La façon dont les individus perçoivent subjectivement le monde influence grandement leur propre bien-être mental. Cependant, caractériser avec précision la richesse de telles expériences demeure un défi considérable. Un problème persistant est notamment le manque d’outils objectifs permettant de quantifier et de comparer directement les rapports narratifs d’expériences subjectives. Ici, nous développons une nouvelle approche pour cartographier et comparer les rapports verbaux d'expériences subjectives en utilisant les réseaux de neurones artificiels (RNA). À l'aide d'une série de 31 stimuli, dont 30 images et 1 question ouverte, nous avons quantifié comment les rapports d'expériences fournis par les participants (n = 210, 50 % de femmes) divergent les uns des autres et comment ces variations sont liées à l'expérience subjective et la santé mentale. Nous avons constaté que les projections des rapports de l'expérience extraites des RNA peuvent prédire avec précision la valence subjective et les jugements d'excitation dans une série d'images émotionnelles. De plus, nous montrons que des facteurs transdiagnostiques de la santé mentale peuvent être prédits avec précision à l’aide de rapports narratifs projetés d’une série d’images ambiguës. Bien que le fonctionnement exact des RNA soient notoirement difficiles à interpréter, nous proposons une nouvelle approche pour synthétiser des stimuli visuels avec l’intelligence artificielle générative qui peut être utilisée pour explorer les distorsions sémantiques dans les expériences rapportées. En résumé, la cartographie spatiale latente de l’expérience subjective pourrait offrir une voie prometteuse pour quantifier objectivement les distorsions de l’expérience subjective en santé mentale et pourrait aider à identifier de nouvelles cibles thérapeutiques pour les interventions cliniques. / How individuals subjectively experience the world greatly influences their own mental well-being. However, it remains a considerable challenge to accurately characterize the richness of such experiences. A persistent problem is the lack of objective tools to directly quantify and compare narrative reports of subjective experiences. Here, we develop a novel approach to map and compare verbal reports of subjective experiences using artificial neural networks (ANN). Using a series of 31 prompts, including 30 images and 1 open-ended question, we quantified how the verbal reports of experience provided by participants (n = 210, 50% women) deviate from each other and how these variations relate to subjective experience and mental health. We found that embedding reports of experience in ANNs can accurately predict subjective valence and arousal judgments in a series of emotional images. Furthermore, we show that transdiagnostic factors of mental health can be accurately predicted using embedded narrative reports of a series of ambiguous images. While distortions in the latent space of ANNs are notoriously difficult to interpret, we propose a new approach to synthesize visual stimuli with generative artificial intelligence that can be used to explore semantic distortions in reported experiences. In sum, latent space cartography could offer a promising avenue for objectively quantifying distortions of subjective experience in mental health and could ultimately help identify novel therapeutic targets for clinical interventions.