Quand les machines apprennent à lire nos émotions, ou l’essor de l’« informatique affective »
Imaginez un ordinateur capable de percevoir que vous êtes fatigué, frustré ou enthousiasmé, et d’adapter son comportement en conséquence. C’est exactement ce que promet l’« informatique affective ». Ce champ de recherche désigne l’ensemble des technologies conçues pour détecter, interpréter et simuler les émotions humaines. En d’autres termes : des systèmes en mesure de capter nos états intérieurs afin de mieux interagir avec nous.
L’expression « informatique affective » est née en 1997, sous la plume de Rosalind Picard, chercheuse au MIT. Dans son ouvrage fondateur, elle pose une question simple en apparence : pourquoi les ordinateurs, si puissants pour traiter de l’information, sont-ils si maladroits face aux émotions humaines ? Picard fait le pari que des machines capables de reconnaître et d’exprimer des affects pourraient devenir de bien meilleurs partenaires pour les êtres humains.
Le mot « affective » est emprunté à la psychologie, où il désigne tout ce qui relève de l’affect, du ressenti, des états émotionnels. Accolé à « informatique », il crée une tension productive : celle d’une discipline qui cherche à mettre le calcul au service de ce qu’il y a de plus imprévisible chez l’être humain.
Comment ça fonctionne concrètement ?
Les systèmes d’informatique affective s’appuient sur plusieurs types de signaux. Le plus répandu est l’analyse des expressions faciales : des caméras capturent les micromouvements du visage, que des algorithmes traduisent en émotions supposées (joie, surprise, tristesse, colère…).
Ces catégories d’émotions « de base » ont été théorisées dès les années 1990 par le psychologue Paul Ekman, dont les travaux ont largement inspiré les systèmes actuels de reconnaissance faciale. Mais d’autres canaux sont également exploités pour analyser les émotions : le ton de la voix, le rythme cardiaque, les mouvements du corps ou encore les variations de la conductance électrique de la peau, indicateur physiologique du stress.
Ces données sont captées en temps réel à travers les capteurs intégrés à nos appareils : la caméra de l’ordinateur, le microphone du téléphone ou les capteurs physiologiques d’une montre connectée. Elles sont ensuite traitées par des modèles d’apprentissage automatique entraînés à reconnaître des configurations récurrentes associées à des états émotionnels.
Concrètement, ces modèles ont été exposés à des milliers, parfois des millions d’exemples : une position précise de sourcils correspond à de la surprise, un tremblement de voix à de l’anxiété et une accélération du rythme cardiaque à du stress. Le système apprend à associer ces configurations à une émotion, puis applique ce qu’il a appris à de nouvelles situations.
En d’autres termes, le système ne « ressent » rien : il calcule des probabilités. Il estime, à partir de signaux mesurables, que vous exprimez très probablement de la satisfaction ou que vous semblez concentré plutôt qu’ennuyé.
Des usages déjà bien présents dans notre quotidien et des applications plus inattendues
L’informatique affective s’est glissée dans des outils que beaucoup d’entre nous utilisent au quotidien, parfois sans le savoir.
Par exemple, les plateformes de visioconférence intègrent désormais des modules capables d’analyser l’attention des participants. Certains outils de formation en ligne s’en servent pour ajuster le rythme d’un cours en fonction de l’engagement détecté chez les apprenants. Les assistants vocaux, eux, commencent à moduler leurs réponses selon le ton perçu dans la voix de l’utilisateur.
Au-delà des réunions en ligne, l’informatique affective investit des domaines plus surprenants. Dans le secteur automobile, des systèmes embarqués détectent la somnolence du conducteur à partir de l’analyse de son regard, déclenchant une alerte avant qu’un accident ne survienne (le dispositif GSR2 rend obligatoire un système de surveillance active de l’attention du conducteur dans les véhicules neufs depuis juillet 2026).
Dans le domaine culturel, des musées expérimentent des installations qui s’adaptent aux réactions émotionnelles des visiteurs. C’est le cas du musée Munch à Oslo (Norvège), qui a co-développé avec des chercheurs une expérience dans laquelle un système d’informatique affective analyse les expressions faciales des visiteurs devant les œuvres et leur remet en souvenir une carte postale visualisant leurs données émotionnelles.
Dans la santé, des outils thérapeutiques aident des patients atteints de troubles de la communication à mieux déchiffrer les signaux émotionnels de leur entourage. C’est notamment le cas pour les enfants autistes, pour lesquels des robots sociaux intégrant des technologies de reconnaissance des émotions ont été développés afin d’améliorer leurs interactions sociales.
Ce que ce terme dit de notre époque
Si l’expression « informatique affective » commence à entrer dans le langage courant, c’est parce qu’elle reflète une transformation profonde de notre rapport aux machines. Né dans les laboratoires de recherche à la fin des années 1990, le concept a longtemps circulé dans les seules sphères académiques. Pendant longtemps, le grand public considérait l’ordinateur était un outil purement logique : on lui donnait des instructions, il exécutait. Avec l’informatique affective, la machine devient un interlocuteur capable de tenir compte de notre humeur, de notre niveau de fatigue, de notre engagement.
Ce glissement dit quelque chose d’essentiel sur nos attentes vis-à-vis des technologies : nous ne voulons plus seulement qu’elles soient efficaces, nous voulons qu’elles soient attentives. L’informatique affective est le nom donné à cette ambition, celle de machines qui cherchent à s’adapter à l’humain qui se trouve en face d’elles, déplaçant une frontière que l’on croyait stable : celle qui sépare le monde du calcul du monde du ressenti.
La série « L’envers des mots » est réalisée avec le soutien de la délégation générale à la langue française et aux langues de France du ministère de la culture.
Charlotte De Sainte Maresville, Postdoctoral research, Université Bretagne Sud (UBS)
Cet article est republié à partir de The Conversation sous licence Creative Commons. Lire l’article original.