{"id":1968,"date":"2025-09-21T18:08:22","date_gmt":"2025-09-21T15:08:22","guid":{"rendered":"https:\/\/planeta21vek.ru\/fr\/?p=1968"},"modified":"2025-11-20T11:34:32","modified_gmt":"2025-11-20T08:34:32","slug":"un-nouvel-algorithme-informatique-convertit-les-pensees-humaines-en-texte","status":"publish","type":"post","link":"https:\/\/planeta21vek.ru\/fr\/2025\/09\/21\/un-nouvel-algorithme-informatique-convertit-les-pensees-humaines-en-texte\/","title":{"rendered":"Un nouvel algorithme informatique convertit les pens\u00e9es humaines en texte"},"content":{"rendered":"

Une am\u00e9lioration apport\u00e9e \u00e0 un d\u00e9codeur c\u00e9r\u00e9bral bas\u00e9 sur l’IA permet de traduire les pens\u00e9es humaines en texte sans n\u00e9cessiter de longues heures de formation. Des scientifiques ont apport\u00e9 de nouvelles am\u00e9liorations \u00e0 un \u00abd\u00e9codeur c\u00e9r\u00e9bral\u00bb utilisant l’intelligence artificielle (IA) pour convertir les pens\u00e9es en texte. Ce mod\u00e8le d’IA peut scanner le cerveau d’une personne \u00e0 l’aide d’\u00e9quipements non invasifs et convertir les pens\u00e9es en phrases \u00e9crites, sans recourir \u00e0 des implants.<\/span><\/p>\n

<\/p>\n

Dans une \u00e9tude, des scientifiques ont d\u00e9velopp\u00e9 un mod\u00e8le d’IA capable de d\u00e9coder les signaux c\u00e9r\u00e9braux pour reproduire des phrases tap\u00e9es par des volontaires. Dans une seconde \u00e9tude, les m\u00eames chercheurs ont utilis\u00e9 l’IA pour cartographier la mani\u00e8re dont le cerveau produit le langage, transformant les pens\u00e9es en phrases tap\u00e9es.<\/span><\/p>\n

Une \u00e9quipe de chercheurs a rapport\u00e9 dans une nouvelle \u00e9tude que leur nouvel algorithme de conversion permet d’entra\u00eener rapidement un d\u00e9codeur existant sur le cerveau d’une autre personne. Selon les scientifiques, ces r\u00e9sultats pourraient un jour aider les personnes atteintes d’aphasie, un trouble c\u00e9r\u00e9bral affectant la communication. Dans cette nouvelle \u00e9tude, publi\u00e9e le 6 f\u00e9vrier 2025 dans la revue Current Biology, Huth et son co-auteur, Jerry Tang, \u00e9tudiant dipl\u00f4m\u00e9 de l’Universit\u00e9 du Texas \u00e0 Austin, ont explor\u00e9 comment surmonter cette limitation de la communication.<\/span><\/strong><\/span><\/p>\n

\u00abLes personnes aphasiques ont souvent des difficult\u00e9s \u00e0 comprendre et \u00e0 parler\u00bb, a d\u00e9clar\u00e9 \u00e0 Live Science Alexander Huth, co-auteur de l’\u00e9tude et neuroscientifique computationnel \u00e0 l’Universit\u00e9 du Texas \u00e0 Austin (UT Austin). \u00abSi cela est vrai, nous pourrions \u00eatre incapables de mod\u00e9liser leur cerveau en observant leurs r\u00e9actions aux histoires qu’ils entendent.\u00bb<\/span><\/p>\n\n

Le d\u00e9codeur c\u00e9r\u00e9bral utilise l’apprentissage automatique pour traduire les pens\u00e9es d’une personne en texte, en fonction des r\u00e9actions de son cerveau aux histoires entendues. Cependant, les versions pr\u00e9c\u00e9dentes du d\u00e9codeur n\u00e9cessitaient que les participants \u00e9coutent des histoires dans un appareil d’IRM pendant de nombreuses heures, et ces d\u00e9codeurs ne fonctionnaient qu’avec les personnes sur lesquelles ils avaient \u00e9t\u00e9 entra\u00een\u00e9s.<\/span><\/p>\n

\"\"
\nUne \u00e9quipe de chercheurs a d\u00e9velopp\u00e9 un algorithme permettant \u00e0 un \u00ab\u00a0d\u00e9codeur c\u00e9r\u00e9bral\u00a0\u00bb bas\u00e9 sur l’IA, form\u00e9 sur une personne, de traduire les pens\u00e9es d’une autre personne avec un minimum de formation. Jerry Tang\/Universit\u00e9 du Texas \u00e0 Austin<\/span><\/em><\/p>\n

Les chercheurs ont d\u2019abord entra\u00een\u00e9 le d\u00e9codeur c\u00e9r\u00e9bral sur plusieurs participants t\u00e9moins en utilisant une approche \u00e0 long terme : en collectant des donn\u00e9es d\u2019IRM fonctionnelle pendant que les participants \u00e9coutaient 10 heures d\u2019\u00e9missions de radio.<\/span><\/p>\n

Ils ont ensuite form\u00e9 deux algorithmes de conversion sur des participants t\u00e9moins et sur un autre ensemble de participants \u00abcibles\u00bb: l’un utilisant des donn\u00e9es collect\u00e9es lorsque les participants \u00e9coutaient des reportages radiophoniques pendant 70 minutes, et l’autre lorsqu’ils regardaient des courts m\u00e9trages muets de Pixar sans rapport avec les reportages radiophoniques pendant 70 minutes.<\/span><\/p>\n

Gr\u00e2ce \u00e0 une m\u00e9thode appel\u00e9e \u00abalignement fonctionnel\u00bb, l’\u00e9quipe a cartographi\u00e9 les r\u00e9ponses c\u00e9r\u00e9brales des participants t\u00e9moins et cibles aux m\u00eames r\u00e9cits audio ou vid\u00e9o. Ces informations ont permis d’entra\u00eener le d\u00e9codeur \u00e0 fonctionner avec le cerveau des participants cibles, sans avoir \u00e0 collecter des heures de donn\u00e9es d’entra\u00eenement.<\/span><\/p>\n

L’\u00e9quipe a ensuite test\u00e9 les d\u00e9codeurs \u00e0 l’aide d’une nouvelle qu’aucun participant n’avait entendue auparavant. Bien que les pr\u00e9dictions du d\u00e9codeur aient \u00e9t\u00e9 l\u00e9g\u00e8rement plus pr\u00e9cises pour les participants ayant utilis\u00e9 les informations de contr\u00f4le originales que pour ceux ayant utilis\u00e9 les convertisseurs, les mots pr\u00e9dits par le d\u00e9codeur \u00e0 partir des scanners c\u00e9r\u00e9braux de chaque participant conservaient un lien s\u00e9mantique avec les mots utilis\u00e9s dans la nouvelle test.<\/span><\/p>\n

Par exemple, dans l’un des fragments narratifs du test, une personne d\u00e9crivait un travail qu’elle n’aimait pas: \u00abJe suis serveuse dans un glacier. Donc, euh, ce n’est pas\u2026 Je ne sais pas o\u00f9 je veux \u00eatre, mais je sais que ce n’est pas \u00e7a.\u00bb Un d\u00e9codeur utilisant un algorithme de conversion entra\u00een\u00e9 sur des donn\u00e9es vid\u00e9o a pr\u00e9dit: \u00abJ’avais un travail que je trouvais ennuyeux. Je devais prendre des commandes, et \u00e7a ne me plaisait pas, alors j’y travaillais tous les jours.\u00bb La correspondance n’est pas exacte \u2013 le d\u00e9codeur ne capte pas les sons exacts entendus \u2013 mais les id\u00e9es sont li\u00e9es.<\/span><\/p>\n

Les scientifiques peuvent collecter des donn\u00e9es pendant que quelqu\u2019un regarde une vid\u00e9o silencieuse, puis les utiliser pour cr\u00e9er un d\u00e9codeur de langage pour son cerveau.<\/span><\/p>\n

Les chercheurs affirment que l’utilisation de convertisseurs vid\u00e9o pour transf\u00e9rer les d\u00e9codeurs existants aux personnes aphasiques peut les aider \u00e0 s’exprimer. L’\u00e9tude a \u00e9galement r\u00e9v\u00e9l\u00e9 un certain chevauchement entre la fa\u00e7on dont les individus repr\u00e9sentent les id\u00e9es issues du langage et celles issues des images visuelles dans le cerveau.<\/span><\/p>\n

Cette \u00e9tude sugg\u00e8re l’existence d’une repr\u00e9sentation s\u00e9mantique ind\u00e9pendante de la modalit\u00e9 dont elle est issue. Autrement dit, elle nous aide \u00e0 comprendre comment le cerveau repr\u00e9sente certains concepts de la m\u00eame mani\u00e8re, m\u00eame lorsqu’ils sont pr\u00e9sent\u00e9s sous des formats diff\u00e9rents.<\/span><\/p>\n\n

Les scientifiques de Meta ont utilis\u00e9 l\u2019intelligence artificielle (IA) et l\u2019analyse c\u00e9r\u00e9brale non invasive pour comprendre comment les pens\u00e9es sont traduites en phrases imprim\u00e9es.<\/span><\/strong><\/span><\/p>\n

Selon les scientifiques, les r\u00e9sultats de l’\u00e9tude pourraient \u00e0 l’avenir servir de base \u00e0 la cr\u00e9ation d’une interface cerveau-ordinateur non invasive qui aidera les personnes souffrant de l\u00e9sions c\u00e9r\u00e9brales ou de blessures \u00e0 communiquer.<\/span><\/p>\n

Des interfaces cerveau-ordinateur utilisant des m\u00e9thodes de d\u00e9codage similaires ont \u00e9t\u00e9 implant\u00e9es dans le cerveau de personnes ayant perdu la capacit\u00e9 de communiquer, mais de nouvelles recherches pourraient confirmer une voie potentielle vers des appareils portables.<\/span><\/p>\n

Dans cette \u00e9tude, les chercheurs ont utilis\u00e9 la magn\u00e9toenc\u00e9phalographie (MEG), qui mesure le champ magn\u00e9tique g\u00e9n\u00e9r\u00e9 par les impulsions \u00e9lectriques dans le cerveau, pour suivre l’activit\u00e9 neuronale des participants pendant qu’ils tapaient des phrases. Ils ont ensuite entra\u00een\u00e9 un mod\u00e8le linguistique d’IA \u00e0 d\u00e9coder les signaux c\u00e9r\u00e9braux et \u00e0 produire des phrases \u00e0 partir des donn\u00e9es de la MEG.<\/span><\/p>\n

\"\"
\nDeux nouvelles \u00e9tudes \u00e9clairent la mani\u00e8re dont nous pouvons transformer nos pens\u00e9es en phrases \u00e9crites gr\u00e2ce \u00e0 une interface num\u00e9rique.<\/span><\/em><\/p>\n

Le mod\u00e8le a d\u00e9cod\u00e9 les lettres tap\u00e9es par les participants avec une pr\u00e9cision de 68%. Les lettres fr\u00e9quentes ont \u00e9t\u00e9 d\u00e9cod\u00e9es correctement plus souvent, tandis que les lettres moins courantes, comme Z et K, pr\u00e9sentaient un taux d’erreur plus \u00e9lev\u00e9. Lorsque le mod\u00e8le commettait des erreurs, il avait tendance \u00e0 substituer des symboles physiquement proches de la lettre cible sur le clavier QWERTY, ce qui sugg\u00e8re qu’il utilise les signaux moteurs du cerveau pour pr\u00e9dire la lettre tap\u00e9e par le participant.<\/span><\/p>\n

On a d\u00e9couvert que le cerveau g\u00e9n\u00e8re d\u2019abord des informations sur le contexte et le sens d\u2019une phrase, puis cr\u00e9e des repr\u00e9sentations de plus en plus d\u00e9taill\u00e9es de chaque mot, syllabe et lettre \u00e0 mesure que le participant tape.<\/span><\/p>\n

\u00abCes r\u00e9sultats soutiennent les pr\u00e9dictions de longue date selon lesquelles la production du langage n\u00e9cessite une d\u00e9composition hi\u00e9rarchique du sens des phrases en unit\u00e9s de plus en plus petites qui contr\u00f4lent en fin de compte les actions motrices\u00bb, \u00e9crivent les auteurs de l’\u00e9tude.<\/span><\/p>\n

Pour \u00e9viter qu’un mot ou une lettre n’interf\u00e8re avec un autre, l’\u00e9quipe a d\u00e9couvert que le cerveau utilise un \u00abcode neuronal dynamique\u00bb pour les distinguer. Ce code modifie constamment la repr\u00e9sentation de chaque information dans les r\u00e9gions c\u00e9r\u00e9brales responsables de la formation du langage.<\/span><\/p>\n

Cela permet au cerveau d’associer des lettres, des syllabes et des mots successifs, stockant ainsi les informations relatives \u00e0 chacun d’eux plus longtemps. Cependant, les exp\u00e9riences MEG n’ont pas permis d’identifier pr\u00e9cis\u00e9ment les r\u00e9gions c\u00e9r\u00e9brales d’o\u00f9 proviennent chacune de ces repr\u00e9sentations linguistiques.<\/span><\/p>\n

Les chercheurs \u00e9crivent que m\u00eame si la configuration actuelle est trop encombrante et sensible pour fonctionner correctement en dehors d\u2019un environnement de laboratoire contr\u00f4l\u00e9, les progr\u00e8s de la technologie MEG pourraient ouvrir la porte \u00e0 de futurs appareils portables.<\/span><\/p>\n\n","protected":false},"excerpt":{"rendered":"

Une am\u00e9lioration apport\u00e9e \u00e0 un d\u00e9codeur c\u00e9r\u00e9bral bas\u00e9 sur l’IA permet de traduire les pens\u00e9es humaines en texte sans n\u00e9cessiter de longues heures de formation. Des scientifiques ont apport\u00e9 de nouvelles am\u00e9liorations \u00e0 un \u00abd\u00e9codeur c\u00e9r\u00e9bral\u00bb utilisant l’intelligence artificielle (IA) pour convertir les pens\u00e9es en texte. Ce mod\u00e8le d’IA peut scanner le cerveau d’une personne \u00e0 l’aide d’\u00e9quipements non invasifs et convertir les pens\u00e9es en phrases \u00e9crites, sans recourir \u00e0 des implants.<\/p>\n","protected":false},"author":1,"featured_media":1969,"comment_status":"closed","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[19,525],"tags":[915,526,914],"class_list":{"0":"post-1968","1":"post","2":"type-post","3":"status-publish","4":"format-standard","5":"has-post-thumbnail","7":"category-news","8":"category-ii","9":"tag-algorithme","10":"tag-intelligence-artificielle","11":"tag-lecture-des-pensees"},"_links":{"self":[{"href":"https:\/\/planeta21vek.ru\/fr\/wp-json\/wp\/v2\/posts\/1968","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/planeta21vek.ru\/fr\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/planeta21vek.ru\/fr\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/planeta21vek.ru\/fr\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/planeta21vek.ru\/fr\/wp-json\/wp\/v2\/comments?post=1968"}],"version-history":[{"count":1,"href":"https:\/\/planeta21vek.ru\/fr\/wp-json\/wp\/v2\/posts\/1968\/revisions"}],"predecessor-version":[{"id":1970,"href":"https:\/\/planeta21vek.ru\/fr\/wp-json\/wp\/v2\/posts\/1968\/revisions\/1970"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/planeta21vek.ru\/fr\/wp-json\/wp\/v2\/media\/1969"}],"wp:attachment":[{"href":"https:\/\/planeta21vek.ru\/fr\/wp-json\/wp\/v2\/media?parent=1968"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/planeta21vek.ru\/fr\/wp-json\/wp\/v2\/categories?post=1968"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/planeta21vek.ru\/fr\/wp-json\/wp\/v2\/tags?post=1968"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}