Recherche

Psychologie computationnelle : mesurer l’esprit avec des modèles

La psychologie computationnelle chez CLINICOG est au carrefour des sciences cognitives, de l’intelligence artificielle et de la psychométrie clinique. Elle vise à développer des modèles mathématiques et algorithmiques pour mieux comprendre, diagnostiquer et prédire les phénomènes psychologiques.

Cet axe porte nos travaux de psychométrie : validation d’instruments renforcée par l’apprentissage automatique, normes françaises actualisées et construction de nouveaux outils de dépistage. Les instruments qui en résultent sont présentés dans nos outils validés.

Nous contacter
Illustration cerveau

Une approche interdisciplinaire de la mesure

Nous intégrons à la psychométrie classique (validité, fidélité, standardisation) des méthodes issues du machine-learning, des modèles bayésiens, des réseaux de neurones et de la logique formelle. Elle permet de :

  • Créer des modèles prédictifs plus précis que l’analyse factorielle classique
  • Vérifier qu’un instrument mesure bien le construit qu’il prétend mesurer, et rien d’autre
  • Identifier des patterns cognitifs ou psychologiques « invisibles » à l’œil humain
  • Accélérer le dépistage clinique dans une logique open science et reproductibilité
Visualisation algorithmique d’un visage numérique

Validation psychométrique augmentée par l’IA

Dans plusieurs études, nous avons utilisé des modèles d’intelligence artificielle (XGBoost, Random Forest, SVM) pour compléter les méthodes statistiques classiques dans la validation d’outils psychologiques. Cette double approche permet d’obtenir un niveau de preuve renforcé avant diffusion clinique, en testant à la fois la validité de construit et la validité critériée sur des ensembles de données complexes [Trognon, Cherifi et al., 2022].

Nous avons ensuite montré la valeur de cette expérience computationnelle comme étape de contrôle : sur une échelle d’autisme à haut niveau de fonctionnement administrée à 110 patients et 110 témoins, les indices classiques étaient satisfaisants, mais les modèles entraînés sur l’échelle ne dépassaient pas ceux entraînés sur des échelles de comorbidité. La spécificité du construit doit donc être démontrée, pas seulement supposée [Poli et al., 2024].

Questionnaires papier sur un bureau

Normes et référentiels actualisés

Un instrument n’est utile en clinique que si ses scores se lisent contre une population de référence pertinente. Nous produisons des normes françaises avec des méthodes contemporaines :

  • Qualité de vie : réétalonnage du questionnaire MOS‑SF36 chez les 18–24 ans par approche factorielle confirmatoire, avec rangs percentiles par dimension [Trognon, Tinti et al., 2022] (voir l’outil).
  • Cognition sociale : cadre normatif multidimensionnel de la Batterie de Cognition Sociale (BCS) chez l’adulte de 20 à 69 ans, avec stratification par âge et sexe guidée par les données, profils par émotion, matrices de confusion et temps de réponse [Trognon, Koïdé et al., 2026] (voir l’outil).
+Disponible sur AlphaPsy™ | NUCLEUS
Illustration de la psychologie computationnelle

Nouveaux construits et outils de dépistage

La même démarche sert à construire des instruments courts et à vérifier la structure des construits qu’ils visent :

  • TDAH de l’adulte : le TRAQ‑10, 10 items issus du DSM‑5, classe les profils inattention / impulsivité avec une précision de 98 % (XGBoost) sur 220 adultes [Trognon & Richard, 2022] (voir l’outil).
  • Habiletés psychomotrices : chez 61 joueurs de jeux de tir à la première personne, une analyse factorielle confirmatoire valide un modèle à deux facteurs de la visée (« tracking » et « flicking »), preuve que la méthode s’exporte hors de la clinique [Koïdé et al., 2024].
+Disponible sur AlphaPsy™ | NUCLEUS

En savoir plus ?

Les instruments issus de cet axe sont disponibles pour les professionnels : TRAQ‑10, normes MOS‑SF36 et Batterie de Cognition Sociale.

Nos publications sont accessibles sur ResearchGate et sur les sites des revues (BMC Psychiatry, BMC Psychology, Scientific Reports…).

Pour toute collaboration, démonstration ou acquisition de nos outils :

contact@clinicog.fr

Publications mentionnées :

Koïdé, N., Altakroury, H., Poli, A., Mahdar-Recorbet, L., & Trognon, A. (2024). A psychological construct for aiming in First-Person Shooters. Research Square (prépublication). https://doi.org/10.21203/rs.3.rs-4624991/v1

Poli, A., Thiriet, J., Altakroury, H., Ecosse, S., Mahdar-Recorbet, L., Stortini, N., Duman, C., Koïdé, N., & Trognon, A. (2024). A practical example of the relevance of computational psychometric experiments in clinical scale validation. Research Square (prépublication). https://doi.org/10.21203/rs.3.rs-4786094/v1

Trognon, A., Cherifi, Y. I., Habibi, I., Demange, L., & Prudent, C. (2022). Using machine-learning strategies to solve psychometric problems. Scientific Reports, 12(1), 18922. https://doi.org/10.1038/s41598-022-23678-9

Trognon, A., Koïdé, N., Stortini, N., Duman, C., Mahdar-Recorbet, L., Poli, A., & Altakroury, H. (2026). A multidimensional normative framework for fine-grained social cognition assessment with the BCS-Greco. BMC Psychology. https://doi.org/10.1186/s40359-026-05124-x

Trognon, A., & Richard, M. (2022). Questionnaire-based computational screening of adult ADHD. BMC Psychiatry, 22(1), 401. https://doi.org/10.1186/s12888-022-04048-1

Trognon, A., Tinti, E., Beaupain, B., Donadieu, J., & Musiol, M. (2022). Establishment of MOS-SF36 percentile ranks in the general youth French population. BMC Psychology, 10(1), 74. https://doi.org/10.1186/s40359-022-00786-9