Intelligence artificielle Intelligence artificielle : Détecter le burn-out grâce au traitement naturel du langage...

Pour approfondir le sujet

Sur le même thème :

Afrique : Le CRDI veut catalyser l’écosystème des innovateurs en IA grâce à des bourses de recherche

En 2020, le CRDI et l'Agence suédoise de coopération internationale au développement (ASDI) ont lancé le programme Intelligence artificielle pour le développement en Afrique...

Bien-être animal : Des chercheurs ont développé un algorithme qui traduit les vocalisations des porcs

Comme tous les animaux, les porcs sont des êtres sensibles, intelligents et capables de ressentir des émotions telles que la peur et la douleur...

La région Ile-de France labellise 9 domaines de recherche et d’innovation majeurs

Réseaux scientifiques pluridisciplinaires, créés à l’initiative de la Région Ile-de-France, les Domaines d’intérêt majeur (DIM) ont pour objectif de fédérer des équipes de recherche...

Les Hospices civils de Lyon, l’INRIA et L’Université Claude-Bernard de Lyon s’associent pour inventer la santé et l’hôpital de demain

Les Hospices civils de Lyon (HCL), l'Institut national de recherche en sciences et technologies du numérique (Inria) et l'université Claude-Bernard de Lyon (UCBL) ont...

Intelligence artificielle : Détecter le burn-out grâce au traitement naturel du langage (NLP)

L’épuisement professionnel, ou burn out, est un état de fatigue profonde à la fois physique et psychique résultant d’un stress chronique dans le cadre du travail. Mascha Kurpicz-Briki, professeure en ingénierie des données à la Haute Ecole Spécialisée Bernoise à Bienne, et son équipe de scientifiques soutenus par le Fonds national suisse (FNS) viennent de mettre au point une méthode permettant sa détection, basée sur l’analyse automatique de textes. L’étude intitulée « BurnoutEnsemble : intelligence augmentée pour détecter les indications de burnout en psychologie clinique » dans « Frontiers in Big Data ».

Dans une étude portant sur près de 10 000 adultes actifs de 8 pays européens, il a été constaté que 18 % des personnes interrogées se sentent stressées quotidiennement, et 30% d’entre elles à un tel point qu’elles envisagent de changer d’emploi. Ce stress peut aller jusqu’à entraîner un épuisement professionnel ou burn-out.

L’identification clinique de ce syndrome est difficile car les symptômes ressemblent à ceux de la dépression ou de l’anxiété, entre autres. Pour le détecter, les psychologues se basent sur des tests psychologiques dans lesquels les patients remplissent un questionnaire en cochant des questions à choix multiples comme le « Maslach Burnout Inventory », composé de 22 questions à choix multiples réparties en trois catégories : épuisement professionnel, dépersonnalisation/perte d’empathie et évaluation de la performance personnelle.

Exemple de question-réponse type : « Je me sens à bout à la fin de ma journée de travail: jamais/quelquefois/chaque jour ». Certaines personnes n’osent pas cocher les réponses « jamais » et « chaque jour » ou alors sont tentées de mentir pour influencer les résultats.

Des questionnaires plus complets, composés de questions ouvertes, peuvent également être utilisés pour détecter le burn-out. Bien qu’ils apportent des informations plus pertinentes, ils nécessitent un important travail d’analyse et ne sont donc pas appliqués.

Une recherche basée sur l’analyse de textes

L’équipe de Mascha Kurpicz-Briki a mis à profit l’intelligence artificielle dans une méthode qui analyse automatiquement des textes et identifie, sur cette base, si le langage relève du burn-out ou pas. L’objectif est d’étudier si ces questions en texte libre sont efficaces et de développer une métrique automatisée pour évaluer ces questions. Avec succès : la méthode identifie correctement 93% des cas de burn-out. La scientifique déclare :

« Le traitement automatique du langage est efficace pour détecter le burn-out tout en étant peu chronophage, ce qui est très prometteur. »

Collecte de données

Dans le cadre de ce travail, la scientifique a analysé avec son équipe des textes issus de la plateforme Reddit, un site internet communautaire anglophone qui fonctionne comme un forum de discussions organisé par thématiques. Bien qu’il existe un subreddit dédié au burnout, le nombre d’entrées était trop faible pour fournir un ensemble de données suffisamment volumineux, l’équipe a donc ajouté des textes provenant de forums thématiques variés.

Elle a ainsi constitué un ensemble de données composé de 13 568 échantillons décrivant des expériences de première main, dont 352 sont liés à l’épuisement professionnel et 979 à la dépression. Elle a ensuite eu recours à l’apprentissage automatique pour mettre au point une méthode qui évalue si un texte relève du burn-out ou non.

Concrètement, elle a d’abord classé les extraits de texte récoltés :

  • Les textes des fils de discussion sur le burn-out ont été classés manuellement, afin d’exclure ceux où le burn-out faisait référence à autre chose.
  • Les textes provenant d’autres fils de discussion, non liés à la santé mentale, ont été étiquetés comme n’étant pas liés au burn-out.

Sur la base de ces exemples, elle a entraîné plusieurs modèles. Chacun utilisait différentes configurations pour déterminer si un texte (jamais vu par le modèle) contenait des indications sur le burn-out ou non. Ces modèles ont ensuite été mis en commun dans le cadre de la méthode de diagnostic qui s’est révélée très efficace.

Si ces résultats sont prometteurs, la collaboration d’expertes et experts médicaux est notamment nécessaire dans une prochaine étape pour vérifier les conclusions de cette étude sur des cas réels de burn-out et sur un échantillon représentatif de la population. Les données récoltées sur Reddit sont en effet anonymes.

Les auteurs soulignent que ce travail est orienté vers l’approche de l’intelligence augmentée plutôt que vers l’intelligence artificielle : au lieu de remplacer les professionnels cliniques, il s’efforce d’adopter une technologie qui responsabilise les humains dans le processus de prise de décision, en fournissant des informations à prendre en compte dans la prise de décision humaine.

Sources de l’article : G. Merhbene, S. Nath, A. Puttick, M. Kurpicz-Briki: Burn-outEnsemble: Augmented Intelligence to Detect Indications for Burn-out in Clinical Psychology. Frontiers in Big Data (2022). https://doi.org/10.3389/fdata.2022.863100


1ère Marketplace de l'IA et de la transformation numérique vous recommande :
 
Marie-Claude Benoit

Partager l'article

Découvrez ActuIA n°8, le nouveau numéro du magazine de l’intelligence artificielle

L’été est bien là et c’est déjà l’heure du nouveau numéro d’ActuIA, votre magazine de l’intelligence artificielle ! Pour ce n°8 d’ActuIA, disponible dès...

Victor Schmidt, doctorant sous la direction de Yoshua Bengio, est le lauréat de la 6ème bourse Antidote en TAL

Druide informatique a annoncé fin mai la nomination du lauréat de la 6e Bourse Antidote en traitement automatique de la langue (TAL). Victor Schmidt,...

Retour sur le lauréat du Prix CNIL-INRIA pour la protection de la vie privée

Fin mai, François Pelligrini et Mathieu Cunche, co-présidents du Jury du Prix CNIL-Inria, ont remis le prix pour la protection de la vie privée...

La Lufthansa s’appuie sur le logiciel « Virtual Aviation Training » de NMY pour former ses équipes de cabine

La pandémie a fortement impacté les compagnies aériennes. Depuis la levée des restrictions sanitaires, elles doivent affronter un autre problème : malgré une forte...
Recevoir une notification en cas d'actualité importante    OK Non merci