Une nouvelle recherche montre qu'un ordinateur peut décoder quelle catégorie visuelle une personne voit simplement à partir de son activité cérébrale, en utilisant le deep learning et des données provenant d'électrodes placées à la surface du cerveau. L'étude, dirigée par des chercheurs de l'Université de Melbourne et de l'Université d'Osaka, publiée sur arXiv en juillet 2026, démontre une étape prometteuse vers des interfaces cerveau-ordinateur qui pourraient aider les personnes paralysées à communiquer ou à contrôler des appareils.
La recherche
L'équipe, comprenant Stella Ho et David B. Grayden, a analysé un ensemble de données précédemment collecté auprès de 17 participants souffrant d'épilepsie pharmacorésistante, qui avaient des grilles d'électrodes (électrocorticographie, ou ECoG) placées sur leur cerveau pour un suivi clinique. Pendant que les participants regardaient des clips vidéo représentant différentes catégories visuelles (comme des visages, des objets, des scènes), les chercheurs ont enregistré leurs signaux cérébraux. L'objectif était de construire un système de deep learning capable de prédire quelle catégorie une personne regardait, uniquement à partir des signaux cérébraux.
Avec moins de 50 exemples d'entraînement par catégorie, les chercheurs ont testé plusieurs architectures de réseaux de neurones. Le meilleur système utilisait un encodeur basé sur Transformer, une augmentation de données par mixup et des entrées de la bande de fréquences gamma haute (80-150 Hz) provenant d'une fenêtre de 900 millisecondes après le début de la vidéo. Le modèle a bien fonctionné malgré les données limitées et, surtout, ses décisions étaient interprétables : l'analyse a montré que le cortex visuel précoce (V2-V4), le cortex visuel ventral, le complexe MT+ et le cortex temporal latéral contribuaient le plus au décodage. Ces zones cérébrales sont connues pour être impliquées dans la perception visuelle, ce qui correspond aux neurosciences établies.
Pourquoi c'est important
Cette étude montre que le deep learning de bout en bout peut décoder la sémantique visuelle à partir de stimuli vidéo dynamiques sans nécessiter de caractéristiques artisanales. L'interprétabilité du modèle renforce la confiance et pourrait conduire à des interfaces cerveau-ordinateur plus pratiques. Pour la personne moyenne, cette recherche met en lumière la façon dont notre cerveau traite les informations visuelles de manière distribuée — et comment l'intelligence artificielle peut apprendre à lire ces schémas. Bien que pas encore prête pour le marché, des techniques similaires pourraient un jour aider les personnes atteintes du syndrome d'enfermement à communiquer ou permettre un contrôle mains libres des appareils.
Ce que vous pouvez faire
Vous pouvez garder votre propre système visuel vif en le stimulant régulièrement — essayez des puzzles visuels, des jeux de mémoire ou l'apprentissage d'une nouvelle compétence impliquant la coordination œil-main. S'engager avec des stimuli visuels complexes, comme regarder et analyser des vidéos ou de l'art, peut aider à maintenir la plasticité neuronale.
Source : arXiv q-bio.NC
Curieux de connaître votre propre cerveau ? Passez notre test de QI adaptatif gratuit ou essayez 306 niveaux d'entraînement cérébral.
