Une IA peut-elle cerner la personnalité de vos proches ?
Ce que les modèles savent réellement déduire de nos conversations.
Le point le plus inquiétant n’est pas qu’une IA puisse établir un portrait psychologique parfait : la recherche ne le démontre pas. Le véritable changement est qu’un modèle généraliste peut déjà extraire, sans entraînement psychologique spécifique, des signaux sur les Big Five, certains styles relationnels, des affects ou des valeurs à partir de textes ordinaires. En 2026, plusieurs travaux confirment cette capacité tout en montrant des limites suffisamment importantes pour interdire de confondre une estimation algorithmique avec une évaluation psychologique fiable.
Ce que l’IA sait réellement déduire de notre personnalité
Une conversation contient beaucoup plus d’informations qu’elle n’en donne l’impression. Le vocabulaire, la longueur des réponses, la manière de nuancer une opinion, la fréquence des marques d’hésitation, la façon de raconter un conflit ou de parler de soi constituent autant de signaux. Un modèle de langage n’a pas besoin de « comprendre » une personne comme le ferait un psychologue pour repérer des régularités entre ces signaux et des profils observés dans ses données.
Les recherches se concentrent souvent sur le modèle des Big Five : ouverture à l’expérience, conscienciosité, extraversion, agréabilité et neuroticisme. Il ne s’agit pas d’un diagnostic médical. Ce sont des dimensions utilisées en psychologie de la personnalité pour décrire des tendances relativement stables. Les LLM peuvent recevoir un texte puis estimer où son auteur semble se situer sur chacune de ces dimensions.
Le glissement est important. L’IA générative n’est plus uniquement un outil qui produit du texte ou des images. Elle devient aussi un système qui infère des informations qui n’ont pas été explicitement déclarées. Nous observons le même principe lorsque ChatGPT estime l’âge probable d’un utilisateur ou lorsque la reconnaissance visuelle permet de déduire un lieu à partir d’une photographie. La donnée sensible n’est donc plus seulement celle que l’on fournit : c’est aussi celle que le système peut reconstruire.
En 2026, les études confirment la capacité mais pas le fantasme de la lecture mentale
Les résultats disponibles ne donnent pas un chiffre unique de précision. C’est justement le point essentiel. Les performances varient selon le modèle, le type de texte, sa longueur, la manière dont les questions sont posées et le trait que l’on cherche à estimer.
Une étude publiée dans Computers in Human Behavior: Artificial Humans a demandé à GPT-4 d’anticiper les réponses de 1 011 participants sur trente échelles psychologiques à partir de courtes descriptions personnelles. La corrélation globale avec les auto-évaluations atteignait 0,35, contre 0,20 pour les juges humains utilisés comme comparaison. Les auteurs parlent d’une capacité d’inférence sociale notable, pas d’une lecture exacte des individus.
À l’inverse, une étude de 2025 portant sur 555 entretiens réels et plusieurs modèles a obtenu une validité beaucoup plus faible : la meilleure corrélation avec les scores de référence ne dépassait pas 0,27. Les auteurs constatent aussi une tendance des modèles à concentrer les prédictions autour de niveaux moyens ou élevés. Un résultat convaincant dans un protocole ne garantit donc pas la même performance dans une conversation réelle.
Une IA peut-elle vraiment cerner la personnalité de vos proches à partir de vos échanges ?
Techniquement, un utilisateur peut copier des messages reçus d’un proche dans un modèle et lui demander d’en tirer des hypothèses sur son caractère. Mais la formulation « cerner la personnalité » doit être maniée avec prudence. Les études les plus solides évaluent généralement des textes produits par les personnes elles-mêmes puis comparent les prédictions du modèle à des questionnaires. Elles ne démontrent pas qu’un chatbot peut connaître de manière fiable une personne absente à travers une poignée de messages sélectionnés par quelqu’un d’autre.
Le biais de sélection est considérable. Dans une dispute, un utilisateur peut ne fournir que les messages agressifs de l’autre personne. Dans une relation professionnelle, il peut choisir uniquement des échanges formels. Dans une conversation familiale, il peut omettre tout le contexte qui explique une réaction. L’IA analysera alors non seulement la personne décrite, mais aussi la sélection opérée par celui qui lui fournit les données.
Le problème du consentement apparaît immédiatement. Une personne peut n’avoir jamais utilisé le service d’IA concerné et voir pourtant ses messages transmis par un tiers. Cette question rejoint les inquiétudes suscitées par l’accès aux conversations privées, par l’exposition de fichiers privés dans des services IA ou par la fuite de conversations liées à des chatbots.
Pourquoi un portrait psychologique produit par une IA peut être convaincant et pourtant faux
Les LLM sont particulièrement bons pour produire des explications fluides. C’est une force rédactionnelle, mais un danger lorsqu’on leur demande d’interpréter une personne. Une hypothèse fragile peut être formulée avec le même aplomb qu’une observation solide. Le lecteur risque alors de confondre la qualité de la formulation avec la qualité de la preuve.
Plusieurs biais sont documentés. Une étude sur ChatGPT et les Big Five a identifié un biais de positivité : le modèle tendait à produire des évaluations plus favorables. D’autres travaux montrent que la précision peut varier selon l’âge ou le genre des personnes dont les textes sont analysés. Les données d’entraînement, les normes culturelles et la manière dont les groupes s’expriment en ligne peuvent donc influencer le résultat.
Les modèles ont aussi tendance à ramener les individus vers des profils moyens. Dans l’étude sur les conversations réelles publiée en 2025, les prédictions étaient biaisées vers des niveaux modérés ou élevés de certains traits. Un système peut donc sembler raisonnable précisément parce qu’il évite les extrêmes, sans pour autant avoir correctement identifié la personne.
Cette mécanique ressemble à celle de la désinformation : une information crédible n’est pas forcément vraie. Nous avons déjà détaillé les mécanismes et le coût de la désinformation numérique. Avec le profilage psychologique, le risque est plus intime parce que la conclusion peut modifier la manière dont on perçoit un conjoint, un collègue, un adolescent ou un client.
Le vrai risque : profiler des millions de personnes à partir de traces ordinaires
À l’échelle individuelle, une analyse de personnalité peut être maladroite ou intrusive. À l’échelle industrielle, la même capacité change de nature. Une entreprise disposant de millions de conversations, d’avis, de tickets de support ou de publications peut théoriquement automatiser des inférences sur les préférences, la vulnérabilité, le style décisionnel ou la propension à répondre à certains messages.
Le marketing est le cas le plus évident. La personnalisation classique segmente déjà les utilisateurs selon leurs comportements. Le profilage psychologique ajoute une couche : adapter non seulement le produit présenté, mais le ton, l’urgence, le type d’argument et la pression persuasive à la personne. Un utilisateur anxieux ne recevrait pas la même formulation qu’un utilisateur recherchant la nouveauté ou la reconnaissance sociale.
Les plateformes accumulent déjà des données comportementales extrêmement riches. L’arrivée de systèmes capables de transformer le langage en variables psychologiques rend la confidentialité encore plus centrale. Les débats sur OpenAI et le RGPD, sur les fuites massives de comptes ou sur les services qui veulent prolonger numériquement l’identité après la mort montrent que l’enjeu n’est plus seulement de protéger un mot de passe. Il faut aussi protéger ce que les données permettent de déduire.
RGPD et AI Act : le profilage psychologique n’est pas une zone sans règles
En Europe, le RGPD encadre déjà le profilage. La Commission européenne rappelle qu’il y a profilage lorsqu’une organisation évalue des aspects personnels afin d’effectuer des prédictions ou de classer une personne. Le fait qu’une caractéristique soit déduite par un algorithme plutôt que directement déclarée ne la fait donc pas disparaître du champ de la protection des données.
Les personnes disposent notamment d’un droit à l’information sur le traitement de leurs données. Elles bénéficient aussi de protections particulières lorsque des décisions sont prises exclusivement par des moyens automatisés et produisent des effets juridiques ou les affectent de manière significative. Le contexte, la finalité et la base légale restent déterminants.
L’AI Act européen ajoute une logique fondée sur le niveau de risque. Certaines pratiques sont interdites, notamment la manipulation nuisible, l’exploitation de vulnérabilités, la notation sociale, certaines formes de police prédictive reposant sur le profilage et la reconnaissance des émotions sur le lieu de travail ou dans les établissements d’enseignement, sauf exceptions prévues pour des raisons médicales ou de sécurité.
Pour les entreprises, le sujet rejoint plus largement la conformité IA en 2026. La question n’est pas seulement « pouvons-nous techniquement analyser ces données ? », mais « avons-nous le droit de le faire, pour quelle finalité, avec quelle information des personnes et quelles conséquences ? ».
Comment protéger ses conversations et celles de ses proches
La première règle est simple : ne transmettre à un chatbot que les informations nécessaires à la tâche. Copier plusieurs années de messages privés pour obtenir une analyse relationnelle donne au modèle beaucoup plus de contexte que demander de reformuler une réponse précise.
Il faut également anonymiser lorsque c’est possible. Retirer les noms ne suffit pas toujours : une profession, une ville, un événement familial, un numéro de dossier ou une combinaison de détails peut permettre d’identifier indirectement une personne. Les échanges professionnels sont particulièrement sensibles lorsqu’ils contiennent des données de clients, de salariés ou de partenaires.
Avant d’utiliser un service d’IA, il faut comprendre ce qu’il fait des données envoyées : conservation, historique, éventuelle utilisation pour l’amélioration des modèles, partage avec des sous-traitants et options de confidentialité. Une politique peut évoluer ; elle doit être vérifiée sur le service utilisé plutôt que supposée à partir de souvenirs.
Dans un cadre familial, le consentement reste le meilleur repère. Si une analyse porte réellement sur une autre personne, lui demander son accord évite de franchir une frontière que la facilité technique rend presque invisible. Un message reçu n’est pas automatiquement une donnée que l’on peut réutiliser pour n’importe quelle finalité.
Ce qui peut changer dans les prochaines années
La tendance de fond est claire : les modèles progressent dans l’exploitation de contextes longs et hétérogènes. Texte, voix, image, historique de navigation ou interactions répétées peuvent fournir des signaux complémentaires. Le profilage de demain ne reposera probablement pas sur un questionnaire, mais sur l’agrégation silencieuse de comportements ordinaires.
Les travaux publiés en 2026 montrent déjà que la performance dépend de la richesse contextuelle. Plus un système peut poser des questions pertinentes ou observer plusieurs situations, plus il peut construire une représentation cohérente de l’utilisateur. Cela ne garantit toujours pas l’exactitude individuelle, mais augmente la valeur prédictive de l’ensemble.
Les assistants deviennent en parallèle plus présents dans les usages quotidiens. La croissance de Gemini face à ChatGPT, les choix internes de Microsoft concernant les modèles d’IA et la multiplication des assistants spécialisés rendent ces technologies moins exceptionnelles. Elles deviennent une couche permanente de l’environnement numérique.
Cette banalisation explique pourquoi le débat public reste partagé. Les citoyens oscillent entre curiosité et inquiétude face à l’intelligence artificielle, précisément parce que les bénéfices sont visibles alors que les conséquences du profilage sont plus difficiles à percevoir.
Les progrès spectaculaires observés dans d’autres domaines, comme la résolution assistée par IA de problèmes mathématiques complexes, ne doivent pas être transposés automatiquement à la psychologie. Un problème mathématique possède une réponse démontrable. Une personnalité humaine est contextuelle, évolutive et imparfaitement mesurée même par les outils psychométriques classiques.
IA et personnalité : ce qu’il faut retenir.
Une IA peut-elle réellement deviner la personnalité d’une personne ?
Elle peut estimer certains traits à partir du langage avec une précision supérieure au hasard et parfois comparable ou supérieure à des juges humains dans certains protocoles. Cela reste une inférence probabiliste.
Le chiffre r = 0,62 signifie-t-il 62 % de précision ?
Non. Une corrélation de 0,62 n’est pas un taux de réussite de 62 %. Les performances varient fortement selon les traits, les textes et les protocoles.
Peut-on demander à une IA d’analyser les messages d’un proche ?
Techniquement oui, mais le résultat dépend du contexte sélectionné et peut être biaisé. Transmettre les conversations d’un tiers pose aussi des questions de confidentialité et de consentement.
Une analyse IA peut-elle remplacer un test psychologique ?
Non. Une inférence générée à partir de messages ne doit pas être assimilée à une évaluation psychométrique validée ni à un diagnostic clinique.
Le RGPD concerne-t-il les profils déduits par une IA ?
Le RGPD encadre le profilage lorsqu’une organisation évalue des aspects personnels afin d’effectuer des prédictions ou de classer une personne.
Les IA sont-elles meilleures que les humains pour juger la personnalité ?
Certaines études trouvent de meilleures corrélations pour les LLM sur des tâches précises, tandis que d’autres obtiennent une validité faible. Il n’existe pas de supériorité générale démontrée.
- Computers in Human Behavior: Artificial Humans — AI infers diverse psychological traits from text without specific training.
- Scientific Reports — An interviewer–evaluator–judger LLM framework for text-based personality inference, 23 juillet 2026.
- Peters, Cerf et Matz — Large Language Models Can Infer Personality from Free-Form User Interactions.
- Zhu, Jin et Coifman — Can LLMs Infer Personality from Real World Conversations?.
- Derner et al. — Can ChatGPT read who you are?.
- Commission européenne — décisions automatisées et profilage au titre du RGPD.
- Commission européenne — AI Act et pratiques interdites.
WY-Créations travaille sur la visibilité numérique, le référencement et les transformations liées aux moteurs de recherche et aux intelligences artificielles. Retrouvez également les avis clients de WY-Créations.
Votre entreprise doit rester visible dans des moteurs qui ne fonctionnent plus comme avant.
SEO, GEO, architecture de contenus et stratégie de visibilité : WY-Créations travaille la présence des entreprises dans Google comme dans les nouveaux environnements de recherche assistés par IA.