FaceAge, l’IA qui estime l’âge biologique sur photo pour mieux guider les soins

Un visage peut-il livrer des informations utiles sur l’état de santé d’une personne, au-delà de son âge sur la carte d’identité ? C’est l’hypothèse explorée par FaceAge, un système d’intelligence artificielle qui analyse un portrait pour produire une estimation d’âge biologique. Présentés dans la revue scientifique The Lancet Digital Health, ses résultats intéressent particulièrement l’oncologie, où deux patients du même âge peuvent réagir très différemment à un traitement exigeant.

L’ambition n’est pas de remplacer un médecin, ni de décréter l’état de santé d’une personne à partir d’un selfie. FaceAge vise plutôt à apporter un indice supplémentaire à l’équipe soignante. Dans les situations où il faut choisir l’intensité d’une radiothérapie ou apprécier le pronostic d’un patient, cet indice pourrait compléter les examens, les antécédents médicaux et l’évaluation clinique habituelle.

L’âge biologique ne se lit pas sur un calendrier

L’âge chronologique correspond au nombre d’années écoulées depuis la naissance. C’est une donnée simple, objective et indispensable dans un dossier médical. Mais il ne résume pas, à lui seul, les effets du vieillissement sur l’organisme. Deux personnes de 70 ans peuvent présenter des niveaux de fragilité, des maladies associées et une capacité de récupération très éloignés.

C’est ce décalage que cherche à approcher la notion d’âge biologique. Elle renvoie à l’état de vieillissement observé dans le corps et à la façon dont cet état peut influer sur la santé. Les chercheurs derrière FaceAge ont voulu savoir si certains signes visibles sur le visage pouvaient être associés à cette réalité clinique.

Il faut toutefois employer les mots avec précision. FaceAge ne prélève ni cellules, ni sang, ni ADN. Il n’établit donc pas directement l’âge des cellules comme le ferait un examen biologique spécialisé. Son résultat est une estimation calculée à partir de caractéristiques faciales, que les chercheurs étudient comme un marqueur potentiel de l’état biologique et du pronostic.

Comment FaceAge a été entraînée et testée

FaceAge est un algorithme d’apprentissage profond, une famille d’IA capable de repérer des régularités dans de très grands volumes d’images. Pour apprendre à relier certaines caractéristiques faciales à l’âge, le système a été entraîné sur 58 851 portraits d’adultes en bonne santé de plus de 60 ans.

Les chercheurs l’ont ensuite testé sur 6 196 patients atteints de cancer. Les photos considérées avaient été prises juste avant une radiothérapie. Dans ce groupe, FaceAge a estimé un âge biologique en moyenne près de cinq ans plus élevé que l’âge chronologique déclaré. Cette différence moyenne ne permet évidemment pas de tirer une conclusion individuelle pour chaque patient. Elle suggère en revanche que l’outil repère, dans cette population, un signal associé à la maladie ou à une plus grande fragilité.

L’idée fondamentale est de ne pas faire de la photo une vérité médicale isolée. Dans un usage sérieux, le résultat de FaceAge devrait être confronté à l’ensemble des éléments déjà connus : état général, résultats d’analyses, autres pathologies, traitements en cours, autonomie et souhaits du patient.

Pourquoi l’oncologie s’intéresse à cet indice supplémentaire

Le choix d’un traitement contre le cancer ne dépend jamais uniquement de l’âge sur l’état civil. Une radiothérapie peut être très efficace, mais elle peut aussi être lourde selon la situation de la personne, la zone traitée et les maladies associées. Les soignants doivent donc estimer le rapport entre le bénéfice attendu et la capacité du patient à supporter le traitement.

Raymond Mak, oncologue à Mass General Brigham, souligne que FaceAge pourrait aider les médecins à sélectionner des options thérapeutiques plus appropriées. L’exemple donné illustre le problème : un homme de 75 ans dont l’âge biologique estimé serait de 65 ans pourrait être plus à même de tolérer une radiothérapie invasive que son âge chronologique ne le laisserait supposer. À l’inverse, une personne de 60 ans avec un âge biologique estimé à 70 ans pourrait présenter des risques accrus.

Ce raisonnement n’équivaut pas à une règle automatique. Une IA ne doit pas décider qu’un patient est « trop vieux » ou « assez jeune » pour être traité. Elle peut, au mieux, attirer l’attention sur un élément que le clinicien approfondira. C’est toute la différence entre un outil de soutien et un système qui trancherait à la place des humains.

Une aide possible pour affiner le pronostic

L’étude examine aussi l’utilité de FaceAge pour la prédiction du pronostic. Huit médecins ont analysé des photos de patients en fin de vie et tenté d’identifier ceux susceptibles de décéder dans les six mois. Lorsqu’ils disposaient de l’information fournie par l’IA, leurs prédictions se sont améliorées de façon notable.

Ces résultats sont particulièrement sensibles. Anticiper l’évolution probable d’une maladie peut aider à adapter l’accompagnement, à discuter des priorités de soins et à éviter des interventions qui n’apporteraient plus de bénéfice réel. Mais ce type de prédiction ne doit jamais être présenté comme une certitude. Il porte sur des probabilités, dans des situations humaines où les trajectoires individuelles restent imprévisibles.

FaceAge pourrait donc devenir un biomarqueur, c’est-à-dire un indicateur mesurable utile à l’évaluation médicale. Pour atteindre ce statut dans la pratique, le système devra encore démontrer sa robustesse sur des populations diverses et dans des conditions proches du soin courant. Une étude rétrospective sur des images existantes ne suffit pas, à elle seule, à transformer une IA en standard médical.

Ce que l’IA voit, et ce qu’elle ne peut pas savoir

Le caractère très accessible de FaceAge est aussi ce qui appelle à la prudence. Une photographie contient de nombreux éléments qui ne sont pas forcément liés au vieillissement : éclairage, angle de prise de vue, qualité de l’appareil, expression du visage, maquillage, pilosité ou traces temporaires de fatigue. Un modèle performant doit prouver qu’il ne confond pas ces facteurs avec un signal de santé.

La photo ne renseigne pas non plus sur tout ce qu’un médecin doit prendre en compte. Elle ne dit rien, à elle seule, de la douleur, des préférences du patient, de sa situation sociale, de ses résultats biologiques détaillés ou de la réponse effective à un traitement. C’est pourquoi un chiffre d’âge biologique ne peut être interprété correctement qu’au sein d’un parcours de soin.

L’enjeu est également méthodologique. Un algorithme apprend à partir de données passées. Si les portraits utilisés à l’entraînement ne reflètent pas suffisamment la diversité des visages, des origines, des conditions de prise de vue et des états de santé, ses résultats peuvent être moins fiables pour certains groupes. Les auteurs indiquent n’avoir observé aucune disparité raciale significative dans les prédictions de FaceAge. Cette observation est rassurante, mais elle ne dispense pas de contrôles réguliers et indépendants.

La question cruciale des assurances et des employeurs

La possibilité de déduire un indice de santé à partir d’un visage dépasse largement le cadre de l’hôpital. Des assureurs ou des employeurs pourraient être tentés d’y voir un moyen d’évaluer des risques, de filtrer des candidatures ou d’ajuster des conditions contractuelles. C’est précisément le type de détournement qui rend nécessaire un encadrement strict.

Hugo Aerts, coauteur de l’étude et spécialiste de l’IA, insiste sur l’importance de poser des balises éthiques autour de ces technologies. Dans le contexte médical, plusieurs principes doivent rester non négociables : finalité de soin clairement définie, accès limité aux professionnels concernés, protection des photographies et des données de santé, information des patients et contrôle humain de toute décision importante.

Le visage est une donnée particulièrement sensible, car il est à la fois identifiable et porteur d’informations que l’on ne choisit pas toujours de révéler. Une application médicale de FaceAge devrait donc éviter toute réutilisation secondaire des images, notamment à des fins commerciales, assurantielles ou de recrutement. La performance technique ne peut pas, à elle seule, justifier la collecte ou l’usage d’une donnée aussi personnelle.

Ce qu’il faut surveiller avant un usage clinique

Le projet se poursuit avec une seconde génération de FaceAge impliquant 20 000 patients. Cette étape sera déterminante pour vérifier si les résultats initiaux se confirment à plus grande échelle et dans des profils de patients plus variés. Les chercheurs devront aussi montrer concrètement que l’outil améliore les décisions et les résultats de soins, pas seulement la précision d’une prédiction sur des données déjà disponibles.

Pour les patients, la promesse est celle d’une médecine plus individualisée : ne pas réduire une personne à son âge chronologique, et mieux reconnaître les écarts de fragilité ou de résistance aux traitements. Pour les médecins, le défi est de recevoir une information intelligible, fiable et réellement utile dans une consultation déjà complexe.

FaceAge ouvre ainsi une piste fascinante : certaines images ordinaires pourraient contenir des indices médicaux encore peu exploités. Son avenir dépendra moins de l’effet spectaculaire d’une estimation réalisée sur photo que de sa validation clinique, de la transparence de ses performances et des protections mises en place pour que cet indice reste au service exclusif des patients.