L'intelligence artificielle cognitive et empathique représente l'une des frontières les plus discutées de la recherche et de l'industrie technologique actuelle. Elle regroupe les systèmes capables d'analyser le contexte émotionnel d'un échange — à partir de la voix, du texte, ou d'images — pour adapter leur réponse et rendre l'interaction plus fluide, plus pertinente, voire plus humaine.
Loin de la science-fiction, ces technologies sont déjà déployées dans des domaines très concrets : centres de relation client, accompagnement en santé mentale numérique, outils pédagogiques adaptatifs, assistants vocaux de nouvelle génération. ONTBO, la startup fondée par Athénaïs Oslati, explore précisément comment rendre ces systèmes non seulement performants mais aussi éthiquement responsables et culturellement sensibles.
L'enjeu n'est pas seulement technique : il touche à la confiance, à la transparence et à la question fondamentale de savoir ce que nous acceptons de confier à une machine — y compris nos états intérieurs. La diversité culturelle complexifie encore l'équation : une expression de tristesse en France n'est pas perçue ni codifiée de la même façon qu'au Japon ou au Brésil.
L'IA empathique désigne des systèmes capables de détecter, d'interpréter et de prendre en compte les états émotionnels humains pour adapter leur comportement en temps réel. Elle ne ressent rien : elle traite des signaux (voix, texte, expressions) pour moduler ses réponses. L'objectif est de rendre les interactions numériques moins froides et plus contextuellement appropriées.
L'IA détecte les émotions en combinant plusieurs canaux : l'analyse de la prosodie vocale (ton, rythme, intensité), le traitement du langage naturel (NLP) pour repérer des marqueurs émotionnels dans le texte, la vision par ordinateur pour les micro-expressions faciales, et parfois des capteurs biométriques. Des modèles d'apprentissage profond, entraînés sur des corpus labellisés, classifient ensuite ces données en états émotionnels avec un score de confiance.
L'IA cognitive désigne les systèmes capables de raisonner, d'apprendre et de résoudre des problèmes complexes en imitant certaines fonctions du cerveau humain (mémoire, attention, raisonnement). L'IA empathique en est une sous-branche spécialisée dans la dimension émotionnelle et relationnelle. En pratique, un système empathique s'appuie sur une architecture cognitive pour contextualiser les émotions détectées et produire une réponse adaptée.
Les applications sont déjà opérationnelles dans plusieurs secteurs : les centres de contact utilisent l'analyse émotionnelle en temps réel pour orienter les appels et réduire la friction ; les plateformes d'e-learning adaptent le rythme et le contenu selon l'état de concentration de l'apprenant ; des applications de santé mentale numérique proposent un suivi de l'humeur ; enfin, des assistants vocaux ajustent leur ton selon la détresse perçue de l'utilisateur.
Les risques principaux sont : la collecte de données émotionnelles biométriques sans consentement éclairé (encadrée par le RGPD en Europe), les biais algorithmiques dus à des données d'entraînement peu diversifiées, le risque de manipulation émotionnelle à des fins commerciales ou politiques, et la possible réduction de la personne humaine à un profil émotionnel figé. Le podcast Tendances INNO de Docaposte explore ces enjeux avec Athénaïs Oslati, fondatrice d'ONTBO, en soulignant l'importance d'une gouvernance rigoureuse et transparente.
Non, et c'est l'un des défis majeurs du domaine. Les expressions émotionnelles sont partiellement universelles (travaux de Paul Ekman sur les émotions basiques) mais fortement modulées par les normes culturelles. Un sourire peut signifier gêne dans certaines cultures est-asiatiques là où il exprime la joie en Occident. Un modèle d'IA entraîné majoritairement sur des données occidentales sera beaucoup moins précis pour des utilisateurs d'autres origines, ce qui pose à la fois un problème d'efficacité et d'équité.
L'adoption passe par plusieurs étapes : identifier des cas d'usage où la dimension émotionnelle crée réellement de la valeur (relation client, RH, formation), choisir des solutions auditées sur la diversité de leurs données d'entraînement, définir des règles claires de collecte et de conservation des données émotionnelles, et former les équipes à interpréter les sorties du modèle comme une aide à la décision — jamais comme une vérité absolue. Un pilote limité sur un périmètre maîtrisé est toujours recommandé avant tout déploiement à grande échelle.
Non, dans l'état actuel des connaissances scientifiques. Comprendre et ressentir impliquent une conscience subjective que les systèmes d'IA ne possèdent pas. Ce que l'IA fait, c'est reconnaître des patterns statistiques corrélés à des états émotionnels déclarés par des humains lors de la phase d'annotation. La confusion entre "détecter" et "ressentir" est un écueil courant dans la communication autour de ces technologies et peut induire en erreur utilisateurs comme décideurs.