Des évaluations basées sur le langage peuvent prédire le bien-être psychologique et subjectif

Pourquoi les mots peuvent révéler ce que nous ressentons vraiment

La plupart d’entre nous ont rempli des questionnaires à cases à cocher sur le bonheur ou la santé mentale. Mais nos humeurs et notre sens du but s’expriment souvent sous forme d’histoires : ce que nous racontons de notre vie, de nos objectifs, de nos relations. Cet article examine si l’intelligence artificielle moderne peut « écouter » ces récits — écrits ou oraux — et estimer à quel point nous nous sentons satisfaits et épanouis, offrant potentiellement un nouveau moyen de surveiller le bien-être dans la vie quotidienne.

Deux types de « bien-être »

Les psychologues distinguent souvent deux grands types de bien-être. L’un est le bien-être subjectif ou « hédonique » : se sentir bien, éprouver plus d’émotions positives que négatives et être généralement satisfait de sa vie. L’autre est le bien-être psychologique ou « eudémonique » : sentir que la vie a du sens, que l’on se développe, que l’on est autonome et qu’on vit selon ses valeurs. Alors que des outils d’IA ont déjà montré qu’ils peuvent estimer la satisfaction de vie à partir de réponses textuelles courtes, il restait incertain s’ils pouvaient aussi détecter des qualités plus profondes comme l’autonomie — le sentiment de faire ses propres choix — et d’autres facettes de la santé psychologique.

Écouter les réflexions des gens

Dans trois études, des adultes et des étudiants universitaires ont été invités à répondre à des questions ouvertes sur leur vie. Certains incitatifs portaient sur la satisfaction de vie (par exemple : « Globalement, êtes-vous satisfait de votre vie ou non ? »), tandis que d’autres exploraient des aspects du bien-être psychologique, tels que l’autonomie (« De quelles manières vos décisions sont-elles influencées — ou non — par ce que font les autres ? »), la croissance personnelle, les relations et le sens. Les participants ont répondu soit en écrivant des paragraphes, soit en parlant pendant au moins une minute ; leurs enregistrements audio ont été transcrits en texte. Tous ont également rempli des questionnaires standard à échelle de notation pour la satisfaction de vie et le bien-être psychologique, qui ont servi de références comparatives.

Comment l’IA a transformé des récits en scores

Les chercheurs ont soumis les textes de ces réflexions à des modèles de langage avancés basés sur la technologie des transformeurs, qui représentent chaque réponse sous forme de schémas numériques de haute dimension. À l’aide de méthodes statistiques, ils ont entraîné des modèles à prédire les scores des questionnaires à partir de ces schémas et ont vérifié la concordance entre prédictions et réalité. Dans les deux premières études, les modèles ont donné de bons résultats : les prédictions basées sur le langage pour l’autonomie et la satisfaction de vie étaient modérément corrélées aux scores réels des participants, et elles montraient aussi une certaine capacité à généraliser à des traits associés comme le sentiment de compétence, la connexion aux autres ou le sentiment d’avoir un but. Cependant, ces corrélations étaient clairement plus faibles que celles rapportées dans des travaux antérieurs qui utilisaient des réponses bien plus courtes, de type mot-clé, plutôt que des récits.

La satisfaction de vie est plus facile à percevoir que l’autonomie

La troisième et plus vaste étude a précisé le tableau. Ici, les réponses écrites sur la satisfaction de vie ont permis au modèle de prédire assez bien les scores des questionnaires, tandis que les prédictions pour l’autonomie étaient sensiblement plus faibles. Lorsque l’équipe a comparé son système aux modèles d’IA de pointe (GPT-3.5 et GPT-4), les systèmes plus récents étaient encore meilleurs pour lire la satisfaction de vie à partir du langage, mais seulement modestement supérieurs pour l’autonomie. Pour comprendre pourquoi, les auteurs ont examiné quels mots avaient tendance à apparaître dans les réponses aux scores élevés et faibles. Une forte satisfaction de vie était associée à des émotions positives et à des mots sociaux — des termes comme « amour », « reconnaissant », « conjoint » et « amis ». En revanche, les réponses exprimant une faible satisfaction s’appuyaient sur un vocabulaire hésitant et centré sur les problèmes, comme « penser », « sembler » et « peut-être ».

Pourquoi la liberté intérieure est plus difficile à lire

Le langage lié à l’autonomie avait un aspect différent. Les personnes ayant des scores plus faibles en autonomie utilisaient beaucoup de mots cognitifs et évaluatifs, suggérant de l’inquiétude, des remises en question et des efforts pour satisfaire des attentes extérieures. Celles ayant une autonomie plus élevée utilisaient aussi un langage réfléchi, mais le mêlaient à des termes d’action et d’agentivité — des mots liés au choix, à l’action et à l’avancement vers des objectifs. Plutôt que quelques mots-clés communs, l’autonomie semblait s’exprimer de façons très individuelles, dépendant du contexte de vie de chacun. Cela rendait plus difficile pour les modèles d’IA, même très puissants, de détecter une signature linguistique simple de cette qualité psychologique plus profonde.

Ce que cela signifie pour l’usage concret

Globalement, l’article conclut que les outils basés sur le langage sont déjà assez performants pour estimer si les gens se sentent satisfaits de leur vie, surtout en utilisant des IA de pointe. Mais ils peinent davantage avec des dimensions plus subtiles et personnelles du bien-être, comme l’autonomie et d’autres aspects du sens et de la croissance. Pour l’instant, ces outils peuvent être utiles comme compléments peu contraignants et riches en contexte aux enquêtes traditionnelles — aidant les chercheurs à suivre les tendances générales du bonheur à partir d’écrits ou de discours quotidiens. Ils ne sont toutefois pas prêts à remplacer des évaluations approfondies et multiméthodes en santé mentale ou en clinique, en particulier lorsque des décisions exigent de comprendre les couches plus complexes et intérieures de l’expérience de vie des personnes.

Citation: Mesquiti, S., Cosme, D., Nook, E.C. et al. Language-based assessments can predict psychological and subjective well-being. Commun Psychol 4, 33 (2026). https://doi.org/10.1038/s44271-026-00400-3

Mots-clés: bien-être, satisfaction de vie, autonomie, analyse du langage, intelligence artificielle