Intelligence artificielle multimodale et apprentissage en ligne dans la santé mentale des jeunes : une revue de portée

Pourquoi c’est important pour les jeunes et les familles

Les problèmes de santé mentale chez les jeunes augmentent dans le monde, pourtant de nombreux enfants et adolescents ne reçoivent jamais d’aide en temps utile. Parallèlement, les jeunes produisent en permanence des traces numériques — smartphones, objets connectés, plateformes scolaires et réseaux sociaux — qui peuvent révéler leur état réel. Cette revue examine comment de nouvelles formes d’intelligence artificielle (IA) capables d’apprendre à partir de plusieurs types de données et de se mettre à jour continuellement pourraient, un jour, aider à repérer plus tôt le stress, la dépression et d’autres difficultés, et à soutenir des soins plus personnalisés pour les jeunes.

Nouveaux outils face à une crise croissante de la santé mentale des jeunes

Les données mondiales montrent qu’une part importante d’enfants et d’adolescents est touchée par des problèmes de santé mentale, et que ces problèmes se sont aggravés pendant et après la pandémie de COVID-19. Les visites aux urgences pour troubles mentaux et les consultations à distance ont augmenté, en particulier chez les adolescentes. Pourtant, l’accès aux services reste difficile et de nombreux jeunes sont laissés pour compte, notamment lorsqu’ils quittent les services pour enfants sans être pleinement intégrés dans les services adultes. Comme la plupart des troubles mentaux persistants débutent avant 25 ans, les auteurs soutiennent que de meilleurs moyens de détecter et de surveiller les problèmes pendant cette période pourraient avoir des bénéfices à long terme pour les individus, les familles et les systèmes de santé.

Comment des machines plus intelligentes pourraient aider

Les systèmes d’IA peuvent apprendre des motifs dans les données et les utiliser pour détecter ou prédire des résultats, comme des signes de stress ou un faible niveau d’humeur. Les modèles traditionnels s’appuient généralement sur une source de données unique — texte, image cérébrale ou questionnaire — et sont entraînés une fois sur un jeu de données fixe. La revue se concentre sur deux avancées particulièrement prometteuses pour les jeunes. La première est l’IA multimodale, qui combine plusieurs types d’informations, par exemple les signaux cardiaques issus de capteurs portables, le sommeil et les mouvements captés par le téléphone, la voix ou les expressions faciales, et les messages écrits ou réponses à des questionnaires. La seconde est l’apprentissage en ligne, où les modèles ne restent pas figés mais se mettent à jour au fil de l’arrivée de nouvelles données, leur permettant de s’adapter lorsque la vie, le comportement ou l’environnement d’un jeune évolue.

Ce que font réellement les recherches actuelles

Les auteurs ont recherché systématiquement dans les principales bases médicales et d’ingénierie des études depuis 2015 utilisant l’IA sur des données de jeunes (jusqu’à 25 ans) pour détecter, surveiller ou traiter des problèmes liés à la santé mentale. Sur plus de 500 articles, seulement 24 répondaient à leurs critères, et quelques-uns seulement combinaient plusieurs types de données et l’apprentissage en ligne. La plupart des travaux visaient des signes avant-coureurs comme le stress, l’état émotionnel ou la charge cognitive, plutôt que des diagnostics formels. Par exemple, plusieurs projets ont utilisé des capteurs portables pour mesurer l’activité cardiaque ou la conductance cutanée pendant des tâches stressantes, puis entraîné des réseaux neuronaux à reconnaître le stress et à affiner leurs prédictions au fur et à mesure de l’arrivée de nouvelles données. D’autres ont analysé les habitudes de smartphone et de sommeil sur un semestre pour regrouper des étudiants présentant des profils de stress similaires et adapter des modèles à de nouveaux utilisateurs avec très peu de données.

Résultats prometteurs, mais lacunes importantes

Dans les études ayant utilisé une forme de mise à jour continue, les modèles sont généralement devenus plus précis et mieux adaptés aux individus que les systèmes entraînés une seule fois. L’apprentissage en ligne a aidé à suivre les variations émotionnelles à partir de l’activité cérébrale et à ajuster la détection du stress pour chaque utilisateur. Néanmoins, les auteurs notent que de nombreux articles qualifiés d’« en ligne » ont en réalité utilisé des formes plus lâches de réentraînement incrémental plutôt qu’une adaptation véritable et en temps réel aux flux de données. La plupart des études reposent sur des échantillons petits et étroits — souvent des étudiants universitaires ou en troisième cycle — et testent rarement les modèles sur des jeux de données indépendants. Des questions éthiques et pratiques majeures se posent : la collecte de données physiologiques et comportementales détaillées auprès de mineurs soulève des enjeux sensibles autour du consentement, de la vie privée, du stockage à long terme et de qui contrôle les mises à jour continues des modèles susceptibles d’influencer des décisions de soin.

Les orientations nécessaires pour la suite

La revue conclut que l’IA pour la santé mentale des jeunes est un domaine en émergence rapide mais encore précoce. Pour passer des prototypes de laboratoire à des outils pouvant soutenir les soins réels en toute sécurité, les chercheurs auront besoin de jeux de données plus grands et plus diversifiés, d’une description plus claire de l’âge et du contexte des participants, et de méthodes standardisées pour collecter et partager des données multimodales chez les jeunes. Les modèles doivent être testés dans le temps et dans des contextes variés pour garantir qu’ils restent fiables lorsque les conditions changent. Les travaux futurs devraient aller au-delà de la détection du stress et de l’humeur pour inclure un éventail plus large de troubles cliniquement reconnus et, surtout, étudier comment l’IA peut aider les interventions concrètes plutôt que de se contenter de signaler des problèmes. À mesure que les systèmes conversationnels et les grands modèles de langage se généralisent, une évaluation attentive de leurs bénéfices et risques pour les jeunes sera essentielle. Pour l’instant, l’IA multimodale et continuellement apprenante offre une voie prometteuse — mais qui exige des garanties solides, de la transparence et une étroite collaboration entre technologues, cliniciens, jeunes et familles.

Citation: Ramirez Campos, M.S., Barati, K., Samavi, R. et al. Multimodal artificial intelligence and online learning in youth mental health: a scoping review. npj Mental Health Res 5, 26 (2026). https://doi.org/10.1038/s44184-026-00207-4

Mots-clés: santé mentale des jeunes, IA multimodale, apprentissage en ligne, détection du stress, capteurs portables