NOTRE CERVEAU, UN FAISEUR DE CODES
Cette étude explore une mécanique encore mal comprise en sciences cognitives, l'encodage des probabilités dans le cerveau humain. Nous évaluons constamment les probabilités pour nous orienter dans le monde, que ce soit pour déterminer si notre train sera bien à l'heure ou pour prédire le temps qu'il fera demain. Notre comportement étant si clairement adapté à ces probabilités, la logique voudrait qu'elles soient encodées quelque part dans le cerveau. Cependant, trouver ce code s'est avéré notoirement difficile. Une exception concerne la probabilité d'obtenir une récompense pour laquelle les corrélats neuronaux sont mieux connus, mais ces études ne disent rien de la probabilité d'évènements neutres. Des travaux antérieurs ont également permis de trouver des corrélats neuronaux de quantités liées à la probabilité, comme la surprise ou l'incertitude, mais elles ont souvent échoué à trouver une corrélation avec la probabilité elle-même.
Ici, les auteurs proposent un changement de perspective radical en testant l'hypothèse selon laquelle le cerveau pourrait utiliser un code hautement non monotone. Une hypothèse jamais testée dans les nombreuses recherches exploratoires qui supposaient toutes que l'activité neuronale augmentait simplement de manière proportionnelle à la probabilité.
LA PROBABILITÉ, UNE ENTITÉ NON MONOTONE
Pour tester leur hypothèse, les chercheurs ont soumis vingt-six participants à une tâche d'apprentissage de probabilité et mesuré simultanément leur activité cérébrale en IRMf à ultra-haut champ (7 Tesla). Les participants devaient observer une séquence rapide de stimuli binaires, A et B, et devaient estimer la probabilité d'observer A, sachant que celle-ci pouvait changer brusquement et de façon imprévisible au fil du temps. Le participant dans l'IRM devait donc constamment évaluer mentalement cette probabilité cachée, sans appuyer sur un bouton ou recevoir une récompense immédiate. Un tel protocole garantissait ainsi l'enregistrement d'une activité cérébrale non contaminée par des mouvements moteurs ou des sensations liées à la récompense.
Afin d'approcher l'estimation optimale de la probabilité cachée, l'équipe a utilisé un observateur mathématique idéal qui calcule l'estimation de probabilité parfaite pour chaque essai. Le code neural de ces quantités a ensuite été établi en combinant deux méthodes d'analyse alliant des modèles d'encodage à la théorie de l'approximation, afin de modéliser le code de la probabilité sans faire de supposition forte sur sa forme. Cette approche innovante a permis de localiser une représentation jusqu'alors inconnue de la probabilité au sein des cortex préfrontal dorsolatéral et intra-pariétal humains. Les analyses univariées et multivariées ont révélé que cette représentation utilise un code hautement non monotone, expliquant qu'il n'ait pas été décelé par les analyses antérieures standard.
Dans cette étude, les auteurs apportent la preuve de la non monotonie du code neural de probabilité et renforcent leur conclusion en le comparant à une autre grandeur, la confiance, dont le code est très linéaire. Compte tenu de la diversité observée dans les courbes de réponse, les études futures devront passer de l'hypothèse de courbes de réponses monotones, ou de formes canoniques simples, à l'examen de représentations plus riches.
Contact Joliot : Florent Meyniel (florent.meyniel@cea.fr)