Peut-on vraiment prédire la date de notre mort avec l’IA ?

Non, aucune intelligence artificielle ne peut vous donner la date exacte de votre mort. Mais depuis quelques années, des chercheurs et des entreprises de la tech proposent quelque chose de troublant : une estimation statistique de votre espérance de vie, calculée à partir de vos données de santé, votre mode de vie, voire votre ADN. Le résultat n’est jamais un jour précis sur un calendrier, mais une probabilité qui se rapproche parfois dangereusement de la certitude perçue.

Ce fantasme d’anticiper sa propre fin nourrit une industrie entière, entre applications ludiques qui affichent un compte à rebours so light et des laboratoires de recherche sérieux qui tentent de modéliser la mortalité comme on prédirait la météo. Entre les deux, un écart immense que peu d’utilisateurs mesurent vraiment.

Les algorithmes qui calculent un risque de mortalité

En 2023, une équipe de l’Université technique du Danemark a publié dans la revue Nature Computational Science un modèle baptisé Life2vec. Le principe : traiter une existence humaine comme une phrase, avec des mots-événements (naissance, emploi, hospitalisation, divorce) analysés par un algorithme de traitement du langage, le même type d’outil utilisé pour les chatbots. Entraîné sur les données de plusieurs millions de Danois, ce modèle a réussi à prédire, avec une précision supérieure aux méthodes actuarielles classiques, qui parmi un échantillon allait décéder dans les quatre années suivantes.

Le détail qui a marqué les esprits à l’époque : le modèle associait une probabilité de décès plus élevée à des facteurs qu’on n’aurait pas spontanément reliés à la santé, comme une profession manuelle ou un faible niveau de revenu, confirmant par le calcul ce que les épidémiologistes savent depuis des décennies sur les inégalités sociales de mortalité. Ce n’est pas de la divination, c’est de la statistique appliquée à une échelle inédite grâce à la puissance de calcul actuelle.

Les assureurs américains et scandinaves s’intéressent de très près à ce genre d’outils, non pas pour afficher une date à leurs clients, mais pour ajuster des primes d’assurance-vie. Une pratique qui soulève déjà des questions réglementaires en Europe, où l’utilisation de données de santé à des fins tarifaires reste strictement encadrée.

L’âge biologique, une boussole plus honnête que le calendrier

Loin des grands modèles statistiques, une autre approche a gagné du terrain chez les passionnés de longévité : les horloges épigénétiques. Développées notamment par le généticien Steve Horvath, ces mesures analysent la méthylation de l’ADN, c’est-à-dire de petites marques chimiques qui s’accumulent sur nos gènes avec le temps, pour estimer un âge biologique parfois très différent de l’âge affiché sur la carte d’identité.

Un fumeur de 40 ans stressé et sédentaire peut afficher une horloge épigénétique de 50 ans. À l’inverse, un quadragénaire sportif au sommeil réparateur peut biologiquement en paraître 35. C’est cette logique qui a inspiré une vague de tests génétiques vendus en ligne, promettant de révéler votre véritable âge cellulaire pour quelques dizaines à quelques centaines d’euros selon la précision recherchée.

Les montres connectées et bracelets d’activité surfent sur la même idée, version light. En croisant variabilité de la fréquence cardiaque, qualité du sommeil profond et VO2 max estimée, certains modèles calculent un “âge de forme physique” censé refléter votre condition réelle. C’est ludique, ça motive à bouger davantage, mais la marge d’erreur reste large : ces capteurs optiques au poignet n’ont pas la précision d’un test sanguin en laboratoire, et les algorithmes propriétaires derrière ces scores ne sont presque jamais publiés dans des revues scientifiques évaluées par des pairs.

Pourquoi ces chiffres racontent une probabilité, pas un destin

Le piège de toutes ces technologies, c’est l’illusion de précision qu’elles véhiculent. Un score qui tombe sec, “âge biologique : 47 ans”, ou une probabilité qui s’affiche à l’écran d’une appli, “risque de mortalité à 10 ans : 12 %”, donnent une impression de vérité scientifique absolue. Or ces modèles reposent sur des moyennes de population, appliquées à un individu qui n’est jamais parfaitement représentatif de cette moyenne.

Les psychologues appellent parfois ce phénomène l’effet Barnum, du nom de l’imprésario américain réputé pour ses formules universelles qui semblent personnalisées : un chiffre suffisamment vague et anxiogène pour paraître pertinent à tout le monde. Une étude publiée par des chercheurs en santé publique a d’ailleurs montré que l’exposition répétée à des scores de risque de mortalité pouvait générer une anxiété disproportionnée, sans forcément se traduire par des changements de comportement durables chez les utilisateurs.

Il existe aussi un biais statistique fondamental que ces applications passent rarement sous silence : la régression vers la moyenne. Un mauvais score obtenu un jour de fatigue ou de maladie passagère tend naturellement à s’améliorer tout seul le mois suivant, indépendamment de tout changement d’hygiène de vie, ce qui peut donner l’illusion trompeuse qu’une app ou un supplément miracle a “inversé” votre vieillissement.

Reste un fait solide, documenté par des décennies d’épidémiologie et confirmé indirectement par tous ces outils numériques : l’activité physique régulière, un sommeil suffisant et l’absence de tabagisme restent les trois leviers qui font le plus varier l’espérance de vie réelle, bien plus que n’importe quel algorithme prédictif. La technologie ne fait ici que remettre en scène, avec des graphiques colorés et des notifications, une vérité que la médecine préventive connaît depuis longtemps.