Le trouble développemental du langage (TDL) touche des enfants de toutes les origines linguistiques, mais son repérage demeure un défi, particulièrement lorsque les outils d’évaluation ne sont pas adaptés à la langue parlée par l’enfant. À l’occasion de la Semaine québécoise du trouble développemental du langage, le Centre de recherche Azrieli du CHU Sainte-Justine, un établissement de Santé Québec, met en lumière les travaux de l’équipe du chercheur Selçuk Guven, qui explorent le potentiel de l’intelligence artificielle (IA) pour analyser la parole des enfants et soutenir le dépistage précoce du TDL, peu importe la langue utilisée.
Conçus en étroite collaboration avec le Regroupement TDL Québec et la clinique d’orthophonie du CHU Sainte-Justine, ces outils visent à rendre l’évaluation plus accessible, plus efficace et mieux adaptée à la diversité linguistique du Québec et d’ailleurs au Canada.
Écouter au-delà des mots
Au sein du Laboratoire sur la cognition, les troubles du langage oral et écrit et l’IA (COALab), le chercheur et son équipe, dont fait partie le doctorant Qiwei Pan, qui consacre sa thèse à cet axe de recherche, élaborent des algorithmes capables d’analyser des enregistrements vocaux d’enfants avec et sans TDL. Comme la parole et le langage évoluent rapidement au cours de l’enfance, l’équipe étudie aussi comment les performances de ces algorithmes varient selon l’âge et adapte ses modèles aux différentes étapes du développement.
«Les systèmes actuels reconnaissent encore difficilement la parole des jeunes enfants et peuvent être encore moins fiables lorsque leur parole ou leur langage présente des caractéristiques atypiques. Nous cherchons donc à adapter ces technologies au développement de l’enfant afin qu’elles puissent transcrire et analyser plus fidèlement la parole des enfants présentant un TDL et, ultimement, mieux soutenir leur repérage et leur évaluation clinique», explique Selçuk Guven, également professeur à l’École d'orthophonie et d'audiologie de l’Université de Montréal.
L’IA examine non seulement des aspects linguistiques comme la syntaxe et la sémantique, mais aussi des caractéristiques acoustiques de la parole, telles que le débit, les pauses, la fréquence des hésitations ou l’utilisation de mots de remplissage. Ensemble, ces indices permettent de mieux caractériser les particularités du langage de l’enfant et peuvent révéler des difficultés qui transcendent les particularités propres à chaque langue.
«Actuellement, les tests utilisés en orthophonie évaluent surtout les éléments de langage, mais nos études montrent qu’on a avantage à porter plus d'attention aux éléments non linguistiques, mentionne le chercheur. Et la bonne nouvelle, c’est que ces éléments peuvent s’appliquer peu importe la langue qui est parlée.»
L’objectif n’est pas d’automatiser le diagnostic, mais d’aider les cliniciennes et cliniciens à extraire, mesurer et intégrer davantage d’informations à partir de la parole de l’enfant. L’interprétation clinique et le diagnostic demeurent entièrement entre les mains des orthophonistes. Les algorithmes servent plutôt à mettre en évidence des «drapeaux rouges» et à orienter les investigations vers les aspects qui méritent une attention particulière.
