Détecter les émotions par ordinateur

Un système de reconnaissance des émotions extrait d'une image des points caractéristiques du visage, ou d'un enregistrement des paramètres de la voix, et les compare à un modèle entraîné sur des exemples étiquetés. Il produit ensuite une étiquette : joie, colère, stress, engagement.

La performance technique est réelle sur les données de test : le modèle retrouve les étiquettes des exemples qu'on lui a appris. La question n'est pas là. Elle est de savoir ce que ces étiquettes valent sur une personne réelle, en situation, sans consigne.

La synthèse publiée en 2019 par Lisa Feldman Barrett et ses coauteurs, portant sur plusieurs centaines d'études, conclut qu'une même configuration faciale accompagne des états différents et qu'un même état s'exprime de façons variées. La correspondance est trop lâche pour fonder une inférence sur un individu.

Les mesures physiologiques ne s'en tirent pas mieux. La conductance de la peau et le rythme cardiaque renseignent bien sur le niveau d'activation, mal sur sa nature : aucun capteur ne distingue la colère de l'enthousiasme.

Plusieurs acteurs ont fait machine arrière. Un éditeur américain d'entretiens vidéo automatisés, très utilisé en recrutement, a annoncé en 2021 abandonner l'analyse faciale de ses évaluations, jugeant sa contribution insuffisante au regard des objections soulevées.

Un précédent plus ancien concerne la sécurité aérienne : un rapport public américain publié en 2013 concluait que le programme d'observation comportementale des passagers ne permettait pas d'identifier les personnes dangereuses mieux que le hasard, et recommandait d'en limiter le financement.

Le règlement européen sur l'intelligence artificielle, adopté en 2024, range parmi les pratiques interdites les systèmes destinés à inférer les émotions d'une personne sur le lieu de travail et dans les établissements d'enseignement, sauf motifs médicaux ou de sécurité. Les interdictions de ce texte sont entrées en application avant le reste du dispositif.

Le choix du périmètre est éclairant : il vise les contextes où la personne observée ne peut pas se soustraire à l'observation. Un salarié ne quitte pas son poste, un élève ne quitte pas sa classe, et le consentement y est largement formel.

Un signal trop bruité pour dire quoi que ce soit d'un individu peut rester informatif sur une population. Une variation moyenne d'activation dans une salle renseigne sur ce qui y est projeté ; la même mesure sur un spectateur ne renseigne sur rien.

C'est la différence entre un usage statistique et un usage décisionnel. Les objections les plus fortes visent le second, quand une inférence incertaine sert à prendre une décision qui engage quelqu'un : une embauche, une note, un contrôle.