Une question fondamentale pour l'humanité
Il existe une interrogation profondément humaine qui transcende les disciplines scientifiques : quand exactement la vie s'est-elle arrêtée ? Cette question, vieille comme la mort elle-même, hante les familles en deuil, défie la justice et obsède les enquêteurs cherchant à reconstituer les dernières heures d'une existence. Jusqu'à présent, cette quête temporelle se heurtait à des limites techniques insurmontables au-delà de quelques jours.
La révolution venue de Linköping
C'est à l'université de Linköping, située à environ 200 kilomètres au sud de Stockholm en Suède, qu'une équipe pluridisciplinaire vient d'apporter une réponse innovante. Dans une étude publiée dans Nature Communications en février 2026, des pathologistes, chimistes, spécialistes de biologie des systèmes et experts en intelligence artificielle ont démontré qu'un modèle de machine learning pouvait estimer avec une précision d'environ un jour le temps écoulé depuis le décès, et ce jusqu'à treize jours après la mort, simplement en analysant les molécules présentes dans le sang prélevé lors d'une autopsie.
Les limites des méthodes traditionnelles
Pour comprendre l'importance de cette percée, il faut d'abord mesurer les contraintes des approches existantes. « Les méthodes actuellement utilisées en médecine légale pour établir l'heure du décès reposent principalement sur la température corporelle et sur le taux de potassium dans l'humeur vitrée — le liquide de l'œil », explique Rasmus Magnusson, chercheur postdoctoral en ingénierie biomédicale à l'université de Linköping et premier auteur de l'étude. La température du corps se refroidit progressivement jusqu'à atteindre celle de l'environnement, généralement dans les vingt-quatre heures. Le potassium oculaire offre environ 48 heures supplémentaires, mais « au-delà de trois ou quatre jours, l'incertitude devient très grande », précise le chercheur.
Le métabolome : une fenêtre sur le processus de la mort
L'idée novatrice de l'équipe suédoise consiste à se tourner vers le métabolome, cet ensemble de petites molécules qui circulent dans le sang et reflètent, à chaque instant, l'état biochimique de l'organisme. Car la mort n'est pas un interrupteur qu'on éteint, mais bien un processus complexe. Les cellules continuent de se décomposer selon des cinétiques propres, les lipides se dégradent, les protéines se fragmentent, les acides aminés s'accumulent. Ce chaos moléculaire, loin d'être aléatoire, suit des dynamiques prévisibles. « La mort est un signal fort », résume Henrik Green, médecin légiste et co-auteur de l'étude.
Une base de données exceptionnelle de 5 000 autopsies
Les chercheurs ont adopté une approche pragmatique en exploitant des données déjà existantes. En Suède, comme dans de nombreux autres pays, tout décès faisant l'objet d'une autopsie donne lieu à un prélèvement sanguin destiné au dépistage toxicologique. Ce test, réalisé par spectrométrie de masse à haute résolution, identifie non seulement les médicaments ou drogues présents dans le sang, mais aussi l'ensemble des composés de faible poids moléculaire — un trésor de données biochimiques jusqu'ici inexploité pour la datation.
Grâce à une autorisation éthique obtenue dès 2017, l'équipe a pu accéder à près de 5 000 dossiers d'autopsie. « Nous avons collecté ces données dans la routine et nous avons eu l'approbation éthique pour les stocker et les réutiliser à des fins de recherche », rappelle Henrik Green. Sur les 4 876 cas étudiés — des hommes et des femmes de toute la Suède, décédés dans des circonstances très diverses, entre un et soixante-sept jours avant leur autopsie — un réseau de neurones artificiel a été entraîné à reconnaître les signatures métaboliques associées à chaque étape de la dégradation post-mortem.
Des résultats impressionnants et surprenants
Le résultat est remarquable : une erreur médiane de 1,03 jour sur les données de test. Concrètement, dans la moitié des cas, la prédiction du modèle ne s'écarte pas de plus d'une journée de la réalité. « C'était un projet à haut risque, confesse Elin Nyman, maîtresse de conférences en biologie des systèmes au département de génie biomédical à l'université de Linköping, qui a co-dirigé l'étude. Nous ne savions pas quelle force aurait ce signal dans ce type de données. Nous n'avions qu'un point de données par individu, sans connaître les variations individuelles, les conditions de conservation, la température extérieure... Et la Suède est un long pays, avec des conditions très différentes météorologiques d'une région à l'autre. »
Ce qui a particulièrement étonné Rasmus Magnusson, c'est la capacité de généralisation du modèle. Après l'entraînement initial, l'équipe a appliqué le modèle à 512 nouveaux cas, collectés une autre année et analysés sur une machine de spectrométrie de masse différente. « Nous avons pu prendre le modèle, après son entraînement, et l'utiliser sur des données d'une machine complètement différente, raconte-t-il. Et là, j'ai été particulièrement surpris qu'il puisse généraliser au-delà de ce sur quoi il avait été entraîné. » L'erreur moyenne sur ces données indépendantes s'établissait à 1,78 jour — comparable aux performances initiales.
Les implications pratiques pour les enquêtes criminelles
« Les implications pratiques sont concrètes pour tout type de meurtre..., souligne Henrik Green. Imaginez une scène de crime, avec un corps découvert une semaine après le décès, dans un appartement fréquenté par plusieurs personnes. La police a besoin de concentrer ses efforts sur le bon moment. Si nous pouvons leur signaler que cette personne est décédée le matin il y a sept jours, c'est un impact considérable sur le travail de la police au niveau mondial. »
La méthode n'est pas destinée à remplacer l'autopsie ni les autres outils médico-légaux. « Notre modèle serait une pièce d'un puzzle plus grand », nuance Elin Nyman. Il s'agit d'un outil d'investigation autant que de preuve, qui pourrait être facilement reproduit dans des laboratoires aux moyens limités, avec des données moins abondantes. « Oui ! », répond Henrik Green avec enthousiasme quand on lui demande si n'importe quel laboratoire médico-légal dans le monde pourrait désormais répliquer cette approche.
La prochaine frontière : déterminer l'heure exacte
Le modèle actuel prédit le jour du décès — pas l'heure. Cette limitation n'est pas technique, mais liée aux données disponibles. « Nous avons besoin de données plus précises sur le moment exact du décès, explique Henrik Green. Si l'on trouve quelqu'un trois, quatre ou dix jours après sa mort, il est très difficile de savoir à quelle heure de la journée il est décédé. » L'équipe travaille désormais à identifier des cas pour lesquels l'heure exacte est connue avec certitude — une base qui permettrait d'affiner encore la résolution du modèle.
Comme pour beaucoup d'avancées scientifiques majeures, cette découverte n'est pas le fruit d'un effort solitaire, mais d'une chaîne d'expertises mêlées : pathologistes, chimistes analytiques, biologistes des systèmes, experts en machine learning... « Notre collaboration est unique, conclut Rasmus Magnusson. Chaque maillon de la chaîne était nécessaire pour arriver à ces résultats, c'est l'une des clés de ce succès. »
