Machine-learning classification of documented pedophilic sexual interest from eye-tracking patterns

Pendant des décennies, l'évaluation de l'intérêt sexuel pour les enfants s'est largement appuyée sur ce que les gens disent. Les cliniciens et les experts judiciaires dépendent des entretiens, des antécédents autodéclarés et de la volonté des individus à admettre des pensées ou des actes qu'ils savent socialement inacceptables ou juridiquement dangereux. Pourtant, la nature même du sujet — la honte, la peur des conséquences et le désir de se protéger — conduit souvent à des réponses incomplètes ou malhonnêtes. Cela crée un fossé important dans la compréhension, particulièrement dans les contextes juridiques et thérapeutiques où les enjeux sont extrêmement élevés. Pour combler ce fossé, les chercheurs cherchent depuis longtemps des moyens indirects de mesurer l'attirance, en cherchant des signaux physiologiques ou comportementaux qui pourraient contourner le contrôle conscient. L'une de ces pistes est l'oculométrie (eye-tracking), une technologie qui enregistre précisément où une personne regarde et pendant combien de temps. L'idée sous-jacente est simple : là où les yeux vont, l'esprit suit souvent, et ces schémas pourraient révéler des préférences qu'une personne tente de cacher.

Une nouvelle étude provenant d'Allemagne pousse ce concept plus loin en combinant les données d'oculométrie avec une analyse informatique avancée. Les chercheurs ont cherché à voir s'ils pouvaient distinguer les hommes ayant un intérêt sexuel documenté pour les enfants prépubères de ceux n'ayant pas un tel intérêt, en utilisant uniquement la façon dont leurs yeux se déplaçaient sur un écran. Ils ne demandaient pas aux participants de décrire leurs sentiments ou d'évaluer des images. À la place, ils ont observé comment les yeux des participants réagissaient à des photos d'adultes et d'enfants pendant que les participants effectuaient des tâches spécifiques. L'objectif était de voir si une machine pouvait apprendre à repérer les différences subtiles et automatiques de regard qui séparent ces deux groupes, offrant ainsi un outil potentiel pour soutenir le jugement clinique dans des situations à enjeux élevés.

L'étude a impliqué 124 hommes adultes recrutés dans cinq lieux différents en Allemagne. Le groupe a été divisé en deux catégories principales : 34 hommes ayant un diagnostic documenté de pédophilie, dont beaucoup étaient des patients forensiques ayant un historique d'infractions contre des enfants, et 90 hommes n'ayant pas ce diagnostic. Ce groupe de contrôle comprenait des volontaires sains, ainsi que certains individus ayant commis d'autres types de crimes mais pas d'infractions sexuelles contre des enfants. Pour tester leurs yeux, les participants se sont assis devant un écran et ont complété trois tâches différentes. Dans la première tâche, on leur a montré deux images côte à côte — l'une d'un adulte et l'autre d'un enfant du même sexe — et on leur a demandé de décider laquelle ils trouvaient la plus attirante. Dans la deuxième tâche, ils devaient résoudre des énigmes mentales impliquant la rotation de formes 3D, mais pendant qu'ils le faisaient, des images d'adultes ou d'enfants apparaissaient brièvement sur l'écran comme distractions. La troisième tâche consistait simplement à évaluer le caractère excitant ou plaisant de diverses images. Tout au long de ces exercices, une caméra haute vitesse enregistrait chaque mouvement de leurs yeux, notant exactement où ils regardaient, combien de temps ils y restaient et la rapidité avec laquelle leur regard se déplaçait.

Les chercheurs ont ensuite injecté cette masse de données visuelles dans un système d'apprentissage automatique (machine learning). Ce programme informatique était conçu pour trouver des schémas complexes que les observateurs humains pourraient manquer. Il examinait des milliers de détails infimes, tels que la durée pendant laquelle une personne fixait la tête ou l'abdomen d'un enfant par rapport à celui d'un adulte, la rapidité avec laquelle ses yeux se dirigeaient vers une image de distraction, et la façon dont son attention basculait entre un puzzle et une image. Le système a été entraîné pour distinguer les deux groupes sur la seule base de ces mouvements oculaires. Les résultats ont été frappants. Lorsque l'ordinateur a analysé ensemble les données de la tâche d'orientation initiale et de la tâche de distraction, il a correctement identifié si un homme avait un intérêt pédophile documenté ou non avec un haut degré de précision. Plus précisément, le modèle a classé correctement environ 88 % des cas au total. Il était particulièrement efficace pour identifier correctement les hommes n'ayant pas cet intérêt, les étiquetant correctement comme négatifs dans la quasi-totalité des cas lorsqu'il était testé sur un groupe distinct de volontaires sains.

Ce qui a rendu ces résultats possibles n'est pas seulement l'observation d'un comportement unique, mais la combinaison de nombreux petits signaux. L'étude a révélé que les hommes ayant un intérêt pédophile avaient tendance à regarder les images d'enfants plus fréquemment et plus longtemps que les autres hommes, même lorsqu'ils essayaient de se concentrer sur une tâche différente. Ils montraient également un schéma d'attention différent lorsque des enfants apparaissaient comme distractions, regardant souvent les images plus tôt et plus longtemps que le groupe de contrôle, suggérant une capacité plus faible à ignorer les stimuli sexuellement pertinents. En revanche, les hommes sans cet intérêt préféraient systématiquement regarder les images d'adultes et étaient plus aptes à ignorer les images d'enfants pour se concentrer sur leurs puzzles. Curieusement, l'ordinateur n'avait pas besoin d'utiliser toutes les données collectées. Même lorsque les chercheurs ont réduit le modèle à un petit nombre de caractéristiques de mouvement oculaire les plus importantes, la précision est restée très élevée. Cela suggère que le signal est robuste et ne dépend pas d'un réseau complexe de variables.

L'étude a également examiné si ces schémas oculaires changeaient en fonction du parcours des participants. Les chercheurs ont observé les hommes ayant commis des crimes contre des enfants par rapport à ceux qui n'en avaient pas commis, les hommes actuellement en prison par rapport à ceux qui étaient libres, et les hommes admettant avoir ces pensées par rapport à ceux qui les niaient. Le modèle d'apprentissage automatique a fonctionné de manière cohérente dans presque tous ces sous-groupes. Il a été capable de détecter les mêmes schémas de mouvement oculaire, que l'homme soit un patient forensique ou un volontaire sain, ou qu'il admette ouvertement ses intérêts ou tente de les nier. Cette cohérence est significative car elle suggère que la méthode de l'oculométrie capture un aspect fondamental de l'intérêt sexuel qui persiste même lorsque la personne tente de le cacher. Les seules exceptions concernaient de très petits groupes avec des antécédents d'infractions spécifiques, où la taille de l'échantillon était trop réduite pour tirer des conclusions fermes.

Cependant, les chercheurs veillent à préciser ce que cette technologie est et ce qu'elle n'est pas. Ils soulignent qu'il ne s'agit pas d'un outil de diagnostic capable de remplacer un entretien clinique ou un jugement juridique. L'étude était une preuve de concept, démontrant que les données d'oculométrie peuvent être utilisées pour classifier des individus dans un cadre de recherche avec une grande précision. Les auteurs soulignent que les faux positifs — étiqueter à tort une personne innocente comme ayant un intérêt pédophile — pourraient avoir des conséquences graves, et que la méthode nécessite des tests supplémentaires sur des groupes plus larges et plus diversifiés avant de pouvoir un jour être utilisée dans des décisions cliniques ou juridiques réelles. Ils notent également que l'étude n'a pas prouvé que les mouvements oculaires causent des comportements délictueux, mais seulement qu'ils sont corrélés à un diagnostic documenté. L'impact émotionnel des tâches a également été surveillé, et bien que les scores informatiques aient été liés à des changements de sentiments comme la colère ou la tristesse, l'étude n'a pas trouvé que l'état émotionnel des participants avant le test prédisait les résultats.

En fin de compte, ce travail offre un aperçu d'un avenir où l'évaluation de l'intérêt sexuel pourrait dépendre moins de ce que les gens disent et davantage de ce que font leurs yeux. En combinant des tâches visuelles simples avec une analyse informatique puissante, les chercheurs ont démontré qu'il est possible de détecter des schémas d'attention distincts qui différencient les hommes ayant un intérêt sexuel pour les enfants de ceux qui ne l'ont pas. Bien que la technologie ne soit pas encore prête pour les tribunaux ou la clinique, les conclusions suggèrent que les yeux pourraient détenir une clé pour comprendre un aspect caché du comportement humain, qui a longtemps été difficile à mesurer. L'étude conclut qu'avec une validation supplémentaire, ces méthodes pourraient devenir une nouvelle génération d'outils plus difficiles à tromper, plus précis dans leurs évaluations et potentiellement transformatrices pour la façon dont la société aborde la prévention et le traitement.