31/10/2025
« Quand un ado de 17 ans détecte la Maladie de Parkinson en 3 secondes grâce à la voix »
Imaginez : vous enregistrez trois secondes de votre voix sur un téléphone, et en quelques instants un algorithme vous indique un risque de maladie neurologique. Ça paraît presque de la science-fiction. Et pourtant : c’est ce que vient de réaliser Matthew Shen, 17 ans, à Toronto.
Depuis sa chambre, il a développé une intelligence artificielle capable d’analyser un enregistrement audio de très courte durée et de détecter les premiers signes de la maladie de Parkinson — bien avant que les symptômes visibles n’apparaissent. L’idée : un modèle entraîné sur des milliers de voix, capable de repérer des micro-variations imperceptibles à l’oreille humaine, des « empreintes vocales » annonciatrices d’un dysfonctionnement neurologique.
Pourquoi c’est important
• Le diagnostic de la maladie de Parkinson se fait souvent tardivement, quand les symptômes moteurs (tremblements, rigidité) sont déjà apparus. Un dépistage précoce ouvre des fenêtres de soin plus larges.
• La solution proposée par Matthew ne nécessite ni machines hors de prix, ni examens lourds : juste un téléphone, une courte prise de son.
Ce que montrent les publications scientifiques:
La recherche publiée sous le titre « Explainable artificial intelligence to diagnose early Parkinson’s disease via voice analysis » (dans la r***e Scientific Reports) montre qu’un modèle hybride (CNN, RNN, MKL, perceptron multicouche) appliqué à des enregistrements vocaux a obtenu une précision d’environ 91 % et un AUC de ~0,9125. 
Les auteurs utilisent aussi une méthode d’explicabilité (SHAP) pour déterminer quelles composantes de la voix – jitter, shimmer, coefficients cepstraux (MFCC) – participent à la signature de la maladie. 
Et au-delà du modèle, une échelle de probabilité permet d’attribuer un score de risque, qui pourrait servir à suivre l’évolution au fil du temps. 
Quelques nuances à garder à l’esprit
• Il s’agit pour l’instant d’une preuve de concept : l’échantillon est encore restreint (81 voix dans l’étude citée). 
• Avant adoption clinique, il faudra valider le modèle sur des populations diverses, dans différentes langues, dans différentes conditions d’enregistrement.
• Un algorithme ne remplace pas le diagnostic médical : il peut orienter, alerter, mais ne remplace pas un neurologue.
• Des questions éthiques se posent : protection des données audio, consentement, fiabilité et limites de l’IA.
Ce que cela nous enseigne
• L’innovation ne vient pas toujours des grandes entreprises : ici, un adolescent, une idée, un portable.
• En tant que professionnels (dans la santé, la tech, l’e-santé, etc.), c’est une invitation à penser différemment : à repenser les barrières (coûts, infrastructure), à considérer que le pouvoir des données (ici : la voix) peut être révolutionnaire.
