Revue de l’application du phénotypage numérique pour prédire les symptômes dépressifs péripartum

Pourquoi c’est important pour les nouveaux parents

La grossesse et la première année après l’accouchement sont souvent décrites comme joyeuses, mais pour de nombreuses femmes elles sont aussi marquées par de profondes difficultés émotionnelles. La dépression péripartum — un ensemble de symptômes dépressifs pendant la grossesse et après l’accouchement — touche environ une mère sur huit à une sur quatre dans le monde. Pourtant, la plupart des dépistages se font encore une ou deux fois seulement avec des questionnaires papier, si bien que les signes d’alerte précoces sont facilement manqués. Cet article passe en revue des recherches émergentes sur le « phénotypage numérique », l’utilisation de technologies du quotidien comme les smartphones, les appareils portables et les réseaux sociaux pour suivre des changements subtils de comportement susceptibles d’indiquer qu’une nouvelle mère est à risque et pourrait bénéficier d’un soutien en temps utile.

Nouveaux indices cachés dans les traces numériques quotidiennes

Les auteurs ont examiné 14 études publiées entre 2014 et mars 2025 qui suivaient des femmes enceintes et en post-partum dans cinq pays. Plutôt que de se reposer uniquement sur les visites en clinique, ces projets exploitaient les traces numériques de la vie quotidienne. Certains recueillaient des signaux « passifs » tels que la durée du sommeil mesurée par des appareils portables, le nombre de pas, la fréquence cardiaque ou les schémas de déplacement via GPS. D’autres collectaient des informations « actives » fournies intentionnellement par les femmes, notamment des bilans d’humeur dans une application, de courts textes de type journal, des publications sur les réseaux sociaux et de courts sondages téléphoniques tout au long de la journée. Dans la plupart des études, les symptômes dépressifs étaient toujours évalués avec des questionnaires standard comme l’Échelle d’évaluation de la dépression postnatale d’Edimbourg, mais les données numériques servaient à déterminer si des motifs d’alerte pouvaient être détectés plus tôt ou plus précisément.

Ce que le sommeil, l’activité et l’usage du téléphone peuvent révéler

Dans l’ensemble des études, les habitudes de sommeil se sont révélées parmi les signaux passifs les plus prometteurs. Les femmes qui dormaient moins la nuit ou dont le sommeil était plus fragmenté pendant la grossesse avaient tendance à rapporter davantage de symptômes dépressifs, bien que le moment de l’observation importe. Un mauvais sommeil en début et en milieu de grossesse était parfois lié à des problèmes d’humeur ultérieurs, alors que des mesures similaires ne prédisaient pas systématiquement les symptômes après l’accouchement. Les résultats concernant l’activité physique étaient plus mitigés : certaines mesures, comme l’agitation nocturne et la perturbation des rythmes quotidiens, étaient associées à des scores de dépression plus élevés, mais d’autres — comme le nombre de pas ou le temps passé hors du domicile — montraient peu ou pas de valeur prédictive. Fait intéressant, une étude a observé que les femmes qui ont ensuite souffert de dépression postpartum portaient leurs trackers d’activité de façon plus régulière, suggérant que l’usage particulièrement intensif des appareils pourrait refléter une tension émotionnelle ou une hypervigilance.

Les mots, publications et messages comme baromètres émotionnels

Les informations numériques actives — ce que les femmes tapent, publient ou saisissent — fournissaient souvent de riches indices sur l’humeur. Les analyses de courts journaux et de textes d’application montraient qu’un ton émotionnel négatif, des expressions d’épuisement et une réduction du langage positif étaient liés à des scores de dépression plus élevés. Des variations subtiles dans l’usage des mots, comme des changements de pronoms ou l’apparition de termes liés à la santé mentale, ont aidé à prédire qui développerait des symptômes dans les semaines suivantes. Le comportement sur les réseaux sociaux portait également des signaux : une publication plus fréquente de selfies par les nouvelles mères, ou des signes de retrait social et de réduction des interactions en ligne, étaient associés à un risque accru de dépression. Les schémas des messages texte racontaient une histoire similaire ; les femmes présentant des symptômes dépressifs avaient tendance à envoyer moins de messages et des messages plus courts pendant la fin de la grossesse et la période postnatale. Lorsqu’on combinait ces éléments avec des outils d’auto-évaluation simples, comme des bilans d’humeur quotidiens, ces modèles linguistiques et comportementaux amélioraient sensiblement la précision des prédictions.

Les algorithmes fonctionnent-ils réellement bien ?

Pour transformer les traces numériques brutes en estimations de risque, les chercheurs ont utilisé divers outils statistiques et d’apprentissage automatique, allant des régressions classiques à des modèles plus complexes comme les forêts aléatoires et le gradient boosting. Certains modèles qui combinaient plusieurs types d’informations — par exemple bilans d’humeur, caractéristiques de base et courts sondages in-app — ont obtenu de bonnes performances pour distinguer les femmes avec et sans symptômes dépressifs significatifs. Cependant, la revue souligne d’importantes limites. Les études différaient fortement quant aux signaux suivis, à la fréquence de collecte des données et à la définition des résultats. Beaucoup comportaient des échantillons relativement petits, ne géraient pas soigneusement les données manquantes ou ne procédaient qu’à des tests internes sans validation sur des groupes indépendants de participantes. Par conséquent, même les modèles les plus performants restent plus proches de prototypes prometteurs que d’outils cliniques prêts à l’emploi.

Équilibrer promesse, confidentialité et usage réel

Les auteurs soutiennent que le phénotypage numérique pourrait éventuellement compléter, mais pas remplacer, les soins traditionnels. Intégrer des informations de contexte, des antécédents médicaux, des facteurs liés au nourrisson et des rapports d’humeur continus avec des données passives comme le sommeil et l’activité peut fournir une image plus complète de la santé mentale d’une mère au fil du temps. Dans le même temps, cette approche soulève des questions importantes sur la confidentialité, la sécurité des données, l’accès inégal à la technologie et le risque de prédictions biaisées ou inexactes. La revue appelle à des méthodes standardisées, à des rapports plus transparents et à une collaboration renforcée entre cliniciens, data scientists et éthiciens afin de garantir que les outils futurs soient à la fois précis et équitables.

Qu’est-ce que cela signifie pour les mères et les familles

En termes simples, cet article conclut que nos téléphones et appareils portables commencent à agir comme des capteurs d’alerte précoce pour la dépression péripartum, mais que la science n’est pas encore assez mature pour un usage systématique. Les mesures du sommeil et de courts bilans d’humeur ou contrôles textuels fréquents semblent particulièrement prometteurs, surtout lorsqu’ils sont combinés avec l’histoire personnelle et médicale de la mère. Néanmoins, les études actuelles sont petites, hétérogènes et souvent méthodologiquement faibles ; leurs résultats doivent donc être considérés comme des signaux précoces plutôt que comme des réponses définitives. Avec des recherches mieux conçues, une attention rigoureuse à l’éthique et des protections robustes des données personnelles, le phénotypage numérique pourrait devenir un outil puissant pour identifier plus tôt les mères en difficulté et les orienter vers un soutien avant que les symptômes ne s’aggravent.

Citation: Kovacs, B.Z., Schweitzer, S., Papadopoulos, F.C. et al. A review of the application of digital phenotyping in predicting peripartum depressive symptoms. npj Digit. Med. 9, 335 (2026). https://doi.org/10.1038/s41746-026-02653-y

Mots-clés: dépression péripartum, phénotypage numérique, santé mentale postpartum, données de montre connectée et de smartphone, surveillance de l’humeur maternelle