J’extrapole probablement, mais il me semble que chaque maison possède un dictionnaire des rêves dans sa bibliothèque. C’était le cas de la bibliothèque familiale et, bien que doutant de la fiabilité d’un tel ouvrage, je le consultais à l’occasion. Les résultats étaient toujours un peu étranges, les pires cauchemars s’avérant finalement porteur de bonnes nouvelles… Fidèle à mes habitudes, j’ai consulté les plus récentes nouvelles du journal Science, pour y découvrir une façon pour le moins atypique d’utiliser les algorithmes. À partir de milliers de rêves consignés par plusieurs rêveurs, les chercheurs ont bâti un algorithme d’analyse de rêves. Est-ce un drôle de projet de fin de semaine ou une avenue intéressante pour les psychothérapeutes ?

                Avant d’aller plus loin, les rêves sont bel et bien utilisés en psychothérapie. Ils permettent à certaines personnes de comprendre certaines émotions, de prendre conscience de leur état mental et de les aider à gérer certaines situations de leur vie. Il existe des systèmes qui permettent de classifier les rêves, le plus utilisé étant celui de Hall et Van de Castle. Ce système est basé sur trois éléments : les personnages, un scénario où les personnages interagissent et un processus qui reflète plusieurs états émotionnels. L’analyse de milliers de rêves en utilisant ce système a mené William Domhoff à faire un lien entre les rêves et la vraie vie. En fait, vous l’avez probablement déjà vécu! Par exemple, si vous vivez des événements inhabituels ou particulièrement stressant dans la journée ou que vous anticipez un événement à venir, les chances sont grandes pour que vos rêves soient le reflet de ces événements. C’est ce qu’on appelle l’hypothèse de la continuité.

                Dans l’article de Fogli et collaborateurs, on tente d’analyser les rêves par algorithme, donc en entraînant un ordinateur pour l’analyse. Pour ce faire, on doit utiliser des bases de données. D’abord, la base de données de rêves DreamBank.net a été utilisé. Cette base de données compte plus de 38 000 récits de rêves, racontés de 1960 à 2015. Ce sont ces rêves qui seront analysés.

Comme l’algorithme ne sait pas lire, on doit lui apprendre certaines choses. Prenons par exemple les personnages. À l’aide de la base de données Wikidata, l’algorithme compare les mots retrouvés dans la description des rêves, avec ceux qui se trouvent dans les trois sous-bases de données suivantes: Personnes, animaux, personnages de fiction. On poursuit ensuite avec l’identification du genre des personnages. Par exemple, si le personnage s’appelle Jack, il sera probablement reconnu comme un personnage masculin. On peut ensuite pousser plus loin en déterminant si le personnage est vivant ou mort, l’algorithme étant en mesure d’identifier des mots relatifs à la description d’un décès. Donc, en faisant intervenir plusieurs bases de données, nous pouvons extraire plusieurs informations d’un récit de rêve d’environ 50 mots. Ces informations sont ensuite associées aux « rêveurs » et nous pouvons savoir si, par exemple, les vétérans de la guerre font plus de rêves violents que la moyenne.

                On procède ensuite de la même façon pour les interactions, cette fois-ci en utilisant des bases de données de verbes, qui ont été classifiés en verbe d’agressivité (négatifs) ou de convivialité (positifs) . Finalement, on analyse les émotions grâce à la base de données Emolex, qui regroupe tous les termes associés aux huit principales émotions (colère, peur, anticipation, confiance, surprise, tristesse, joie et dégoût). Il est ensuite possible de faire une moyenne des termes pour savoir si le rêves reflètent plus d’émotions positives ou négatives.

                Bien sûr, il s’agit de travaux préliminaires et les auteurs de l’article sont loin de prétendre qu’ils détiennent la clé des rêves ! D’abord, il est très clair dans l’article que, pour certains groupes de rêves, le nombre de récits est trop petit pour pouvoir tirer une vraie conclusion. Rappelez-vous, la clé de l’intelligence artificielle est l’entraînement et l’entraînement se fait avec toujours plus de données !

                Toutefois, ce genre d’outil pourrait être très utile une fois qu’il sera parfaitement au point ! Il pourrait permettre de suivre l’état de santé mentale des gens qui souffrent de syndrome post-traumatique (dû à la guerre, entre autres), mais il pourrait aussi servir aux équipes de santé publique pour évaluer l’état des quartiers plus à risque de violence.

Pour l’article complet, c’est ici : https://royalsocietypublishing.org/doi/10.1098/rsos.192080

Votre commentaire

Entrez vos coordonnées ci-dessous ou cliquez sur une icône pour vous connecter:

Logo WordPress.com

Vous commentez à l’aide de votre compte WordPress.com. Déconnexion /  Changer )

Photo Google

Vous commentez à l’aide de votre compte Google. Déconnexion /  Changer )

Image Twitter

Vous commentez à l’aide de votre compte Twitter. Déconnexion /  Changer )

Photo Facebook

Vous commentez à l’aide de votre compte Facebook. Déconnexion /  Changer )

Connexion à %s