, sur ordinateur, pour repérer les différences rouge–vert en demandant simplement aux personnes de nommer les couleurs qu’elles voient, pendant qu’un système d’intelligence artificielle détermine discrètement si leur vision est typique ou non.

Comment la vision des couleurs peut varier entre les individus

La vision des couleurs humaine dépend principalement de trois types de cellules sensibles à la lumière dans l’œil, accordées approximativement sur les longues (vers le rouge), moyennes (vers le vert) et courtes (vers le bleu) longueurs d’onde. Lorsqu’un type manque, ne fonctionne pas ou présente un décalage de sensibilité, les personnes peuvent confondre certaines teintes, en particulier les rouges et les verts. Certains sont dichromates, se fiant à seulement deux types de cônes, tandis que d’autres sont trichromates anormaux : ils possèdent les trois cônes mais avec l’un d’eux déplacé, rendant certaines couleurs plus difficiles à distinguer. Les différences rouge–vert touchent environ 8 % de la population, principalement congénitales ; d’autres troubles de la vision des couleurs apparaissent plus tard, par exemple en raison de maladies oculaires ou de médicaments.

Limites des tests actuels de la vision des couleurs

Médecins et employeurs utilisent plusieurs types de tests colorimétriques. Les tests à plaques bien connus, où l’on identifie des chiffres ou des formes formés de points colorés, sont efficaces pour détecter des anomalies mais peuvent être sensibles à l’éclairage et ne sont pas toujours faciles à transposer à l’écran. Des tests numériques plus avancés, comme ceux qui montrent des formes colorées en mouvement ou qui exigent un contrôle manuel fin, peuvent mesurer la vision en détail mais prennent souvent 20–30 minutes et demandent concentration et bonnes capacités motrices. D’autres tests demandent d’ordonner des pastilles colorées ou d’appareiller des lumières colorées, ce qui peut être fatigant, compliqué pour les enfants ou les personnes âgées, et nécessiter du matériel spécialisé.

Une idée simple : nommez simplement ce que vous voyez

Les chercheurs ont essayé une approche différente, proche de la vie quotidienne : la nomination des couleurs. Ils ont présenté à 56 volontaires 182 couleurs extraites de scènes naturelles — des teintes proches de celles que l’on rencontre dans des objets du monde réel — et leur ont demandé de nommer chacune en utilisant 11 mots de couleur de base en portuguais (comme rojo, verde, azul ou marrón). Ce groupe comprenait des personnes à vision typique ainsi que plusieurs types de différences rouge–vert. Plutôt que de faire interpréter les réponses par un expert humain, l’équipe a soumis le pattern de dénominations à un réseau de neurones, une forme d’intelligence artificielle capable d’apprendre à reconnaître des motifs complexes dans les données.

Ce que l’intelligence artificielle a appris

Le réseau de neurones a été entraîné à effectuer trois niveaux de jugement : d’abord décider simplement si la vision d’une personne était typique ou non ; ensuite séparer la vision typique, les dichromates et les trichromates anormaux ; et enfin distinguer cinq catégories détaillées, incluant des types spécifiques de perte rouge–vert. Avec l’ensemble complet des 182 couleurs, il a identifié les personnes présentant des différences de vision des couleurs avec un très haut niveau de réussite global : pour le dépistage de base, à la fois la sensibilité (détecter ceux qui ont une différence) et la spécificité (ne pas étiqueter à tort ceux à vision typique) dépassaient 95 %. Même lorsque le modèle a tenté de classer les personnes selon les cinq catégories plus détaillées, ses performances restaient utiles, bien que moins précises, reflétant la difficulté accrue de cette tâche.

Trouver les couleurs les plus informatives

Pour accélérer le test, l’équipe a recherché un ensemble plus restreint de couleurs contenant l’essentiel de l’information utile. Ils ont utilisé une méthode qui explique sur quelles entrées le réseau de neurones s’appuie le plus fortement, et ont classé les 182 couleurs par importance. En réentraînant et testant le système de façon répétée sur les 5, 10, 15, 20 ou 25 couleurs les plus importantes, ils ont constaté qu’environ 20 couleurs soigneusement choisies offraient en réalité des performances de dépistage légèrement supérieures à l’ensemble complet. Cela suggère que des couleurs supplémentaires peuvent ajouter du bruit plutôt que de la clarté et qu’un test rationalisé pourrait être réalisé confortablement en moins de deux minutes sur un écran calibré standard.

Ce que cela signifie pour la santé et le dépistage au quotidien

L’étude montre qu’une tâche de nomination des couleurs rapide et peu exigeante, interprétée automatiquement par une intelligence artificielle, peut égaler voire légèrement dépasser les tests classiques à plaques pour repérer les différences rouge–vert, tout en étant plus facile à numériser et plus confortable pour de nombreux utilisateurs. Parce qu’elle repose sur des réponses parlées ou simples et des images statiques, elle pourrait être utile non seulement pour les contrôles oculaires de routine et le dépistage professionnel, mais aussi pour le suivi des maladies oculaires ou même pour explorer des modifications de la perception des couleurs liées à des affections cérébrales telles que la maladie d’Alzheimer ou l’autisme. En termes pratiques, ce travail ouvre la voie à un avenir où un court test basé sur une application pourrait signaler de façon fiable des problèmes de vision des couleurs en seulement quelques minutes.

Citation: Monteiro, J.A.R., Marques, D.N., Linhares, J.M.M. et al. Rapid test for detecting red–green color vision deficiencies using a neural network-assisted color-naming task. Sci Rep 16, 9987 (2026). https://doi.org/10.1038/s41598-026-38222-2

Mots-clés: déficience de la vision des couleurs, daltonisme rouge–vert, dépistage par réseau de neurones, test oculaire numérique, nomination des couleurs