• Langue : Français
• Discipline : Médecine. Psychiatrie
• Identifiant : 2025ULILM082
• Type de thèse : Doctorat de médecine
• Date de soutenance : 10/04/2025

Résumé en langue originale

Contexte : Le suicide est une cause majeure de mortalité chez les jeunes, particulièrement actifs sur les réseaux sociaux. Ces plateformes sont devenues des espaces d’expression privilégiés où les contenus en lien avec le suicide se multiplient, suscitant l’intérêt de la recherche. L’intelligence artificielle (IA) est mobilisée pour analyser les nombreuses publications. Cette thèse vise à cartographier les études utilisant l’IA pour examiner les contenus suicidaires publiés sur les réseaux sociaux. Méthode : Une revue de la portée a été conduite selon les recommandations PRISMA et les cadres méthodologiques d’Arksey & O’Malley. Soixante-quatre articles publiés entre 2015 et 2022 ont été inclus. Une extraction standardisée a permis d’analyser la population et les plateformes étudiées, les objectifs poursuivis, les modèles d’IA utilisés et leur performance. Résultats : Les objectifs principaux des études sont la détection de contenus suicidaires (n=18) et l’identification d’utilisateurs vulnérables (n=13). Twitter, Reddit et Weibo sont les plateformes les plus exploitées (75,3 %). Le traitement automatique du langage naturel est utilisé dans 100 % des cas, avec une prédominance des approches supervisées (84,4 %) et une progression du Deep Learning. Toutefois, 60,9 % des études ne rapportent aucune donnée démographique, ce qui limite la portée clinique et la généralisation des résultats. Lorsqu’elles sont disponibles, ces données indiquent une population généralement jeune et majoritairement féminine. Conclusion : L’IA apparaît comme un levier prometteur pour analyser les contenus suicidaires sur les réseaux sociaux et contribuer à la prévention du suicide, notamment chez les jeunes. Elle permet d’identifier des signaux précoces de détresse psychique à grande échelle. Toutefois, son intégration dans les dispositifs de prévention nécessite une meilleure contextualisation des données, ainsi qu’une standardisation des méthodes et un encadrement éthique rigoureux.