Prédire les différences individuelles d’efficacité des interventions numériques contre l’alcool grâce à des données multimodales

Pourquoi les habitudes de consommation de vos amis comptent

Beaucoup de jeunes adultes veulent réduire leur consommation d’alcool mais n’ont pas toujours le temps ou les moyens d’un accompagnement en personne. Les programmes sur smartphone qui envoient de courts rappels fondés sur la psychologie constituent une alternative pratique. Pourtant, ces outils numériques n’ont pas la même efficacité pour tout le monde. Cette étude posait une question d’actualité : peut‑on prédire, à l’avance, qui bénéficiera le plus d’une intervention numérique contre l’alcool en utilisant des informations sur les ressentis, le cerveau, les relations sociales et — surtout — les perceptions qu’a une personne de la consommation de ses amis ?

Les smartphones comme coachs de poche

Les chercheur·ses ont travaillé avec des étudiant·es consommant de l’alcool socialement dans deux universités américaines. Pendant 28 jours, les étudiant·es recevaient deux SMS par jour enseignant la « distanciation psychologique ». Certains messages proposaient de la pleine conscience — observer ses pensées et ses envies sans y céder. D’autres invitaient à prendre du recul — imaginer comment un·e ami·e qui boit très peu penserait et ressentirait la situation. Lors des semaines « actives », les participant·es recevaient ces rappels de distanciation ; lors des semaines « inactives », ils ne faisaient que déclarer leur consommation et devaient réagir naturellement. Ce dispositif alterné a permis aux chercheur·ses de voir si les personnes buvaient effectivement moins lorsque le coaching numérique était activé.

De nombreux types de données, une question centrale

Avant le début de l’intervention, les étudiant·es ont rempli des évaluations détaillées. Ils ont répondu à des questions sur leurs propres habitudes et motifs de consommation, leur humeur et leur personnalité, et le degré de pression perçue par les pairs. Ils ont cartographié leurs réseaux sociaux, indiquant qui, dans leur groupe sur le campus, buvait le plus ou avait une forte influence sociale. Certains ont aussi passé des examens cérébraux pendant la visualisation d’images liées à l’alcool et au social. L’équipe a introduit toutes ces données « multimodales » — psychologiques, sociales, neuronales et démographiques — dans plusieurs modèles d’apprentissage automatique. L’objectif était de voir si un ordinateur pouvait apprendre à classer les étudiant·es en « répondant·es », qui réduisaient le nombre d’occasions hebdomadaires de consommation de plus d’une, et « non‑répondant·es », qui ne le faisaient pas.

Ce que vous pensez de la consommation de vos amis prédit le changement

De façon surprenante, les prédicteurs les plus puissants n’étaient pas les scans cérébraux ni les tests de personnalité détaillés, mais seulement cinq questions sur la consommation perçue des pairs. Les étudiant·es ont évalué la fréquence et l’ampleur de la consommation des plus gros buveurs de leur groupe, et le degré d’approbation du groupe à l’égard de la boisson et des beuveries. En utilisant ce petit ensemble de réponses seul, un modèle de forêt aléatoire a correctement distingué les répondant·es des non‑répondant·es environ 71 % du temps dans le premier échantillon étudiant — atteignant ou dépassant les seuils que des études antérieures en santé numérique considèrent comme utiles pour orienter les soins. Lorsqu’on a testé le même modèle sur un second échantillon indépendant, il a conservé un niveau de performance similaire, ce qui suggère que les résultats n’étaient pas un artefact d’un seul groupe ou d’une période donnée.

Les buveurs modérés et fréquents représentent la cible idéale

En regardant de plus près, l’intervention a le mieux fonctionné pour les étudiant·es qui percevaient leurs pairs les plus gros buveurs comme des consommateurs réguliers mais non extrêmes — à peu près une à deux occasions de consommation par semaine et quelques verres à chaque fois. Celles et ceux qui considéraient leurs pairs comme très occasionnels étaient moins susceptibles de changer, peut‑être parce que la consommation était déjà rare dans leur cercle. Celles et ceux qui croyaient que leurs pairs buvaient très fortement n’ont pas non plus autant bénéficié, possiblement parce que la pression sociale à boire était trop forte pour être contrebalancée par de brefs messages. Fait notable, ce sont ces perceptions qui importaient, pas la consommation réellement auto‑rapportée des pairs. Les étudiant·es avaient tendance à sous‑estimer combien leurs amis les plus gros buveurs consommaient réellement, et pourtant leurs croyances ont tout de même déterminé qui répondait.

Ce que cela signifie pour la vie quotidienne

Pour le grand public, la leçon est la suivante : nos croyances sur ce que font nos amis peuvent fortement influencer l’efficacité des outils numériques simples pour réduire l’alcool. Un court questionnaire sur la consommation perçue des pairs — une mesure peu coûteuse et facile à diffuser — a suffi pour que des algorithmes fassent des prédictions assez précises sur qui tirerait profit d’un programme par SMS enseignant la distanciation. À l’avenir, des applications pourraient utiliser quelques questions sur votre cercle social pour décider d’offrir un programme standard, une version plus intensive ou un type d’aide différent. Bien que des travaux supplémentaires sur des groupes plus larges et diversifiés soient nécessaires, cette recherche montre qu’une aide numérique plus intelligente et personnalisée contre l’alcool pourrait n’être qu’à quelques questions bien choisies.»

Citation: Fuchs, M., Boyd, Z.M., Schwarze, A. et al. Predicting individual differences in digital alcohol intervention effectiveness through multimodal data. npj Digit. Med. 9, 170 (2026). https://doi.org/10.1038/s41746-026-02356-4

Mots-clés: intervention numérique contre l’alcool, perceptions de la consommation des pairs, distanciation psychologique, apprentissage automatique en santé, consommation d’alcool chez les étudiants