Le test vocal de dépression de Kintsugi a manqué de piste en attendant l'autorisation de la FDA

Une API de biomarqueurs vocaux destinée aux systèmes de santé et à la télésanté : elle évalue le risque de dépression et d'anxiété selon les échelles PHQ-9/GAD-7 à partir d'un court échantillon de parole, sans tenir compte du contenu et indépendamment de la langue.

Que les biomarqueurs vocaux — variation de la hauteur, rythme, pauses — puissent signaler une dépression aussi fiablement qu'un questionnaire PHQ-9, et que les autorités de régulation l'autoriseraient comme dispositif médical

8 M$ en amorçage en 2021 et une Série A de 20 M$ début 2022, soit environ 30 M$ au total.

Grace Chang, qui a grandi à Taïwan, et Rima Seiilova-Olson, qui a grandi au Kazakhstan, se sont rencontrées lors d'un hackathon en 2019. Les deux ingénieures avaient traversé une dépression et s'étaient heurtées au même mur pour accéder aux soins. Elles ont posé le problème comme celui du triage : avec environ 280 millions de personnes dépressives dans le monde et trop peu de cliniciens, les prestataires n'avaient aucun moyen rapide de repérer qui était en difficulté.

Le duo a levé 8 M$ en 2021 et une Série A de 20 M$ début 2022. Le modèle, entraîné sur des dizaines de milliers de voix consentantes, évalue les échelles PHQ-9 (0–27) et GAD-7 (0–21) à partir des seuls schémas de parole — il ignore délibérément ce qui est dit, ce qui le rendait indépendant de la langue. Kintsugi a mené une étude clinique avec l'University of Arkansas for Medical Sciences, signé des contrats avec de grandes entreprises de santé américaines et poursuivi une classification De Novo auprès de la FDA tout en commercialisant son outil comme aide à la décision clinique au titre du 21st Century Cures Act.

L'autorisation de la FDA n'est jamais arrivée. En février 2026, Kintsugi a fermé et, plutôt que de vendre les modèles à des acheteurs, a publié sa technologie et ses recherches en open source (Behavioral Health Business, 2026-02-11). Des commentateurs ont noté que les modèles vocaux pourraient trouver une seconde vie dans la détection d'audio deepfake.

Vendre l'outil comme « aide à la décision clinique » au titre du 21st Century Cures Act était une zone grise qui s'est rétrécie : les systèmes de santé et les payeurs veulent en fin de compte un dispositif réglementé, pas une heuristique de dépistage.

La validation par la FDA pour l'IA vocale exige des jeux de données contrôlés et démographiquement larges — une dépense qui s'accumule chaque trimestre pendant que l'autorisation, et les revenus qu'elle conditionne, se font attendre.

Les biomarqueurs vocaux varient selon l'accent, l'âge, les comorbidités et même la qualité du microphone, si bien que le risque de faux positifs était exactement le mode de défaillance que les régulateurs sont le moins disposés à tolérer.

Sept ans, c'est plus long qu'une piste de financement de capital-risque : le pari exigeait que la FDA avance au rythme d'une startup, ce que l'examen De Novo ne fait pas.

Dans l'IA de santé réglementée, le modèle est la partie facile ; la validation clinique multi-démographique est le centre de coûts. Intégrez le régulateur dans la piste de financement, ou lancez-vous là où un logiciel est autorisé à rester un logiciel.

En avril 2026, la technologie et les recherches sont publiques : Behavioral Health Business a rapporté la publication en open source le 2026-02-11, de sorte que les laboratoires et les concurrents peuvent s'appuyer sur le travail réalisé sur les jeux de données au lieu de repartir de zéro. Startup Fortune a noté que les modèles vocaux pourraient être réaffectés à la détection d'audio deepfake, car les schémas qui trahissent l'humeur trahissent aussi la parole synthétique. L'argument de la fondatrice — selon lequel l'IA de santé peine à atteindre des revenus réglementés avant l'épuisement des fonds de capital-risque — est devenu le véritable écho de cette histoire dans la presse spécialisée.