Chaque pensée laisse une trace : une faible décharge électrique sur le cuir chevelu. Un appareil muni de dizaines de fils, semblable à un bonnet de bain, capture ces traces et les transforme en lignes ondulées. À partir de ces lignes, on peut deviner ce que ressent une personne, même si elle reste silencieuse. Dans cette nouvelle étude, trois programmes informatiques se sont affrontés pour déterminer lequel lisait le mieux ces lignes et identifiait si l'humeur était mauvaise, neutre ou bonne.
Le premier programme, la régression logistique, agit comme un secrétaire méticuleux : il range les signaux dans des cases et cherche des frontières nettes. Le deuxième, la machine à vecteurs de support, est comme un agent de douane strict qui trace une ligne de séparation maximale entre les classes. Le troisième, la forêt aléatoire, rassemble des centaines de petites décisions en un verdict commun, à l'image d'une volée de moineaux où chaque oiseau observe la tâche depuis sa branche, mais ensemble ils trouvent infailliblement la nourriture.
Les tests ont montré que la forêt aléatoire reconnaissait les émotions avec la plus grande précision. Sa précision et son score F1 (la moyenne entre précision et rappel) étaient supérieurs à ceux des deux autres programmes, et dépassaient même les meilleurs modèles précédents. Autrement dit, la forêt a mieux saisi comment le cerveau « sonne » lorsqu'on est joyeux, anxieux ou indifférent.
Cette approche pourrait être utile dans des appareils intelligents qui s'adaptent à l'humeur : des jeux qui modifient leur scénario aux assistants qui détectent la fatigue du conducteur. Mais avant une adoption à grande échelle, il faudra davantage de données — pour l'instant, l'échantillon était limité, et la forêt devra prouver sa valeur sur de nouvelles personnes.
L'électroencéphalogramme capte des signaux d'une amplitude de seulement quelques microvolts — soit un million de fois plus faibles que la tension d'une pile.