PsychAdapter : adapter les LLM pour refléter traits, personnalité et santé mentale

Pourquoi il est important de façonner les personnalités des IA

La plupart des chatbots et outils d’écriture utilisés aujourd’hui sonnent étrangement de la même manière : amicaux, verbeux et un peu génériques. Or les personnes réelles ne sont pas génériques — nous différons par la personnalité, l’humeur, l’âge et les circonstances de vie, et ces différences se manifestent clairement dans notre façon d’écrire et de parler. Cet article présente PsychAdapter, une nouvelle méthode pour doter les grands modèles de langage (LLM) de « personnalités » et de profils de santé mentale réglables, afin qu’ils puissent générer des textes qui reflètent mieux la grande variété des voix humaines réelles.

Apprendre aux machines à sonner comme différentes personnes

PsychAdapter est un petit module additionnel qui se branche sur des modèles de langage existants tels que GPT‑2, Gemma ou LLaMA. Plutôt que de simplement alimenter le modèle en mots et de lui demander de poursuivre une phrase, les chercheurs injectent aussi un profil compact de l’auteur : scores pour les cinq grands traits de personnalité (comme l’extraversion et l’agréabilité), niveaux de dépression ou de satisfaction de vie, et informations démographiques de base comme l’âge. Ces scores sont continus, comme un curseur pouvant être réglé n’importe où entre très faible et très élevé, plutôt qu’un ensemble d’étiquettes fixes. PsychAdapter étend ce petit vecteur et le connecte à chaque couche du modèle de sorte que l’ensemble du processus d’écriture soit subtilement orienté par le profil psychologique choisi, sans dépendre de prompts complexes.

Des curseurs de traits aux phrases ressemblant à la vie

Pour entraîner PsychAdapter, l’équipe a utilisé de larges collections de publications publiques sur les réseaux sociaux et de billets de blog. Des modèles psychologiques distincts ont d’abord estimé la personnalité, la dépression, la satisfaction de vie et l’âge pour chaque message en se basant sur le langage employé. Ces scores estimés sont devenus des signaux d’enseignement : le modèle de langage a été entraîné à reconstruire chaque message tout en voyant le profil psychologique correspondant. Une fois entraîné, PsychAdapter peut prendre n’importe quelle combinaison souhaitée de scores — par exemple « extraversion très élevée, faible agréabilité » ou « adulte plus âgé avec faible satisfaction de vie » — et générer du texte nouveau qui correspond à ce profil, parfois à partir d’un court prompt comme « J’aime… ». L’adapter ajouté est minuscule comparé au modèle de base (souvent moins d’un dixième de pour cent des paramètres originaux), donc il peut être facilement partagé et branché.

Vérifier si l’IA change vraiment de ton

Pour savoir si PsychAdapter capturait réellement des traits plutôt que de produire des variations aléatoires, les chercheurs ont fait appel à des psychologues experts en tant que juges. Pour chaque trait, le système a généré des ensembles de messages censés refléter des niveaux faibles, moyens ou élevés (par exemple, faible versus forte extraversion). Les experts, qui n’étaient pas informés des correspondances, devaient associer chaque groupe de textes à son niveau prévu. Sur l’ensemble des traits, ils ont eu raison environ 87 % du temps pour la personnalité, et presque 97 % du temps pour la dépression et la satisfaction de vie — bien au‑delà d’un hasard. Lorsque le système était incité par des prompts simples tels que « J’aime… », la précision augmentait encore. Un test séparé a utilisé un modèle d’IA avancé comme évaluateur ; il s’accordait avec les experts humains à peu près au même niveau que les experts s’accordaient entre eux et détectait parfois les traits de façon encore plus cohérente.

Mélanger traits, âges et domaines de vie

PsychAdapter ne se limite pas à un trait à la fois. Le système peut combiner dimensions de personnalité, niveaux de santé mentale et facteurs démographiques dans un seul profil. Les auteurs ont montré que changer le score « âge » tout en maintenant la dépression ou la satisfaction de vie constantes conduisait à des styles de messages différents : les voix plus jeunes parlaient de parents, d’école et de premiers jours de cours, tandis que les voix plus âgées mentionnaient conjoints, enfants et soucis à long terme. En faisant tourner mathématiquement deux traits de personnalité (extraversion et agréabilité) vers des axes « chaleur » et « dominance », ils ont aussi mappé les sorties sur un modèle psychologique classique des styles interpersonnels. Les textes générés dans des régions étiquetées comme « Assuré‑Dominant » ou « Froid‑Cœur » correspondaient aux prédictions théoriques. L’approche a fonctionné sur des tweets courts comme sur des billets de blog plus longs, et avec plusieurs modèles de langage sous‑jacents différents.

Opportunités et risques pour l’interaction humain‑IA

Parce que PsychAdapter peut ajuster finement le style et le ton émotionnel d’une IA, il ouvre la porte à des applications plus humaines. Des simulations de formation pour thérapeutes ou opérateurs de lignes d’urgence pourraient les exposer à des interlocuteurs conversationnels sûrs mais réalistes présentant diverses personnalités et niveaux de détresse. Des bots de service client ou des outils éducatifs pourraient adapter le langage pour correspondre à l’âge, au niveau de lecture ou au style préféré d’un utilisateur. Les chercheurs peuvent également utiliser le système comme laboratoire : en faisant varier les traits et en incitant à des sujets spécifiques, ils peuvent explorer comment la personnalité et la santé mentale peuvent façonner le langage dans de nombreux contextes sans attendre des données réelles rares.

Ce que cela signifie pour les utilisateurs quotidiens

Pour le grand public, la leçon est que les systèmes d’IA futurs pourraient ne pas se contenter de répondre à des questions — ils pourraient adopter une large gamme de voix humaines reconnaissables. Avec un dispositif comme PsychAdapter, un même modèle de base peut être subtilement remodelé pour paraître plus introverti ou extraverti, optimiste ou morose, jeune ou vieux, simplement en déplaçant quelques curseurs. Cette flexibilité pourrait rendre les outils d’IA plus empathiques et utiles, mais elle soulève aussi de nouvelles préoccupations éthiques, comme le risque de persuasion ciblée ou de « personnages » trompeurs. Les auteurs soutiennent que, utilisé de manière responsable, PsychAdapter offre une nouvelle façon puissante d’étudier comment nos traits intérieurs apparaissent dans les mots, et de construire des IA qui reflètent mieux la diversité de la communication humaine réelle.

Citation: Vu, H., Nguyen, H.A., Ganesan, A.V. et al. PsychAdapter: adapting LLMs to reflect traits, personality, and mental health. npj Artif. Intell. 2, 26 (2026). https://doi.org/10.1038/s44387-026-00071-9

Mots-clés: psychadapter, IA consciente de la personnalité, langage et santé mentale, grands modèles de langage, génération de texte personnalisée