Résumé technique : Comprendre les dimensions socioculturelles du discours sur la santé mentale dans les communautés de langue arabe sur X

1. Énoncé du problème

La recherche computationnelle en santé mentale s'est historiquement concentrée sur les populations anglophones, laissant le discours en langue arabe comparativement sous-examiné. Bien que le traitement du langage naturel (NLP) pour l'arabe ait progressé grâce aux modèles basés sur les transformeurs (ex. : AraBERT, MARBERT), les travaux existants cadrent largement la santé mentale comme une tâche de classification supervisée pour les individus à risque, négligeant souvent la caractérisation du discours situé culturellement. Dans le monde arabe, le discours sur la santé mentale est fortement façonné par des normes socioculturelles, notamment la stigmatisation liée à l'honneur familial et les cadres d'interprétation religieux, qui entravent la recherche d'aide clinique. Malgré ces barrières, des communautés sur les réseaux sociaux spécifiques à certaines pathologies ont émergé comme des espaces vitaux de soutien par les pairs. Cependant, ces communautés restent largement inexplorées sur le plan computationnel, et il existe un manque de ressources pour analyser comment les locuteurs arabophones articulent les expériences de santé mentale à travers le prisme de modèles explicatifs (biomédicaux, spirituels, relationnels) sans faire d'inférences cliniques.

2. Méthodologie

2.1 Collecte et prétraitement du corpus

L'étude a collecté 10 091 publications en langue arabe provenant de trois communautés X (anciennement Twitter) spécifiques à une pathologie : le trouble de la personnalité borderline (BPD), le trouble bipolaire et le trouble du déficit de l'attention avec ou sans hyperactivité (TDAH). Les données ont été recueillies entre le 31 mars 2022 et le 12 février 2026.

• Filtrage : Après avoir supprimé les URL, le contenu non arabe/anglais, les doublons et les tweets à un seul jeton, le corpus prétraité contenait 9 582 tweets de 1 286 utilisateurs uniques.
• Langue : Le corpus est composé à 98,4 % d'arabe, ce qui le distingue des ensembles de données centrés sur l'anglais.

2.2 Pipeline de divulgation personnelle assisté par LLM

Pour identifier les utilisateurs ayant un vécu personnel, les auteurs ont développé un pipeline de classification au niveau du tweet utilisant des modèles de langage de grande taille (LLM), allant au-delà de la classification supervisée traditionnelle.

• Modèles : GPT-4.1 a servi d'annotateur principal, tandis que Qwen3-235B-A22B a agi comme un modèle de filtrage conservateur. Les deux fonctionnaient à une température de 0,0.
• Logique de classification : Les tweets ont été classés comme POSITIF (preuve de divulgation personnelle de santé mentale) ou NÉGATIF (aucune preuve). Le pipeline intégrait les biographies d'utilisateurs comme contexte, avec une « Règle de priorité de la bio » où les biographies d'auto-identification déclenchaient une étiquette positive quel que soit le contenu du tweet.
• Validation : Une étude de validation humaine impliquant deux annotateurs de langue arabe native sur un échantillon stratifié de 200 tweets a établi un standard de référence (gold standard).
  • Accord inter-annotateurs : $\kappa = 0,905$ (presque parfait).
  • GPT-4.1 vs Humain : $\kappa = 0,631$ (accord substantiel), avec un score F1 de 0,88 sur la classe positive.
  • Qwen3 vs Humain : $\kappa = 0,329$ (accord passable), principalement dû à un rappel plus faible.
• Dataset final : Les utilisateurs sans signaux détectés de divulgation personnelle ont été exclus, aboutissant à un corpus final de 8 147 tweets de 607 utilisateurs (BPD : 5 415 ; Bipolaire : 2 479 ; TDAH : 253).

2.3 Cadre analytique

L'étude a adopté une approche orientée vers la caractérisation ancrée dans les sciences sociales computationnelles, utilisant :

• Log-odds pondérés : Pour identifier le vocabulaire distinctif par communauté (Monroe et al., 2008).
• Factorisation de matrice non négative (NMF) : Modélisation thématique sur des représentations TF-IDF pour caractériser les thèmes lexicaux.
• Cadre des mots-clés culturels : Un dictionnaire à six domaines (Religieux, Médical, Familial/Social, Détresse émotionnelle, Identité, Stigmate) opérationnalisant les modèles explicatifs de Kleinman (1980).
• Analyse du cadrage religieux : Une taxonomie à quatre niveaux (Expression ambiante, Coping et pratique, Culpabilité et surnaturel, Attribution de la causalité de la maladie) basée sur la théorie du cadrage.
• Analyse du code-switching : Mesure de la fréquence des mots anglais porteurs de sens.

3. Contributions clés

1. Dataset : Introduction d'un corpus de santé mentale en arabe multi-pathologies (8 147 tweets filtrés par auto-divulgation) provenant des communautés X, comblant une lacune dans les ressources de NLP pour l'arabe.
2. Pipeline d'annotation : Développement et validation d'un pipeline de classification de la divulgation personnelle basé sur GPT-4.1, démontrant que les LLM peuvent annoter efficacement des tâches complexes et subjectives lorsqu'ils sont validés par rapport à des standards humains.
3. Analyse du discours : Application d'une approche multi-méthodes (log-odds, NMF, mots-clés culturels) pour caractériser le cadrage socioculturel du discours sur la santé mentale en arabe.
4. Résultats empiriques : Identification de modèles de discours préliminaires associés aux communautés qui s'étendent au-delà du vocabulaire diagnostique.

4. Résultats

4.1 Caractéristiques du corpus

• Distribution temporelle : Les données BPD sont fortement concentrées sur une seule fenêtre de neuf mois (2025), tandis que les données Bipolaires couvrent toute la période de collecte (avec un volume augmentant à partir de 2024). Les données TDAH sont rares (n=253).
• Longueur des tweets : Le discours BPD et TDAH culmine entre 31 et 50 jetons, suggérant des récits étendus ; le Bipolaire culmine entre 11 et 20 jetons, indiquant des modèles plus courts et conversationnels.
• Modèles d'activité : Les communautés BPD et Bipolaire culminent en soirée (UTC), tandis que le TDAH culmine à la mi-journée.

4.2 Cadrage linguistique et culturel

• Vocabulaire distinctif :
  • BPD : Caractérisé par un vocabulaire relationnel, d'identité et de détresse émotionnelle (ex. : « personnalité », « relations », « sentiments », « amour »).
  • Bipolaire : Dominé par des termes liés à la pathologie (« pôle », « bi », « manie », « dépression ») et de hautes fréquences de vocabulaire religieux (« Dieu/Allah »).
  • TDAH : Focalisé sur les symptômes pratiques et la gestion de la médication (ex. : « Concerta », « attention », « hyperactivité »).
• Prévalence des mots-clés culturels :
  • Religieux et Médical : La communauté Bipolaire présente les taux les plus élevés de mots-clés tant religieux (41,3/100 tweets) que médicaux (28,6/100 tweets). Notamment, 10,3 % des tweets Bipolaires contiennent des mots-clés des deux domaines simultanément, suggérant un pluralisme des modèles explicatifs au niveau individuel.
  • Identité et Détresse : Le BPD présente les taux les plus élevés de mots-clés d'identité (35,6/100) et de détresse émotionnelle (29,6/100).
  • Praticité : Le TDAH présente le taux de détresse émotionnelle le plus bas (12,3/100), s'alignant sur une focalisation de la gestion des symptômes.
• Cadrage religieux : La majorité du langage religieux relève de l'« Expression ambiante » (ex. : « louange à Dieu », « si Dieu le veut »), fonctionnant comme des marqueurs de discours pragmatiques plutôt que comme des attributions causales explicites. L'« Attribution de la causalité de la maladie » explicite (ex. : épreuve divine, destin) est rare (2,6 %).
• Code-switching : Le discours TDAH montre un taux étonnamment élevé de code-switching vers l'anglais (28,5 %), utilisant souvent l'acronyme « ADHD » comme un raccourci global, comparé au BPD (6,3 %) et au Bipolaire (3,2 %).

5. Signification et limites

L'article pose que ces résultats sont générateurs d'hypothèses plutôt que confirmatoires. Les auteurs mettent explicitement en garde contre la généralisation de ces modèles à toutes les populations arabophones ou leur utilisation pour le dépistage clinique.

• Signification : L'étude démontre la faisabilité de l'utilisation de pipelines assistés par LLM pour filtrer le discours issu du vécu pour les langues à faibles ressources et fournit une première opérationnalisation des cadres de mots-clés culturels pour la santé mentale en arabe. Elle souligne la cooccurrence des vocabulaires religieux et médicaux dans le discours Bipolaire, soutenant la pertinence du pluralisme des modèles explicatifs dans les contextes arabes.
• Limites :
  • Déséquilibre du corpus : Le sous-corpus TDAH est petit (n=253), ce qui réduit la puissance statistique. Les données BPD sont temporellement concentrées, reflétant potentiellement des discours spécifiques à une période plutôt que des traits stables de la communauté.
  • Contraintes méthodologiques : Le cadre des mots-clés culturels et la taxonomie du cadrage religieux sont exploratoires, et non des instruments validés. Le pipeline peut sous-détecter des divulgations indirectes, métaphoriques ou culturellement spécifiques (particulièrement dans la communauté Bipolaire, où l'accord GPT-humain était le plus bas).
  • Géolocalisation : Le corpus n'est pas géolocalisé ; les modèles temporels sont rapportés en UTC et ne doivent pas être interprétés comme une preuve directe des normes de la population du Golfe.

Les auteurs concluent que les travaux futurs devront élargir le corpus TDAH, valider les schémas de mots-clés par une annotation inter-juges à travers les dialectes, et étendre cette approche interprétable à d'autres pathologies et régions.