Les modèles d’intelligence artificielle peuvent-ils détecter les pensées suicidaires sur les réseaux sociaux

Chaque année, plus de 720 000 personnes meurent par suicide dans le monde, ce qui en fait l’une des principales causes de décès chez les jeunes adultes. Les réseaux sociaux, comme Reddit, sont devenus des espaces où les individus expriment ouvertement leur détresse psychologique, parfois de manière indirecte ou métaphorique. Une étude récente a évalué la capacité de différents outils informatiques à identifier ces signaux de souffrance dans les publications en ligne.

Les chercheurs ont comparé plusieurs approches : des modèles classiques d’apprentissage automatique, des réseaux de neurones profonds et un modèle de langage avancé basé sur l’intelligence artificielle. Les méthodes traditionnelles, comme les machines à vecteurs de support ou les forêts aléatoires, ont été testées avec des représentations sémantiques des textes. Les réseaux de neurones, tels que les CNN et les LSTM, ont également été évalués pour leur capacité à capturer des motifs contextuels et émotionnels. Enfin, un modèle de type GPT-2, spécialement adapté, a été entraîné pour classer les messages en deux catégories : suicidaires ou non suicidaires.

Les résultats montrent que le modèle GPT-2 a obtenu les meilleures performances, avec une précision de 98,25 %. Il a su distinguer efficacement les messages à risque de ceux qui ne l’étaient pas, tout en minimisant les erreurs de classification. Parmi les réseaux de neurones, le CNN a atteint une précision de 96,04 %, suivi de près par le LSTM avec 95,97 %. Les modèles classiques, lorsqu’ils étaient associés à des représentations sémantiques comme l’encodeur universel de phrases, ont également démontré une bonne efficacité, avec des précisions dépassant 93 % pour les meilleures combinaisons.

L’étude souligne que les modèles basés sur des transformateurs, comme GPT-2, excellent dans la capture de nuances émotionnelles et de dépendances contextuelles longues. Ces capacités sont particulièrement utiles pour détecter des expressions indirectes de détresse, souvent présentes dans les publications sur les réseaux sociaux. Les modèles traditionnels, bien que moins performants, restent compétitifs et plus accessibles en termes de ressources computationnelles.

Les chercheurs ont également vérifié la robustesse des résultats en répétant les expériences avec différentes configurations et partitions de données. Les performances des modèles, en particulier celles de GPT-2 et du CNN, se sont avérées stables et reproductibles, confirmant leur fiabilité dans ce contexte.

Cette étude met en lumière l’importance des outils d’intelligence artificielle pour identifier précocement les signaux de détresse sur les réseaux sociaux. Cependant, les résultats restent spécifiques à la plateforme Reddit et aux données utilisées. Une validation supplémentaire sur d’autres réseaux et dans différentes langues serait nécessaire pour généraliser ces conclusions.

Sources du média

Document de référence

DOI : https://doi.org/10.1186/s43093-026-00867-w

Titre : A unified comparative evaluation of machine learning, deep learning and GPT-2 for suicide ideation detection from social media

Revue : Future Business Journal

Éditeur : Springer Science and Business Media LLC

Auteurs : Yasmeen Mohamed Saleh; Fahad Kamal Alsheref; Mahmoud Mohamed Bahloul