Quand les machines apprennent à lire nos émotions, ou l’essor de l’« informatique affective »

L’informatique affective désigne un ensemble de technologies conçues pour détecter, interpréter et simuler les émotions humaines. Son objectif est de permettre aux machines d’adapter leur comportement en fonction des états émotionnels des utilisateurs, comme la fatigue, la frustration ou l’enthousiasme. Le terme a été introduit en 1997 par Rosalind Picard, chercheuse au MIT, dans son ouvrage fondateur. Elle soulignait l’idée que les ordinateurs, bien que performants pour traiter des données, étaient souvent maladroits face aux émotions humaines. L’informatique affective cherche donc à combiner le calcul avec la compréhension des affects, un domaine traditionnellement imprévisible. Le mot « affective » provient de la psychologie, où il renvoie aux états émotionnels et aux ressentis. Cette discipline repose sur une tension entre la logique mathématique et la complexité des émotions humaines.

Les systèmes d’informatique affective analysent plusieurs types de signaux pour détecter les émotions. Le plus courant est l’analyse des expressions faciales, réalisée grâce à des caméras et des algorithmes capables d’identifier des micromouvements du visage, comme les sourcils froncés ou les lèvres qui s’étirent. Ces émotions « de base » (joie, surprise, tristesse, colère) ont été théorisées dans les années 1990 par le psychologue Paul Ekman. D’autres signaux sont également exploités : le ton de la voix, le rythme cardiaque, les mouvements du corps ou encore la conductance électrique de la peau, un indicateur physiologique du stress. Ces données sont captées en temps réel par des capteurs intégrés aux appareils, comme les caméras des ordinateurs, les microphones des téléphones ou les capteurs des montres connectées. Elles sont ensuite traitées par des modèles d’apprentissage automatique, des algorithmes entraînés sur des milliers, voire des millions d’exemples pour associer des configurations spécifiques à des émotions. Par exemple, un tremblement de voix peut indiquer de l’anxiété, tandis qu’une accélération du rythme cardiaque peut signaler du stress. Il est important de noter que ces systèmes ne « ressentent » pas les émotions : ils calculent des probabilités à partir de signaux mesurables.

L’informatique affective s’invite déjà dans des outils du quotidien, souvent de manière discrète. Par exemple, les plateformes de visioconférence intègrent des modules pour analyser l’attention des participants et ajuster la qualité de la connexion ou les interactions. Certains outils de formation en ligne utilisent ces technologies pour adapter le rythme d’un cours en fonction de l’engagement détecté chez les apprenants. Les assistants vocaux, comme ceux des smartphones, commencent également à moduler leurs réponses en fonction du ton perçu dans la voix de l’utilisateur. Dans le domaine automobile, des systèmes embarqués, comme le dispositif GSR2, détectent la somnolence du conducteur à partir de l’analyse de son regard et déclenchent une alerte. Cette technologie est obligatoire dans les véhicules neufs en France depuis juillet 2026. Dans le secteur culturel, des musées comme le musée Munch à Oslo expérimentent des installations qui s’adaptent aux réactions émotionnelles des visiteurs, en leur remettant une carte postale visualisant leurs données émotionnelles.

L’informatique affective trouve des applications plus inattendues dans des domaines comme la santé. Des outils thérapeutiques aident des patients atteints de troubles de la communication, notamment des enfants autistes, à mieux déchiffrer les signaux émotionnels de leur entourage. Des robots sociaux intégrant des technologies de reconnaissance des émotions ont été développés pour améliorer leurs interactions sociales. Ces robots utilisent des capteurs pour analyser les expressions faciales et les gestes des interlocuteurs, puis adaptent leurs réactions en conséquence. Dans le domaine culturel, des expériences comme celle du musée Munch à Oslo montrent comment cette technologie peut enrichir l’expérience des visiteurs en analysant leurs réactions émotionnelles devant les œuvres d’art. Ces innovations illustrent le potentiel de l’informatique affective pour créer des interactions plus naturelles et adaptées entre humains et machines.