Une étude appelle à revoir l’utilisation des outils computationnels en psychiatrie
Une nouvelle étude menée par des chercheurs et chercheuses de l’Inserm, de l’École normale supérieure, de l’Université Paris Cité et du CNRS remet en question la fiabilité de méthodes computationnelles largement utilisées pour évaluer certains traits liés à la santé mentale. Les résultats, publiés dans Nature Mental Health, invitent à la prudence quant à l’usage des tâches d’apprentissage par renforcement dans un cadre clinique.
La psychiatrie computationnelle nourrit depuis plusieurs années l’espoir d’identifier, via des tâches comportementales numériques et des modèles mathématiques, des marqueurs subtils des troubles mentaux. Ces outils, notamment fondés sur l’apprentissage par renforcement (RL), visent à quantifier comment les individus apprennent des récompenses et des punitions — des fonctions souvent altérées dans des pathologies comme la dépression, l’anxiété ou l’addiction.
Mais cette nouvelle étude, impliquant 169 participants testés à deux reprises sur cinq mois, montre que ces marqueurs comportementaux et computationnels manquent de stabilité pour un usage clinique. Bien que les moyennes obtenues à l’échelle du groupe soient cohérentes, les résultats varient trop d’une session à l’autre pour chaque individu, limitant leur valeur diagnostique.
« La médecine personnalisée exige des indicateurs fiables et stables dans le temps », souligne le Dr Stefano Palminteri, co-auteur senior et directeur de recherche à l’Inserm. « Nos résultats montrent que les outils actuels, basés sur des tâches ou des modèles computationnels, n’atteignent pas ce niveau d’exigence ».
En revanche, les questionnaires auto-administrés classiques — mesurant des traits comme la sensibilité à la récompense ou les symptômes anxiodépressifs — se sont révélés beaucoup plus fiables et prédictifs de la santé mentale.
Cela ne signifie pas pour autant que les approches computationnelles doivent être abandonnées. Comme le précise le Dr Stefano Palminteri : « Ces outils restent précieux pour comprendre les mécanismes des troubles psychiatriques. Mais leur intégration en pratique clinique exige une validation rigoureuse ».
L’étude met également en garde contre une confiance excessive dans des protocoles expérimentaux pourtant bien établis. Même les tâches les plus répandues dans la littérature peuvent se révéler inadaptées à une évaluation individuelle si leurs résultats manquent de stabilité.
Ces conclusions sont particulièrement importantes à l’heure où les systèmes de santé explorent des approches numériques et la gamification pour l’évaluation de la santé mentale. Les auteurs appellent à une amélioration des tâches, des modèles et à une validation systématique, notamment via des simulations, avant toute utilisation clinique.
Référence
Vrizzi S., Najar A., Lemogne C., Palminteri S., Lebreton M. 2025, Behavioral, computational and self-reported measures of reward and punishment sensitivity as predictors of mental health characteristics, Nature Mental Health.